DeepSeek V4.1 智能体编码大增,部分高分基准反而退步
teortaxesTex · x · 2026-09-17
关于 DeepSeek V4.1 的早期观察(注:原文为网友讨论,未证实):- 智能体/编码任务上大幅超越 V4 系列;- 体积比 V4 Flash 大不少;- 但在一些「高信号」基准上持平甚至退步,包括 MathArena、CritPt 等;- ARC-2 成绩被期待作为更可靠的判断依据。另一开发者称资金耗尽前简单测过,觉得与 DeepSeek V4 Flash 差不多,没有继续跟进。
「模型」频道最新
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- Yacine 赞誉 Terra High:一条推文引爆的新模型口碑 — yacineMTB · 2026-11-02
- 单卡 H200 跑 DeepSeek V4.1,时租仅 5.3 美元 — daluoseo · 2026-11-02
- 曝 Fable 5.5 最新 checkpoint 视频流出，纯代码生成 — kimmonismus · 2026-11-02
- 用户实测 Claude Opus 5.5 行为异常，引出持续学习难题 — JeremyNguyenPhD · 2026-11-02
- Reddit 热帖追问:为何主流 AI 模型集体忽略冰岛女性罢工 — Mathemodel · 2026-11-02