DeepSeek V4.1 Flash 放榜刷屏，Bindu Reddy 挑明基准可被刷
bindureddy · x · 2026-10-17
Bindu Reddy 转发 DeepSeek V4.1 Flash 的评测表格并语带讽刺：「在那些可以被刷的基准上看起来惊艳」，表格对比了 V4.1-Flash-1017 与 Kimi K3、GLM 5.3、GPT 5.6-Sol、Claude Opus 5：新版本在 DeepSWE（77.0）、Automation-Bench（60.5）、Apex Bench（72.1）等多项 agent 基准领先，但 HLE（42.6）和 Terminal-Bench 4.0（42.3）仍落后 Claude Opus 5（56.3/51.8）。他表示正在实测其是否真能打赢前沿模型。
所属事件:DeepSeek V4.1 Flash 跑分惊艳却被指作弊(11 条相关)→
「模型」频道最新
- Reddit 团队发布 293B 记忆原生 MoE:把记忆写进前向传播而非外挂框架 — MaterialButterfly135 · 2026-10-19
- 港大团队拆解视频世界模型记忆失败：执行与记忆需分开诊断 — hkuhk · 2026-10-19
- Reddit 实测:Nemotron 3.5 Super VL 小众知识问答领先一众大模型 — Kahvana · 2026-10-19
- 思想实验：若亿万公司停更开源模型一年，开源社区还剩什么 — ForsookComparison · 2026-10-19
- MBZUAI 开源 Jais 3：0.9B 到 375B 六款阿拉伯语模型全公开 — lmoroney · 2026-10-19
- Opus 5.5 被赞里程碑：开发者称终于不再追新模型 — dreamwieber · 2026-10-19