博主晒对比:DeepSeek V4.1-Flash-1017 三项 Agent 编码基准超 Opus 5
eyishazyer · x · 2026-10-18
博主 eyishazyer 称 DeepSeek 刚发布的 V4.1-Flash-1017 在 agent 编码任务上击败 Claude Opus 5:DeepSWE 77.0 vs 74.0、AutomationBench 60.5 vs 50.3、Apex Bench 72.1 vs 65.8。他指出中国开源权重模型在 agent 任务上大幅领先 Anthropic 旗舰很罕见,同时公允提醒:对手是 Opus 5 而非 Opus 5.5,且在 HLE、Terminal-Bench 等更难的推理测试上 Opus 仍占优,但这个价格能拿到这种性能不容小觑。
「模型」频道最新
- 拼写修正竟让 Google AI Overview 给出截然不同的答案 — krishnabrodhi · 2026-10-18
- Anthropic 网络验证计划曝光：通过审核可获放宽安全护栏权限 — arthurcolle · 2026-10-18
- 开发者直言不看 benchmark：只找对自己用例真正好用的模型 — gnukeith · 2026-10-18
- Google AI 搜索结果突然明显变好，疑似后台换了模型路由 — haider1 · 2026-10-18
- 上下文窗口扩大250倍，跨会话记忆问题依然没解决 — khademinori · 2026-10-18
- AI 研究助手 Astra 拒答理由离谱：「这可能帮助你的研究」 — cephaloform · 2026-10-18