DeepSeek V4.1 Flash 智能体分暴涨,长程任务提升但约束遵循下滑
teortaxesTex · x · 2026-10-18
配图为一份基准评测明细:DeepSeek V4.1 Flash 1017 版相比上一版,综合分从 78.0 升至 79.2,最大增益来自 Long-Run Operations(长程运营,1→35),Agentic 分从 40.1 升至 50.9。
同时出现明显回退项:
- Analysis-Driven Action:100 → 67(-33)
- Constraint Adherence:100 → 67(-33)
- Tax & Finance:91 → 82(-25)
对比对象 GPT-5.6 Terra 综合分 75.0,但单价 $1.691,而 DeepSeek 仅 $0.083,价差约 20 倍。发帖人提醒这种「能力结构变化」值得警惕——某些子任务大涨的同时,另一些此前满分的子项大幅退步。
「模型」频道最新
- DeepSeek V4.1 提升非靠蒸馏？榜单显示 OpenAI Luna 仅得 38 分 — teortaxesTex · 2026-10-18
- 爆料称 Gemini 4 复杂任务接近甚至超越 Opus 5.5 — haider1 · 2026-10-18
- 14.3M 参数通用决策引擎 vega-U：冷接任意冻结 LLM 最高达 0.811 准确率 — kalyan_kpl · 2026-10-18
- 150M 参数小模型拦截离题查询，Macro-F1 91.56% 超越顶级 LLM — kalyan_kpl · 2026-10-18
- Claude Max 订阅用户获赠 200 美元 API 额度，限 2026 年 10 月前使用 — Rough_Exercise7261 · 2026-10-18
- OpenAI 测试列表惊现 aurora 红/绿/蓝三个 alpha 模型检查点 — ChrisGPT · 2026-10-18