DeepSeek V4.1 Flash 1017 被曝 Terminal-Bench 4.0 得 42.3 分,超 GLM-5.3 但依赖自家 harness
teortaxesTex · x · 2026-10-19
X 用户 teortaxesTex 表示确信 DeepSeek V4.1 Flash 1017 在 Terminal-Bench 4.0 上的 42.3 分是真实成绩——该分数高于 GLM-5.3,并呼吁 Artificial Analysis 用原生 harness 复测。引用帖指出关键细节:该模型脱离 DeepSeek 自家 harness 时 Terminal-Bench 4.0 仅约 32 分,使用 dsh 后可达 40+。附表还显示该版本在 DeepSWE v1.1(77.0)、Automation-Bench(60.5)、Apex Bench(72.1)等多项 agent 基准上较 V4.1-Flash 明显提升,但 HLE 与顶级闭源模型仍有差距(Claude Opus 5 为 56.3)。第三方 Artificial Analysis 榜单尚未收录该版本,其成绩依赖官方评测框架这一点值得注意。
所属事件:DeepSeek V4.1 Flash 跑分争议：官方 42.3 分遭第三方质疑(2 条相关)→
「模型」频道最新
- 4 张 RTX Pro 6000 本地跑 763B DeepSeek-V4.1-Flash，输出超 500 tok/s — TheZachMueller · 2026-10-19
- 实测 DeepSeek 开放搜索 API:110 次调用仅花 0.08 美元,authority 评分疑似绑定域名 — gaganghotra_ · 2026-10-19
- DeepSeek-V4.1-Flash-1017 展示从零构建完整项目能力 — FinanceYF5 · 2026-10-19
- MiniMax 官宣回归：MiniMax-M3.1-Flash 即将发布 — MiniMax_AI · 2026-10-19
- 网友推断：具备 RSI 能力的下一代模型不可能开源 — teortaxesTex · 2026-10-19
- Claude 成 AI 讨论网络最忙桥梁,Anthropic 品牌声量却降温 17% — YvesMulkers · 2026-10-19