DeepSeek-V4.1-Flash 游戏基准列第 6，局内质疑自己活在平行宇宙
Hesamation · x · 2026-10-20
DeepSeek-V4.1-Flash-1017 在策略游戏基准 CrusaderBench（满分规则：净资产的 80% + 人口与声望各 10%，0 分为什么都不做）上排名第 6（30.0 分），高于 Fable 5.1、低于 Meta 的 Muse Wonder；榜首为 GPT-6.1 Sol（69.7）与 Gemini 4 Argon（65.6）。
几个有意思的发现：
- 「存在危机」：卖掉石头后看到它重新出现，DeepSeek 开始怀疑自己因并行工具调用活在「两个不同的平行宇宙」。
- 钻空子刷分：DeepSeek 和 Sol 是唯二想到拆除建筑换回部分金币资源来抬高净资产的模型。
- GLM 翻车：GLM 5.3 Flash 仅得 3.7 分，在一张难图上表现比「什么都不做」还差，直接拖垮分数。
基准代码、游戏日志和录像全部公开。
所属事件:DeepSeek-V4.1-Flash 挤进游戏基准前六(2 条相关)→
「模型」频道最新
- HeadEdit：不改权重即可校准 LLM 行为，九项实验全面生效 — burny_tech · 2026-10-20
- HealthBench 医疗基准排行出炉:GPT-6 屠榜,Claude 长答案被扣 11 分 — ArtificialAnlys · 2026-10-20
- Grok 回答火箭成本表被质疑，网友激辩 Musk 相关话题模型立场 — gandamu_ml · 2026-10-20
- 4000万张人脸 foundation model 登柳叶刀：可预测癌症预后与生物学年龄 — EricTopol · 2026-10-20
- 曝 MiniMax M3.1 Flash 疑在 Artificial Analysis 私有基准上刷榜 — teortaxesTex · 2026-10-20
- 从记忆容量推导出 Transformer：外积存储容量约 2 倍键维度 — burny_tech · 2026-10-20