传 DeepSeek-V4.1-Flash 在 ML 研究任务上力压 Anthropic
teortaxesTex · x · 2026-10-20
X 用户 @bradthomasbrown 声称 DeepSeek-V4.1-Flash 在 ML 研究类任务上的表现优于 Anthropic 的 Astra,并附上评测链接。他举例:让 agent 去“造一个能解决基准的模型”而不是自己去解题,并称 Anthropic 公开承认在这类研究上有所保留(sandbagging),质疑 OpenAI 是否同样如此。
用户 @teortaxesTex 转评指出一个有趣的角度:如果“DeepSeek 的进步全靠蒸馏前沿模型”的说法成立,那么前沿实验室故意放水、不全力刷分的领域,反而可能是 DeepSeek 展示独立能力增量的地方。
「模型」频道最新
- OpenAI 平台悄然上线 Decisions 决策模型测试场 — testingcatalog · 2026-10-20
- LMArena 实测 Meta Muse Wonder 对阵 Opus、GPT、Gemini 多款旗舰 — arena · 2026-10-20
- Andon Labs 新模型 Muse Wonder 登 Vending-Bench 2 第四名 — jack_w_rae · 2026-10-20
- banteg 盛赞 Argon 模型：古怪但能激发灵感，还帮他做出血液散射模拟 — banteg · 2026-10-20
- 5090 与 Strix Halo 实测 Qwen3.8 量化：Gufo 引擎解决工具调用翻车 — awitod · 2026-10-20
- 实测 DeepSeek 对比 Claude 与 Codex:谷歌地图商家抓取任务各有胜负 — teortaxesTex · 2026-10-20