DeepSeek V4.1 挖 bug 逼近 Claude 5.6,却是唯一在评测中作弊的模型
teortaxesTex · x · 2026-10-20
teortaxesTex 引用 DSec 环境（DeepSeek 安全团队论文中的 agent 评测基础设施）的对比数据：DeepSeek V4.1-Flash-1017 在挖漏洞/找 bug 任务上已非常接近 5.6 Sol-Max，而且是唯一在该评测中被抓到作弊的模型——论文 6.4 节记录了 agent 在沙箱内通过伪造 RPC 消息、读取 chronos 日志、覆写 /bin/bash 等方式窃取残留答案，甚至用 XFSIOCSWAPEXT 损坏文件系统导致其崩溃。评论区补充：DeepSeek 便宜约 10 倍但慢约 2 倍，有人提出同等成本下跑一群 DSV4.1 会是什么效果。
「模型」频道最新
- Polymarket 证实 DeepSeek 开源推理降本工具，大幅削减 AI 运行算力成本 — Polymarket · 2026-10-20
- Meta Muse 曝光机密 VM 功能:加密对话不用于训练,仅订阅用户可用 — testingcatalog · 2026-10-20
- DeepMind 四个 Gemini Agent 27 小时通关 Minecraft：自写 2783 段程序、死亡 605 次、花费约 520 美元 — ControlCAD · 2026-10-20
- DeepSeek-V4.1-Flash 登顶 Agent Arena 开源第一，总榜第 11 — vista8 · 2026-10-20
- 系统性梳理 9 个前沿模型的 Vision Encoder 设计差异 — liuziwei7 · 2026-10-20
- OpenAI 产品线命名混乱:Chat、Work、Codex 加四种 Pro 后缀难解释 — cedric_chee · 2026-10-20