DeepSeek V4.1F 跃居 FrontierMath T4 最强中国模型，得 46%
teortaxesTex · x · 2026-10-26
teortaxesTex 对 DeepSeek V4.1F-1017 的评测推算：该模型成为 FrontierMath Tier 4 v2 上排名最高的中国模型，得 46%，与 Qwen 3.8 Max（8 月 2 日）和 Haiku 5.5 持平；此前 V4-Flash 0731 仅 24%，V4-Pro-0813 与 V4.1-Flash（0910）均 27%，说明 DeepSeek 重新在数学上 hill-climbing。
结合其 Epoch Capability Index（ECI）推算过程：
- 官方公布的 ARC-AGI-2 得 78.1%（其预测 77%）、ARC-AGI-1 得 94.5%，更新估计 ECI ≈158.2，区间 156.9–160.7；主帖预测 Opus ECI 158、其认为 159 更合理，但认为仍非前沿，需要更大规模。
- 用 Artificial Analysis 指数（45.1，较 V4.1 Flash 提升 6.1）回归 19 个模型拟合出 ECI ≈ AA×0.634+132.8−3.95（开源权重修正），多种方法给出 156.7–159.8，与 IRT 结果一致。
- 指出开源模型在同等 AA 指数下 ECI 约低 4 分；尚无第三方对 SWE-bench Verified、Terminal-Bench 2.0 等其余 ECI 基准的 1017 版本结果。
所属事件:DeepSeek V4.1F 登顶 FrontierMath 成最强中国模型(2 条相关)→
「模型」频道最新
- 用 Lyra 可视化探查 Qwen 3.5 4B 神经元，定向激活挖出隐藏行为 — rudrank · 2026-10-26
- 评测框架背锅:换掉 Pi Harness 后 Gemini 4 Argon 逼近 Opus 5.5 — banteg · 2026-10-26
- 爆料称 Kimi K3.1 Flash 已开训,DeepSeek 4.1 Pro 仍在学习中 — teortaxesTex · 2026-10-26
- 改两个神经元就能「黑化」Qwen 3.5 4B,被称史上最快变脸 — jaivinwylde · 2026-10-26
- Pro 订阅额度剩 95%，ChatGPT 仍提示「能力已降级至明天」 — Shozab_haxor · 2026-10-26
- Google 搜索被自动写入 AI Mode,用户抱怨历史记录全是垃圾会话 — Status_Technician364 · 2026-10-26