Signal65 实测 DeepSeek-V4.1-Flash-1017:默认档达到原版极限档成绩
ryanshrout · x · 2026-10-27
Signal65 PINNACLE 基准发布 DeepSeek-V4.1-Flash-1017 十月刷新版实测报告:此前因需最大推理档才能取得好成绩而观望的企业值得重新评估。
核心数据:
- 效率:默认档加权错误比原版同档少 45%,并以 94% 更少的输出 token(20,829 vs 347,031)、27 轮中位数(原 43.5 轮)追平原版 max-effort 成绩(模型分 4,290)
- 对比七月版:较 V4-Flash-0731 加权错误少 33%,128K 语料幻觉率从 7.0% 降至 2.1%
- 并发:单台 8×B300 节点承载 312 个并发 agent(各 10 tok/s),为 4,000 分以上模型中最高
- 成本:每正确任务 $0.15,落在开放权重成本前沿;企业任务完成率 93.9%,检索 96.5%
- 整体前沿上 Claude Haiku 5.5 与 GPT-6 Luna 仍比所有开放权重更便宜
方法论:实时代理测试+代码化确定性评分,无模型裁判,每轮程序化重生成沙箱与答案键。
「Infra」频道最新
- GPU 能用 6 年，模型 6 个月就过时：算力比权重更保值 — bindureddy · 2026-10-27
- Block 发布本地语音模型 Dessa：单机架 GPU 训练，能还原笑声与哭声 — technextpreneur · 2026-10-27
- 整柜 GPU 运上太空？网友质疑 NVLink 能否扛住发射震动 — jwt0625 · 2026-10-27
- Surface Laptop Ultra 评测：本地 AI 表现亮眼但带宽受限 — draginol · 2026-10-27
- Chamath:违约赔偿条款将是 neocloud 算力合同决战点 — BrentM_BuildGuy · 2026-10-27
- AI 需求激增，云算力供不应求催生容量预订新玩法 — DavidLinthicum · 2026-10-27