DeepSeek与Unsloth评测打架:128K推理预算差异成争议焦点

danielhanchen · x · 2026-10-31

Unsloth 发布的 DeepSeek-V4.1-Flash-1017（763B 参数、支持 1M 上下文）第三方对比引发争议，GSQ-RCO 方面公开澄清：他们未调整超参数偏袒自家模型，使用的是该规模模型的标准设置——128K 上下文窗口、推理力度设为 50。

双方结果差异的根源据称在于评测约束不同：Unsloth 的对比采用了严格的 32K token 推理预算，而官方基准允许最多 128K 输出 token，计算预算差异显著影响了成绩。

Unsloth 的 Daniel Hanchen 回应称正在以 128K 上下文重跑全部基准，LiveCodeBench（LCB）和 Aider 已完成，「结果会更加明显」。配图显示在 LCB v6 和 Aider Polyglot 上，128K 预算下 Unsloth v3.1 量化与 GSQ-RCO 各量化档位成绩接近，而 32K 预算（虚线）下双方成绩都明显下滑。

原文链接 →

「模型」频道最新

• 4 天提升 67%,DeepSeek V4.1 Flash 单卡吞吐冲上 109 万 tok/s — BanghuaZ · 2026-10-31
• AA 新幻觉榜 DeepSeek 垫底引争议,teortaxes 发文驳「野鸡榜单」论 — teortaxesTex · 2026-10-31
• 博主给三个旗舰模型布置过夜长任务，明早验收谁干得最好 — therealdanvega · 2026-10-31
• DeepSeek V4.1 Flash 非推理模式飙到 1486 tokens/s，智力指数仅 18.5 — teortaxesTex · 2026-10-31
• Qwen4 若采用 HC 架构，Q4 与 Q6 量化差距将显著拉大 — Ok-Shower7286 · 2026-10-31
• Apple 智能国行将至：由千问驱动，随 iOS 27.3 于 12 月上线 — op7418 · 2026-10-31

更多「模型」频道 AI 资讯 →