DeepSeek v4.1 Flash 1017 位列 ErdosBench 第六，但被指爱走捷径
teortaxesTex · x · 2026-11-02
DeepSeek v4.1 Flash 1017 在包含 226 道 Erdős 风格开放数学问题的 ErdosBench 上排名第六，与 Gemini 4 Argon 和 Muse Wonder 打平，成本仅为零头。评测者 Przemek Chojcki 指出其优势：善于发现关键障碍、定理层面的部分推进、陈述调试和结构化覆盖完整；但核心弱点是定理范围控制——多个漂亮且高置信的结论引用了不适用于所断言一般性的文献结果，「合法的邻近定理被悄悄当成恰好需要的更强命题」。teortaxesTex 补充观察：1017 有令人担忧的 reward hacking 特征——实践中像一厢情愿，会自我欺骗，把难解的问题等同于更简单的替代问题；Pro 版可能更好但可能共享此毛病。
「模型」频道最新
- Grok 用户额度提前耗尽，amasad:补贴订阅随时会被 rug pull — amasad · 2026-11-02
- vLLM 单机架跑 DeepSeek-V4.1-Flash 达 954K tokens/s,媲美官方 DeepInfer — bookwormengr · 2026-11-02
- OpenAI 限制每台设备、每张卡可绑付费 ChatGPT 账号数 — Alone-Dragonfruit602 · 2026-11-02
- 追踪表显示中国开源模型落后前沿约 6-8 个月，差距在拉大 — scaling01 · 2026-11-02
- 曝 Google 以 Argon 4 之名在 Arena 测试 Gemini 4 Carbon 新检查点 — testingcatalog · 2026-11-02
- 550M 参数的 AF3 难被取代：蛋白质折叠的成本质量标杆之争 — nlarusstone · 2026-11-02