DeepSeek-V4.1-Flash 刷屏编码榜：FrontierCode 28.5% 领先 Kimi K3
soumithchintala · x · 2026-11-06
PyTorch 作者 Soumith Chintala 转发一张编码与自动研究基准对比表,并称该模型在 Cognition 的 FrontierCode v2.0 等闭源 SWE 基准上表现出色,还能连续多小时自主做 GPU kernel 优化。
表格中五款模型横评要点:
- FrontierCode v2.0:DeepSeek-V4.1-Flash 以 28.5% 居首,Kimi K3 17.3%,GLM-5.3-Flash 14.2%,Muse Spark Open 仅 7.6%
- DeepSWE v1.1:DeepSeek-V4.1-Flash 77.0% 领先,Inkling 2 Small 72.1%
- SWEBench Pro v2 (Hard):Kimi K3 88.2% 最高,Inkling 2 Small 86.3%
- Vibe Code Bench v1.1:DeepSeek-V4.1-Flash 87.7% 第一
- Terminal Bench Science v0.1:DeepSeek-V4.1-Flash 12.9% 明显领先(其余均低于 8.1%)
总体看 DeepSeek-V4.1-Flash 在多数编码/agent 基准上占据榜首,尤其终端科学任务优势显著。
「编程与Agent」频道最新
- 用 Claude 搭「商业大脑」，一人接管营销销售研究三岗位 — aryanXmahajan · 2026-11-06
- 月付 6 美元用 Cloudflare 自建媒体站，让 Agent 帮你搭 — PurzBeats · 2026-11-06
- Inkling 2 Small 以 1/8 价格逼近顶级编程模型 — echen · 2026-11-06
- Replit 自建内核沙箱,审计 6211 个 CVE 躲掉 96% — amasad · 2026-11-06
- Inkling 2 Small 号称最高 AA 得分非中国系开源权重模型 — elemental-mind · 2026-11-06
- 玩家实测多模型混编：让 Opus 当主管指挥 Astra 干活 — gandamu_ml · 2026-11-06