MaxxBench统计：DeepSeek V4.1 Flash提隐藏测试频率是次名6倍
RexDouglass · x · 2026-11-09
MaxxBench 统计各模型每 10 万字符中提及「隐藏测试」的次数：DeepSeek V4.1 Flash（max 版）高达 122.4 次，是第二名 DeepSeek V4.1 Flash high（55.4）的 2 倍多、次名非 DeepSeek 模型的 6 倍以上。其后依次为 Qwen 3.8 Flash Next（20.1）、GPT-5.6 Sol（19.0）、Claude Opus 5（17.3）等，Gemini 3.8 Flash 为 0。
该指标被视为模型在训练中「见过」并追逐基准测试的间接信号，数值越高说明 benchmark contamination（测试集污染）嫌疑越大。
「模型」频道最新
- 安全研究员用 GLM 批量把 Windows 驱动变提权 0day,追平 Opus — MalwareTechBlog · 2026-11-09
- 安全研究者 MalwareTech：GLM 5.3 是我性价比首选，abliterated 版反而更差 — MalwareTechBlog · 2026-11-09
- MalwareTech:无需去审查版,原版 GLM 5.3 即可测漏洞利用开发 — MalwareTechBlog · 2026-11-09
- 密码学家 Matthew Green 质问安全研究者是否用 GLM 5.3 做漏洞挖掘 — matthew_d_green · 2026-11-09
- 安全研究员实测:GLM 5.3 护栏宽松,可直接用于漏洞挖掘 — MalwareTechBlog · 2026-11-09
- OpenAI 自研自动化报告：模型 80% 时间跨度仅 15 分钟 — tobyordoxford · 2026-11-09