专题 · FULL STORY

DeepSeek V4.1-Flash：跑分争议与能力评估

DeepSeek V4.1-Flash-1017 发布后引发连锁讨论：模型卡宣称 Terminal-Bench 4.0 得分 42.3% 超越 GLM-5.3，却遭第三方用户质疑；另有评测指出其幻觉率为系列最低，但知识与长文能力出现倒退。

2026-10-19 ~ 2026-10-19 · 2 集 · 5 条

第 1 集 · DeepSeek V4.1-Flash-1017 幻觉最低但知识与长文能力倒退(2026-10-19,3 条)

榜单观察者 teortaxesTex 评估 DeepSeek V4.1-Flash-1017：该版本成为 DeepSeek 旗下乃至 2026 系列中幻觉最少的模型，但在知识与长文能力上出现倒退，且被 Sol 在帕累托前沿上压制，其成本核算方式也遭质疑。在 Artificial Analysis 的 CritPt 物理推理榜上，DeepSeek 1017 (max) 以 24% 位列第七，是排名最靠前的开源模型之一。评论区普遍认为其成绩平平，成本优势存疑。

第 2 集 · DeepSeek V4.1 Flash 跑分争议：官方 42.3 分遭第三方质疑(2026-10-19,2 条)

DeepSeek-V4.1-Flash-1017 模型卡报告在 Terminal-Bench 4.0 上取得 42.3% 的成绩，超过 GLM-5.3。但有用户对比发现，Artificial Analysis 等第三方测试的跑分比官方低逾 10 分，引发争议。不过 X 用户 teortaxesTex 表示确信 42.3 分是真实成绩，并指出该成绩的取得依赖于 DeepSeek 自家的 harness。