推文

@MaxForAI · 2026-10-17 16:49

？？？家人们出来看上帝现身了！ @deepseek_ai 刚刚正式发布了V4.1-Flash-1017，网页、App、API 已经同步更新，模型权重也一起开放了。 在DeepSWE v1.1上，新版 Flash 在 max 档跑到了 77% 的通过率，按图里的坐标估读，每个任务平均花费大约 1.3 元。 图中 Claude Opus 5 的 max 档，通过率约 74%，每个任务大约 80 元。 也就是说，按这张图的比较，通过率更高，任务费用大约只有六十分之一。 再看它自己的上一版，同样是 max 档，通过率从 74.2% 提升到 77%，每个任务的费用从大约 3.3 元降到 1.3 元，降了约六成。 这个成本变化，对做 Agent 的人来说太实在了。 其他评测也一起涨了。 表里列出的 11 项测试，相比上一版全部提升。 其中 Terminal-Bench 4.0 从 31.2 涨到 42.3，一次提高 11.1 个百分点；ProgramBench 从 20.3 涨到 29.1。 另外，Automation-Bench 跑到 60.5，Agents’ Last Exam 跑到 35.4，Apex Bench 跑到 72.1。 加上 DeepSWE，在这张对照表里拿了四项第一。 官方还提到，这次通过基于自反馈的强化学习，增强了从零开发完整项目的能力，包括游戏开发、3D 建模。 同时缩短了任务运行时间和输出长度，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 做了优化。 别忘了，这个模型名字后面还挂着个 Flash。

曝光 18704 · 评论 21 · 点赞 89 · 书签 17 · 曝光/时 11365.66895528348