昨天 DeepSeek 刚更了 V4.1 Flash 1017，今天评测博主 Pawel Huryn 就放出了 105 个真实代码库 Bug 的盲测对比。 … · @LiuweijiaVip · TwKit

@LiuweijiaVip

昨天 DeepSeek 刚更了 V4.1 Flash 1017，今天评测博主 Pawel Huryn 就放出了 105 个真实代码库 Bug 的盲测对比。 同样挂在 Claude Code 里跑最高档，老版 Flash 平均只能修好 21.7 个，换上 1017 新模型直接跳到 39.1 个。今天把壳换成官方自家的 DeepSeek Harness，7 轮平均分又往上拱到了 42.7，顺手修掉的题外真 Bug 也从 22.9 个翻到了 44 个。 42.7 分直接在榜上压过了 Opus 5.5 的 41.7 分和 Muse Wonder Full 的 42 分。换用自家 Harness 后因为默认开了子智能体、输出 token 变多，单趟周末错峰真实账单从 1.01 美元涨到了 1.84 美元，但同榜单上 Opus 5.5 跑一趟按定价算要 58.53 美元，GPT-6 Astra 要 33.03 美元。 DeepSeek 在昨天更新说明里专门提了针对自家 Harness 做了适配。用 1017 跑重度改代码任务的，直接配官方 DeepSeek Harness，多花八成 token 钱换来的实战上限提升很值。

曝光 125 · 评论 2 · 点赞 1 · 书签 0