DeepSeek 又上榜了：V4.1 Flash（Max 档）拿下 Agent Arena 开源第一，总榜第 11 🏆 Arena 用 7500 多场真实会… · @Super_Nius · TwKit

@Super_Nius

DeepSeek 又上榜了：V4.1 Flash（Max 档）拿下 Agent Arena 开源第一，总榜第 11 🏆 Arena 用 7500 多场真实会话测的：任务成功率净涨 +5.1%，确认成功 +11.5%，还没出现乱编工具的毛病。 最狠的是钱：每个任务中位成本 $0.20，约是 GPT-6.1 Sol 的 27%。开源 + 便宜，Agent 党该换着试了。 确认成功率排名 #8，提升 +11.5%（开源第一） 赞扬 vs. 投诉排名 #11，提升 +5.9%（开源第一） Bash 可靠性排名 #12，提升 +5.4%（开源第一） 可控性排名 #13，提升 +2.5%（开源第一） 工具幻觉问题为零！！！ 国产雄起！！！大肥鱼加油！！！

曝光 63 · 评论 1 · 点赞 0 · 书签 0