2. Linux.do
  3. DeepSeek V4.1 Flash 官方 benchmark

DeepSeek V4.1 Flash 官方 benchmark

sandiferresner 2026-09-10 13:55 1



最新回复 (19)
  • sandiferresner 楼主 09-10 13:56
    1楼

    感觉很强呀，特别是 Terminal Bench 4.0 这个新的评分

  • a12908 09-10 13:57
    2楼

    直接核爆？DS官方的跑分还是比较可信的 之前PRO拉完了也老实放出来了 ^-^

  • DenisZ 09-10 13:57
    3楼

    我去，这么强的吗？感觉跟Sol打得有来有回啊？

  • Dowad 09-10 13:58
    4楼

    这个评分看，是它自己的模型强，跟 opus 差距有点儿大。 不知道 astra 是怎样的

  • sandiferresner 楼主 09-10 14:01
    5楼

    这都不是一个价格、同等参数量的模型，能到这种程度已经非常非常牛批了。

  • Kassdin 09-10 14:02
    6楼

    Opus 跑分王这一块，从跑分上看 sol 基本被 opus 暴打，用起来就是另外一回事了

  • bbb 09-10 14:03
    7楼

    跑分看起来还不错啊 不知道实际用起来怎么样

  • WWT 09-10 14:03
    8楼

    tb4.0这个分还是对的 个人体感比glm5.3快

    后端执行比kimi3强点

  • 汉武帝（的大熊猫） 09-10 14:04
    9楼

    哈哈 dsp这个分支可能真的是有点问题. dsf这一路高歌猛进.. dsp到底除了啥问题

  • sandiferresner 楼主 09-10 14:05
    10楼

    terminal bench 4.0 应该是目前最没法作弊的测试了。之前像 muse spark 在很多测试里面都很好，但是就这个测试很差。


    DeepSeek 这个 Agent 能力太逆天了。

  • WizisCool 09-10 14:07
    11楼

    muse 的生态位终于找到了，评估基准测试集的准确度

  • WWT 09-10 14:08
    12楼

    没绷住

    以后muse什么测试集差

    什么就有含金量^-^

  • sandiferresner 楼主 09-10 14:14
    13楼

    测试项目参考


  • Kassdin 09-10 14:15
    14楼

    这一代模型架构和基座都换了，比如这个模型就是 500B 的总参数，不可同日而语

  • Pipinstall 09-10 14:20
    15楼

    换基座了吗，为什么还用 4.1 这种小版本更新号，看不懂 ^-^

  • sandiferresner 楼主 09-10 14:21
    16楼

    我觉得这个模型是真的斩杀线了, 速度快、聪明还便宜。

  • bbbb 09-10 14:25
    17楼

    人用起来比市面上其他模型强多了好吧，就说150ts的速度，能稳住pro的能力，flash的价格。性价比

  • dfeiwej 09-10 14:28
    18楼

    难道是有2拨人在分别推进flash和PRO。。。

  • w2459 09-10 14:31
    19楼

    4.1相比4换底座架构了吗，怎么提升这么大

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐