DeepSeek V4 Flash GA 在 DeepSWE 上的排名与 Sonnet 5 和 Grok 4.5 持平

cherryfrei 2026-08-02 10:49 1

DeepSWE 这个榜单是我看到的最靠谱的榜单，不会把gemini flash和muse-spark这些明显刷分模型排到遥遥领先

最新回复 (15)

大屁股家的粑粑 08-02 11:06

1楼

这个怎么看，怎么玩？大佬。。我这里怎么没ds
links23 08-02 11:07

2楼

谷歌真成美国豆包了，跌入谷底，除了世界知识看不出来有啥优势了
farq 08-02 11:10

3楼

DeepSWE 确实比那些刷分榜接地气，起码把 gemini flash 那种压下去了^-^ dsv4 能跟 sonnet5 一档挺意外，不过实战还是得分场景。
晨 08-02 11:13

4楼

我也是这样hhh为啥我这个里面没有看到国模
unsafetrait 08-02 11:13

5楼

确实好用，也确实解决问题的，反正这么说吧，FLASH无法解决的，你用GROK 4.5大概率也无法解决，不过GROK 4.5现在是前端要比FLASH好的

FLASH无法解决的 SONNET5是100%无法解决的，这就很神奇了，用几个后端题测试了一下，确实这样，GROK 4.5还有概率，SONNET5基本上一坨，有2个代码BUG是FLASH解决了，SONNET5还没找到对应文件就特么奇葩

所以为啥CLAUDE现在要从OPUS开始起步使用，SONNET真的没法用了

这个问题是DEEPSEEK V4 FLASH解决的，SONNET5连影子都没找到，GLM5.2也没解决 ^-^

所以很玄幻
yeekal 08-02 11:15

6楼

哪里的数据源，我看官方网站和x上都没有
超大杯 08-02 11:17

7楼

说实话，这些榜单就像手机跑分榜一样，就是图个乐

实际上 harness 和使用方式以及场景的影响大概能大到能把 terry 变成 sol 的程度

各有各的优势，只要有特点的模型其实都不会很差，差的是没有特点的
BOOSTMEISTER 2014 DH 08-02 11:17

8楼

这是社区预测的吧，deepswe 可以自己本地跑的。但是官方网站要等他们用自己的 mini-swe-agent 独立跑一下。
kinda66 08-02 11:19

9楼

话说luna有那么厉害吗，不大对吧。都跟k3差不多了。
wc81 08-02 11:20

10楼

Flash大概就是参数太小，导致知识库太小，导致很多东西可能会想不明白，眼神清澈的985大学生，做事反而干净利落
kuku 08-02 11:21

11楼

能和 sonnet5 在一起了，也是非常厉害了
Sam Altman 08-02 11:23

12楼

Sonnet 是真垃圾，之前本人模型荒芜的时候用不起 Opus，想要用 Sonnet 凑合着一下，效果真的烂，写个 LaTeX 都写不来，到处报错
crazycrazyshui 08-02 11:23

13楼

5.6luna居然还比5.5强，luna不应该是个小模型吗
水楚留香 08-02 11:30

14楼

以前还经常用sonnet，3.5-4.5时期。后来opus4.5出来后，就基本再也不用sonnet.更何况现在，sonnet根本打不过gpt，更不可能去用了
CrisR 08-02 13:06

15楼

已经无限期待8月份的 dsv4pro了