deepseek-flash 的第三方跑分趣闻

sentinelK 2026-09-11 13:51 1

这次的 flash-v4.1 的第三方跑分释放了，数据源如下： https://artificialanalysis.ai/models/deepseek-v4-1-flash?pricing=blended-price#intelligence-breakdown

总体上是预期水平（ artificialanalysis.ai 刚刚调整了整个总分的权重和算法），但是发现了个有趣的点，值得玩味。

v4.1 的错误回答中，幻觉率非常大，也就是非常不懂装懂。

幻觉率的公式是：错误答案 /（错误答案 + 部分答案 + 未尝试回答）也就是说，他有 96%的错误情形都是硬装。而不是放弃或者只回答一部分。

这也就导致，v4.1 的平均任务花费 token 数，会更高(PS:GPT6 的平均 token 数确实很惊艳)：

最新回复 (3)

Insolitude 09-11 14:14

1楼

还真有这种感觉，用的自部署的 deepseek v4 flash ，在 Claude code 这种比较克制的 harness 上，容易代码没理清就开始提修复。到了 dsh 上，就比较奔放，问一个问题要从盘古开天辟地开始读代码，好处是确实看得比较透，坏处是 token 用量体感是 Claude 的 2-3 倍。
loveqianool 09-11 14:48

2楼

这上面怎么没有豆包呀。
sentinelK 楼主 09-11 14:53

3楼

@loveqianool 这个有个筛选条件，你可以自选筛选哪些模型进入表格。

* 帖子来源V2EX

附近帖子