← 2026年10月19日 简报 · 于韩国时间 20:00 更新时加入
DeepSeek V4.1-Flash-1017后续:外部评测的Terminal-Bench 4.0得分为34%和31.8%,低于模型卡的42.3%(社区消息)
已核实(事实)
据Reddit帖子,模型卡中V4.1-Flash-1017的Terminal-Bench 4.0得分为42.3%。在同一基准上,Artificial Analysis(AA)统计为34%,Vals Index为31.82%。模型卡称其使用Claude Code harness进行测量。发帖者推测,得分差异可能源于外部机构使用了不同的harness。作为对比,Fable 5的得分在AA为42%,在Vals为41.41%。GeekNews文章称该模型在AA Intelligence Index中获得45分,而规模相近的开放权重模型中位数为19分。
待核实(说法)
按模型卡,Terminal-Bench 4.0得分为42.3%(使用Claude Code harness)。
意义(解读)
这一案例表明,同一模型的智能体基准得分可能因harness和测量条件不同而相差近10个百分点。选择模型时不应仅看官方公布的数据,而应结合外部评测进行比较。尽管如此,按外部指数衡量,该模型在同规模开放模型中仍位居前列。
可信度 中 · 待补官方来源
来源
资讯脉络
- 2026-10-17 DeepSeek在Hugging Face发布“V4.1-Flash-1017”,Terminal-Bench 4.0从31.2升至42.3(社区消息)
- 2026-10-17 DeepSeek V4.1 Flash 1017后续:公司首个CED(Causal Encoder-Decoder)架构,原生支持图像理解,总参数552B,输入激活8B、输出激活16B(社区消息)
- 2026-10-18 DeepSeek V4.1-Flash-1017后续:确认正式发布,权重采用MIT许可证,已用于网页、App和API,价格不变(报道)
- 2026-10-19 DeepSeek V4.1-Flash-1017后续:外部评测的Terminal-Bench 4.0得分为34%和31.8%,低于模型卡的42.3%(社区消息)
更多关于 DeepSeek
-
DeepSeek API 开放工具后续:模型自主调用的网页搜索和页面抓取取消单独收费,直接调用仍按次计费(Pandaily 报道)
据 Pandaily 报道,DeepSeek 取消了对模型自主判断执行的网页搜索和网页抓取(Fetch)单独收取的费用。模型使用的 token 仍照常计费。开发者直接调用 Search、Fetch API 时,仍按每次请求计费。
-
Alibaba办公AI“QwenWork”支持选用Kimi、GLM、DeepSeek等外部模型,可按部门、群组、个人管控访问(Pandaily报道)
据Pandaily报道,Alibaba扩大了企业办公工具QwenWork中可选用的模型范围。除自家Qwen模型外,还可使用Kimi(Moonshot AI)、GLM(Zhipu AI)、DeepSeek等其他公司的模型。企业管理员可按部门、群组和成员设定可访问的模型。
-
用户反映“DeepSeek免费App和网页聊天出现每日用量上限,输入缩减至约4万字”,DeepSeek未予证实(Pandaily报道)
Pandaily转述了用户反映:DeepSeek免费App和网页聊天出现了每日用量上限,单次可输入内容缩减至约4万字。还有用户反映较早的长对话被清理。DeepSeek未证实上述情况。
-
LangChain发布Mistral、Groq、xAI、DeepSeek集成包新版本,聊天模型调用可经由LangSmith网关路由
LangChain发布了langchain-mistralai 1.2.0、langchain-groq 1.2.0、langchain-xai 1.4.0和langchain-deepseek...
-
DeepSeek网页代码中发现指向“Coding Plan”的用量管理功能,订阅、价格和上线日期均未公布(Pandaily报道)
据Pandaily报道,开发者在DeepSeek网页聊天的代码中发现了指向“Coding Plan”的用量限额管理代码。DeepSeek尚未公布任何相关的订阅产品、价格、等级或上线日期。