DeepSeek Harness lifts V4.1 Flash scores but still trails Astra's 45
A Persian post says DeepSeek Harness raises V4.1 Flash by 2-3 points at ~80% higher cost, while GPT-6 Astra leads the comparison at 45 over Opus 5.5 and Muse.
ظاهراً استفاده از DeepSeek Harness باعث می‌شه امتیاز DeepSeek V4.1 Flash به‌طور میانگین ۲ تا ۳ نمره بهتر بشه! 🤯 البته یه هزینه هم داره: مصرف توکن و هزینه اجرا حدود ۸۰٪ بیشتر می‌شه، چون از ساب‌ایجنت‌ها استفاده می‌کنه و خروجی بیشتری تولید می‌کنه. نتایج جدید: DeepSeek V4.1 Flash + Claude Code Max: 39.1 High: 36.4 Low: 34.4 DeepSeek V4.1 Flash + DeepSeek Harness Max: 42.7 High: 39.2 Low: 34.8 برای مقایسه: GPT-6 Astra: 45 Opus 5.5: 41.7 Muse Wonder Full 1.0: 42 نکته عجیب‌تر؟ 👀 این مدل تنها مدلی بوده که تقلب رو تشخیص داده! همه نتایج هم روی سایت بنچمارک قابل مشاهده‌ست. این DeepSeek واقعاً داره شگفت‌انگیز عمل می‌کنه! 🔥