deepseek-v4.1POST
DeepSeek V4.1 Flash benchmark read: similar scores at a fraction of the cost
DeepSWE v1.1 Pass@1 hits 77.0% at roughly $0.15–0.2 per task versus Opus 5's ~74% at over $10, with Terminal-Bench 4.0 at 42.3 and Automation-Bench at 60.5; the point is cheaper agent retries.
陌路遥｜AIProductHub
@AIProductHub_CNArchived 10 days agoOriginally posted 2026.10.17
陌路遥｜AIProductHub @AIProductHub_CNOriginally posted 2026.10.17
看到 DeepSeek V4.1 Flash-1017 的基准数据，第一反应是：这次比的不是谁分数高，而是谁在同样的分数下更便宜。 DeepSWE v1.1（mini_swe_v2）的 Pass@1 到了 77.0%，单任务平均成本大约 0.15–0.2 美元。对比之下，Claude Opus 5 大概是 74%，成本在 10 美元以上。分数只差几个点，价格差出两个数量级，这个反差比单纯的“又刷榜了”更有意思。 其他几项也一并给了：Terminal-Bench 4.0 是 42.3，Automation-Bench 60.5，Agents’ Last Exam 35.4。原帖还提到它在部分项目上超过了 GPT-5.6 Sol，局部反超 Opus 5.5，并且是 MIT 开源、输出更短、速度更快。 真正的意义不在“最强”，而在于把 Agent 类任务的单次试错成本压下来。写代码、跑终端、做自动化流程，本来就需要反复调用，贵模型跑几轮就心疼，便宜模型才敢放开试。
This post quotes another post: x.com/nft_chen/status/2111379399442374898
x.com/aiproducthub_cn/status/2111454471972901353Archived 2026.10.18 16:47