deepseek-v4.1POST

Reading DeepSeek V4.1 Flash's official benchmarks: DeepSWE lead, Terminal-Bench gap

The author notes DeepSWE 77.0 tops the official table (Opus 5 at 74.0) but Terminal-Bench 4.0's 42.3 trails Opus 5's 51.8, with Opus 5 ahead in 6 of 11 items, all self-reported, so real tasks should decide.

Han

@Hh_BoulevardArchived 11 days agoOriginally posted 2026.10.18

Han @Hh_BoulevardOriginally posted 2026.10.18

Open original on X

DeepSeek V4.1-Flash 又更新了。官方自报：DeepSWE 77.0，Terminal-Bench 4.0 从 31.2 涨到 42.3。但得看对比表。表里的旗舰是 Opus 5 和 GPT-5.6 Sol。DeepSWE 它排第一，Opus 5 是 74.0。可 Terminal-Bench 是 Opus 5 的 51.8 更高，11 项里 Opus 5 还领先 6 项。跑分全是官方自己跑的，独立评测还没出。Flash 档的模型在几项上压过旗舰，不代表你的活它也干得好。我的看法：别看榜，拿你手头真实的任务跑一遍再说。你会拿 Flash 当 agent 的主力模型吗？ #DeepSeek #AI编程

This post quotes another post: x.com/deepseek_ai/status/2111375640717033777

x.com/hh_boulevard/status/2111636027307966671Archived 2026.10.18 16:31