DeepSeek V4.1-Flash-1017 benchmark card: beats Opus 5 on agent tests, trails on Terminal-Bench
The post compares model-card numbers: 77.0 vs 74.0 on DeepSWE, 35.4 vs 28.6 on Agents' Last Exam and 60.5 vs 50.3 on Automation-Bench ahead of Opus 5, but 42.3 vs 51.8 on Terminal-Bench 4.0 and 42.6 vs 56.3 on HLE behind it, with 763B parameters under MIT.
卧槽，DeepSeek 又悄悄放货了，名字叫 V4.1-Flash-1017，官方自己管它叫小更新。 说是小更新，跑分涨了一截，干活更快，输出还更短。网页、App、API 已经上线，权重同步放到了 Hugging Face，MIT 协议，拿去随便用。 模型卡上的对比表直接拉了 Opus 5 和 GPT-5.6 Sol。DeepSWE 77.0，Opus 5 是 74.0；Agents’ Last Exam 35.4 对 28.6；Automation-Bench 60.5 对 50.3。几项 Agent 相关的分，都把 Opus 5 压在了下面。 当然也没全赢。Terminal-Bench 4.0 是 42.3 对 51.8，HLE 是 42.6 对 56.3，Opus 5 还是高出一大截。而且表里放的是 Opus 5，没放现在的 Opus 5.5。 Terminal-Bench 这一项，用的测试框架就是 Claude Code。拿 Anthropic 家的工具，量自己和 Anthropic 家的模型还差多少，这操作真的有点东西。 还有个细节，名字叫 Flash，模型卡上写着 763B 参数。顺手还把自家的搜索和抓取 API 开放给所有人，每个接口 1000 次调用 0.75 美元。 别家的 Flash 是轻量款，DeepSeek 的 Flash 是把七百多 B 的大家伙塞进了轻量款的名字里。 估计接下来腾讯 CodeBuddy 这类国产编程工具，会越来越多地拿它当默认底座。
This post quotes another post: x.com/deepseek_ai/status/2111375640717033777