DeepSeek V4.1 Flash tops Agent Arena open-source, $0.2 median cost per task
Arena's 7.5K-session data puts V4.1-Flash-1017 at #11 overall and #1 open-source with a 5.1% net gain, zero tool-hallucination issues, and a $0.2 median cost per task, about 27% of Sol's.
DeepSeek这次把Agent的账算明白了 Arena刚公布，DeepSeek-V4.1-Flash-20261017（Max）拿下Agent Arena开源第一，总榜第11。 数据来自7.5K多个真实会话，净提升5.1%。 排在它前面的10个，全是闭源模型，价格都高得多。Arena自己给了个很直白的对比，它每个任务的中位成本0.2美元，效果提升大概是GPT-6.1 Sol的37%，花的钱只有Sol的27%左右。 我平时在Codex里跑长任务用的就是Sol，所以这组数看得比较细。单看效果，Sol还是明显在前面，DeepSeek追到的是三成多。 可按每一块钱买到的提升算，DeepSeek反而更划算。 更离谱的是分项，Confirmed Success排第8，提升11.5%；Bash可靠性第12；工具幻觉这一项直接没出问题。 对Agent来说，会不会乱调工具，比多答对几道题要命得多。 照这个速度，下次Arena榜单可能得单开一栏「每块钱排行」了。 这就像打车，专车确实快、确实稳，可大部分路程拼车也能到。 恐怕接下来各家要比的，是同样一件活谁花得更少。Sol的位置暂时还稳，但账已经开始变了。 原帖在这 https://x.com/arena/status/2112247114944360666
This post quotes another post: “Agent Arena: DeepSeek V4.1 Flash 1017 tops open models at #11 overall”