DeepSeek V4.1-Flash-1017 official benchmarks: Terminal-Bench 4.0 rises from 31.2 to 42.3
The model card reports Terminal-Bench 4.0 at 42.3, ProgramBench at 29.1 and DeepSWE at 77.0, beating GPT-5.6 Sol and Opus 5, though HLE and Terminal-Bench still trail Opus 5; web, app and API are live, weights are on Hugging Face, and it is tuned for DeepSeek Harness and CodeBuddy.
DeepSeek 今天发了 V4.1-Flash-1017，模型卡上说只是 Flash 的一次小更新，结果 Terminal-Bench 4.0 从 31.2 涨到了 42.3。 写代码和 agent 相关的几项涨得都挺明显，ProgramBench 从 20.3 到 29.1，DeepSWE 77.0，比表里的 GPT-5.6 Sol（73.0）和 Claude Opus 5（74.0）都高。 表里拿来比的 Claude 还是 Opus 5，没有 Opus 5.5。而且在 Terminal-Bench 和 HLE 上它离 Opus 5 也还有一段距离，42.3 对 51.8，42.6 对 56.3。 官方说输出比上一版更短，跑完任务更快。网页、App 和 API 都已经换上了，权重也放到了 Hugging Face。这次专门给自家的 DeepSeek Harness 和腾讯 CodeBuddy、WorkBuddy 做了优化，官方建议 DeepSeek Harness 升到 v0.2.1-rc.1 以上。
This post quotes another post: x.com/deepseek_ai/status/2111375640717033777