V4.1 Flash 1017 official benchmarks: DeepSWE 77.0 beats Opus 5, HLE and Terminal-Bench trail
Weights are on Hugging Face under MIT; the official table shows DeepSWE 77.0, Automation-Bench 60.5 and Agents' Last Exam 35.4 above Opus 5, while HLE is 42.6 vs 56.3 and Terminal-Bench 42.3 vs 51.8; self-hosting needs encoding.py for prompts.
梁圣又闷声发货了！DeepSeek V4.1-Flash 出了新版 1017，权重直接扔上 Hugging Face，MIT 协议。 🔰 官方说是 V4.1-Flash 的小更新，推理、写代码、agent、看图都有明显提升，跑任务更快、输出更短，同样的活更省钱 🔰 官方对比表里，DeepSWE 77.0、Automation-Bench 60.5、Agents' Last Exam 35.4，都高过 Opus 5 的 74.0、50.3、28.6 🔰 也有没追上的：HLE 42.6 对 Opus 5 的 56.3，Terminal-Bench 4.0 是 42.3 对 51.8 🔰 上下文 1M，能看图 官方管这叫“小更新”，结果 Terminal-Bench 从上一版的 31.2 直接蹦到 42.3。梁圣家的“小”，和别人家的不太一样……但和三巨头比，也确实是不够大。 想自己部署的注意：这次没带 Jinja 对话模板，得用仓库里的 http://encoding.py，或者官方一起开源的 deepseek-recipe 来拼提示词。 自己部署……嗯。万一你是巨富呢，朋友…… #DeepSeek #开源模型