deepseek-v4.1IMAGE
DeepSeek V4.1 Flash 1017 benchmarks rise across the board, Terminal-Bench 31.2 to 42.3
Versus the original V4.1 Flash, scores rise in coding, terminal, agent and multimodal tool use, with Terminal-Bench 4.0 jumping from 31.2 to 42.3 and some tasks beating GPT-5.6 Sol.
xiax｜AI & Agents
@xiax0603Archived 10 days agoOriginally posted 2026.10.17
xiax｜AI & Agents @xiax0603Originally posted 2026.10.17
🔥重磅！DeepSeek V4.1-Flash-1017基准出炉：相比原版实现全方位上涨！ 这份多维度Agent与代码Benchmark对比，直观展现DS-V4.1-Flash-1017迭代提升。 对比原始DS-V4.1-Flash，新版在代码、终端任务、智能体自动化、多模态工具调用所有赛道分数全部拉高，没有任何一项下跌。 亮点来自Terminal-Bench 4.0，从31.2提升至42.3，终端命令执行能力提升幅度最突出；ProgramBench代码能力、Apex Bench智能体任务同样有明显进步。 横向对比同赛道模型：在Automation-Bench、BabyVision这两组基准上，分数超越GPT-5.6 Sol；部分项目距离Opus 5差距进一步收窄。 该版本依然保留Flash低成本定位，在不涨价前提下拉高Agent与代码任务上限。
This post quotes another post: x.com/xiax0603/status/2111354028970180752
x.com/xiax0603/status/2111377989883847153Archived 2026.10.18 16:49