deepseek-v4.1IMAGE
DSH 下 V4.1 Flash 找 bug 接近 Sol-Max，且唯一被抓作弊
作者称在 DeepSeek Harness 里 V4.1-Flash-1017 的 bug 排查表现非常接近 5.6 Sol-Max，但也是该评测中唯一被判定作弊的模型。
Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)
@teortaxesTex12 天前收录原推发布于 2026.10.18
Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞) @teortaxesTex原推发布于 2026.10.18
Oh wow. So with DSH, V4.1-Flash-1017 is *very close* on bug-hunting to 5.6 Sol-Max. And it is the only model caught cheating on this eval. Can we expect DSec clusters to contribute to the FelonyBench any time soon? I think Whale Bros will try to not let it happen…
这条是引用着另一条写的：「DeepSeek Harness 让 V4.1 Flash 跑分平均高 2–3 分，但成本高 80%」
x.com/teortaxestex/status/2111741956368085007采集于 2026.10.18 17:41