Noahbench Homework：V4.1 Flash 1017 第 5，成本仅 $0.81

xiax｜AI & Agents @xiax0603原推发布于 2026.10.18

在 X 上打开原推

🚨Noahbench Homework榜单更新｜DeepSeek V4.1 Flash 1017跻身榜单第5位！ Noahbench Homework v1最新基准测试放出，DeepSeek V4.1 Flash 1017首次登上榜单，拿到55%任务通过率，位列第5，和Muse Wonder取得完全相同的得分。 两套模型任务完成能力持平，但调用成本拉开巨大差距：Muse Wonder整套测试成本$6.33，DeepSeek V4.1 Flash 1017仅$0.81，开销不到前者的八分之一。 代价是推理耗时显著拉长，完整跑完20项任务需要1小时18分钟，是榜单前五里面耗时最高的模型。 在我看来，这组对照数据非常有意思：模型研发团队选择用拉长推理时间的方式，把单位任务成本压到极低。 这类模型不是为实时对话打造，更适合离线大批量处理任务。只要业务能接受延迟，就能依靠它大幅削减AI调用开销。

这条是引用着另一条写的：x.com/xiax0603/status/2111491941552787838