待验证50% 置信基准精确时间
Program Bench分数从20.3分升至29.1分，提升8.8分，使用的是'Almost'口径（9次测试中5次通过即算通过）。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/18
首次发现
有效期至：2026/11/1
来源
DeepSeek V4.1 Flash更新：参数真相、跑分争议与成本革命
bilibiliAI技术投降派2026/10/18
涉及实体
相关事实
待验证在Automation Bench测试中，成绩从Cell的8.1提高到Astra的41.4，CAD任务从83.3提高到95.970% 相似待验证第三方用最严格的'Fully'口径测试9月版本时，Program Bench通过率仅为0.5%。68% 相似待验证在 Terminal Bench 2.1 测试中，AutoPrompt Scale 使 OpenCode 在 89 个任务中的失败数从 29 降到 16，多解决 13 题，分数提升 14.61 个百分点67% 相似待验证在 Automation Bench 测试中，GPT-6 Sol 的 extra high 档拿下 33% 的第一名，而 5.6 的 max effort 得分为 28.867% 相似待验证在Terminal Bench上，Fable 5.1的分数比Grok 4.7高出约20分，接近50%的提升67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1059802API
curl https://kongchang.com/api/v1/knowledge/claims/1059802MCP
get_claim(id=1059802)