待验证50% 置信基准精确时间
DeepSeek V4.1 Flash 1017在Terminal Bench 4.0上从31.2升至42.3，Program Bench从20.2升至42.3，Agent's Last Exam从31.8升至35.4，Apex Bench从64.6升至72.1，Chartography从78.9升至83.0，Baby Vision从89.6升至92.5。
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
AI早报：DeepSeek V4.1更新、谷歌湿实验室与AI出口新规
bilibili擂玩AI2026/10/17
涉及实体
相关事实
待验证DeepSeek-V4.1-Flash-1017 在 Terminal-Bench 4.0 上的得分从 V4.1-Flash 的 31.2 提升至 42.3。76% 相似待验证盘古2.0 Flash在Tau2-Bench客服工具调用测试中得分88.0，在WildCloudBench中得分41.5超过397B模型的34.571% 相似待验证在Frontier Code编程基准上，旧模型得分34.4%，Gemini 3.7 Flash提升至43.6%65% 相似待验证d1-3B 在 11 项图像基准上平均 74.1，LFM2.5-VL-3B 为 73.9；在 VL-RewardBench 上 d1-3B 得 65.0 远超 LFM2.5-VL-3B 的 50.9，但在 CV-Bench（82.1 对 87.6）、VisualWebBench（71.4 对 78.3）、POPE（88.5 对 90.1）上落后。64% 相似待验证盘古2.0 Flash在SWE-Bench Verified工程实战测试中得分仅63.1，在所有对比模型中垫底63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1059871API
curl https://kongchang.com/api/v1/knowledge/claims/1059871MCP
get_claim(id=1059871)