待验证50% 置信基准精确时间
1017 检查点在 Terminal-Bench 4.0 上的得分从 31.2 提升到 42.3。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/19
首次发现
有效期至：2026/11/2
来源
DeepSeek V4.1 Flash 1017：同价更强，该升级吗？
rss2026/10/19
涉及实体
相关事实
待验证Terminal Bench 4.0分数从31.2分升至42.3分，提升11.1分。76% 相似待验证Claude 模型在 Terminal Bench 4.0 终端编码测试上的得分从42%提升到接近56%69% 相似待验证Terminal-Bench 4.0的标准误差为±2.6分，Opus 5的51.8%复现为52.3%，Anthropic称之为噪声。68% 相似待验证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。64% 相似待验证在 ProgramBench、NL2Repo-Bench、Automation-Bench、Agents' Last Exam 四个基准上，V4.1 Flash 1017 得分分别为 29.1、68.2、60.5、35.4，均高于 V4 Pro 0813 的 15.5、61.5、43.2、25.763% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067666API
curl https://kongchang.com/api/v1/knowledge/claims/1067666MCP
get_claim(id=1067666)