待验证50% 置信基准精确时间
官方基准显示 DeepSWE v1.1 从 74.2 提升到 77.0（Mini-SWE-V2 环境），Terminal-Bench 4.0 从 31.2 提升到 42.3（Claude Code 环境）。
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 静默升级：开发者必须知道的三个陷阱
rss2026/10/19
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。70% 相似待验证Reflection 公布的基准数据（未经第三方独立验证）：SWE-bench Verified 80.9，Terminal Bench v2.1 80.1，DeepSWE v1.1 44.4。70% 相似待验证模型卡给出的 GLM-5.3-Flash 基准成绩：Terminal-Bench 2.1 为 84.3，DeepSWE 为 63.4。67% 相似待验证DeepSeek V4.1号称SWE拿到74，但博主发现那是多次测试中挑出的最好成绩，open code实测65、PI实测6666% 相似待验证同一个DeepSeek v1.1模型在Terminal Bench 2.0上不同Harness下的得分从69.8%跨到74.2%65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069316API
curl https://kongchang.com/api/v1/knowledge/claims/1069316MCP
get_claim(id=1069316)