待验证50% 置信基准精确时间

在Agent's Last Exam、ZeroBench、DeepSWE三项测试中，V4-Flash-Vision-Exp成绩反超Opus 4.8

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/9/3

首次发现

有效期至：2026/9/17

来源

DeepSeek V4首个多模态模型开源：305B权重MIT协议全放开

涉及实体

DeepSeek V4-Flash-Vision-Expmodel Opus 4.8model Agent's Last Examconcept ZeroBenchconcept DeepSWEconcept

相关事实

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% 相似待验证DeepSeek V4 Pro在Humanity's Last Exam基准测试中得分37.762% 相似待验证在HLE科学类基准上，Agent A1 据实测数据超过了Qwen 3.6和Step 3.5 Flash62% 相似待验证Opus 5在AI Omniscience测试拿了31分，避免瞎编的能力优于Opus 4.862% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/849885

API

curl https://kongchang.com/api/v1/knowledge/claims/849885

MCP

get_claim(id=849885)