待验证50% 置信基准精确时间
在新版24点问题（数字2、7、8、10，要求三个不同解法）测试中，DeepSeek V4.1 Flash 三个解法全部出错，均违反每个数字只能使用一次的约束
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/11
首次发现
有效期至：2026/12/10
来源
涉及实体
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64% 相似待验证盘古2.0 Flash在可验证指令遵循测试中得分95.9，位列全场第一63% 相似待验证盘古2.0 Flash在AIME类数学测试中得分93.3，在HMMT测试中得分91.5，数学能力处于第一梯队62% 相似待验证在Agent's Last Exam、ZeroBench、DeepSWE三项测试中，V4-Flash-Vision-Exp成绩反超Opus 4.862% 相似待验证在UP主bwd6评测过的所有本地模型中，千问3.8 Flash Next排名第二，以一分之差惜败给使用BF16无量化版本的同门27B模型60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/908720API
curl https://kongchang.com/api/v1/knowledge/claims/908720MCP
get_claim(id=908720)