待验证50% 置信基准精确时间

在Terminal Bench 3.0上Opus 5以43.3领先V4.1的30.0，在Humanity's Last Exam上Opus 5为56.3而V4.1只有36.8

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

DeepSeek V4.1 Flash深度解析：低价屠榜背后的架构革命

涉及实体

V4.1 Flashmodel Opus 5model Terminal Bench 3.0concept Humanity's Last Examconcept

相关事实

待验证DeepSeek V4 Pro在Humanity's Last Exam基准测试中得分37.765% 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 4.865% 相似待验证Fable 5在规划阶段生成的计划长度是Opus 4.8版本的两倍以上，但在结构性和可读性上被测试者认为不如Opus 4.8的版本63% 相似待验证4-bit的LLaMA 3.1 8B在HumanEval编程测试上从67.3掉到67.163% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/941029

API

curl https://kongchang.com/api/v1/knowledge/claims/941029

MCP

get_claim(id=941029)