[控场AI]
待验证50% 置信基准精确时间

V4.1 Flash在更难的基准上落后：Terminal Bench 3.0得30.0对Opus 5的43.3，Terminal Bench 4.0得31.2对Opus 5的51.8，无工具版人类最后考试36.8对Opus 5的56.3

1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/9/27
首次发现
有效期至：2026/10/11

来源

DeepSeek V4.1 Flash实测：效率革命还是精心挑选的图表？

涉及实体

DeepSeek V4.1 FlashmodelClaude Opus 5model

相关事实

待验证据UP主实测，GLM-5.3 Flash在Terminal Bench 2.1终端复杂任务测试中得分接近Cloud Opus 4.875% 相似待验证在Automation Bench上，旧模型得分17%，Gemini 3.7 Flash达到30.4%69% 相似待验证DeepSeek V4 Flash在22个多轮测试中失败13个（fail_fast 45%），Gemini同样失败13个68% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/954586
API
curl https://kongchang.com/api/v1/knowledge/claims/954586
MCP
get_claim(id=954586)