待验证50% 置信基准精确时间
在DeepSeek官方对比中，使用相同检查点并以最大努力运行时，其最小框架得分72.6，而开源代码得分65.5
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/7
首次发现
有效期至：2027/1/5
来源
涉及实体
相关事实
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6678% 相似已验证在 DeepSWE 基准上，GPT-5.6 各推理档位得分分别为 Low 45 分、Medium 61 分、High 69 分、X-High 71 分、Max 73 分68% 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%67% 相似待验证同一模型在DeepCWE上因智能体框架不同得分从65.5到74.2不等，官方harness用的是区间上限，Claude Code的harness下只有69.866% 相似待验证Caveman给出的固定54次运行基准测试结果显示输入Token减少33.2%，且18/18项正确性检查全部通过65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/984756API
curl https://kongchang.com/api/v1/knowledge/claims/984756MCP
get_claim(id=984756)