DeepSeek V4.1 Flash

综合智力全球第 29，便宜、会看图

聪明世界#29

编程顶尖自报

记性1M

便宜$1.1

记性换算成体感：一次能读完《哈利·波特》全七部

DeepSeek V 系列的视觉模型 · 按发布时间

电脑

没有公开的编程评测成绩

书架

5 层 · 记忆 1M tokens

黑板

一块空黑板

日历

知识停在 2025-05

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

DeepSWE74.2%
SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
Terminal-Bench90.6%
把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
NL2Repo64.0%
从一段自然语言需求直接生成一整个可运行的代码仓库。厂商自报
https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
ALE-Bench1092
AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
https://epoch.ai/benchmarks
WebDev Arena1614 Elo
让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合

综合智力155.0第 29 / 210
Epoch Capabilities Index，把十几项学术评测归并成一个总分。想知道「谁最强」，先看这一栏。第三方实测
https://epoch.ai/benchmarks

数学

ProofBench54.0%第 22 / 84
不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测
https://www.vals.ai/benchmarks/proof_bench

知识与推理

智能体

Surface Evolver46.3%第 17 / 32
用一款专业的曲面数值软件完成计算任务，考的是驾驭陌生专业工具的能力。第三方实测
https://yhenon.github.io/surface-evolver-llm-eval/

其他

Dtbench89.9%第 51 / 206
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/dtbench
Lmca47.0%第 27 / 191
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/lmca
Weirdml V36.0%第 11 / 12
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://htihle.github.io/weirdml.html

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。