跳到正文
只看模型#DeepSeek
今天10月23日周五1 条
10月22日周四
10月21日周三
10月20日周二
  5. Arena.ai74

    Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 第一开源模型，总排名第 11，基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；Confirmed Success 提升 +11.5%，且无 Tool Hallucination 问题。

    引用Arena.ai@arena

    激动人心的消息：@deepseek_ai 的 DeepSeek-V4.1-Flash-20261017 (Max) 现已成为 Code Arena: WebDev 中排名第一的开源模型，以低 10 倍的成本超越 Kimi K3 (Max)！ 亮点： - 排名第一的开源模型，领先于 Kimi K3 (Max) - 以 1670 分位列总榜第 12，领先于 Claude Opus 5 (High)，与 GPT-6 Sol (Max) 相差约 10 分以内 - 以每百万输入/输出 token $0.3/$1.2 的价格推动帕累托前沿移动 - 相比上一版 DeepSeek-V4.1-Flash-20260910 提升 52 分 祝贺 @deepseek_ai 团队为开源生态又做出了一项强有力的贡献！

    推荐理由：Arena 用 7.5K 真实会话的数据说明该模型以约 27% 的成本拿下开源第一，读者可据此权衡 Agent 场景的性价比。

10月19日周一
  1. Arena.ai69

    Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一开源模型，超过 Kimi K3 (Max)，成本低约 10 倍。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

    推荐理由：Arena 榜单给出了具体排名、分数和价格点，读者可以据此评估 DeepSeek 新版模型在 WebDev 编码上的性价比位置。

10月18日周日
10月17日周六
  1. Nathan Lambert57

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，相比上一版基准更强、任务完成更快、输出更短，称是性能与成本的 Pareto 改进，已上线网站、App 和 API。Nathan Lambert 转发时吐槽命名方式（小版本号加日期标签），并称基准提升幅度大，内置视觉后可能强于 GLM 5.3，问开源权重之王是否回归。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

  2. meng shao68

    DeepSeek 发布增量更新版本 V4.1-Flash-1017，官方称基准表现更强、任务完成更快、输出更短，实现性能与成本的帕累托改进，已上线官网、App 和 API。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

  5. MarkTechPost77

    DeepSeek 发布 V4.1-Flash-1017，DeepSWE 得分 77.0 并开放 Search API

    DeepSeek 发布 V4.1-Flash-1017 检查点，已上线网站、App 和 API，官方称在全部 11 项基准上超过 9 月版 V4.1-Flash，提升 2.0 到 11.1 分，DeepSWE v1.1 达 77.0，但 Claude Opus 5 仍在 Terminal-Bench 4.0 和 HLE 等项目领先。

    同一件事，精选收录的是《DeepSeek-V4.1-Flash-1017 发布，多基准成绩提升且 API 价格不变》

  6. Orange AI68

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，基准成绩更强、任务完成更快、输出比上一版更短，官方称是性能与成本的 Pareto 改进，已上线网站、App 和 API。作者补充称其解决了此前过度思考的问题，同样任务约省一半 token。该模型针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等优化，建议升级 DeepSeek Harness v0.2.1-rc.1 或更高版本使用。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

  7. Tianyi Cui53

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，官方称相比上一版性能更强、任务完成更快、输出更短，已在官网、App 和 API 上线。引用内容称其性能与成本实现 Pareto 改进，并针对 DeepSeek Harness、Tencent CodeBuddy、WorkBuddy 等优化，建议升级 DeepSeek Harness v0.2.1-rc.1 或以上版本；对比图显示其在 HLE（无工具）42.6/44.0、Terminal-Bench 4.0 42.3、DeepSWE v1.1 77.0 等基准上的成绩。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

  8. 🚨 AI News | TestingCatalog73

    DeepSeek 发布开源权重模型 DeepSeek-V4.1-Flash-1017，在 DeepSWE 1.1 基准上取得 77% Pass@1，据称超过 GLM-5.3、Kimi K3、GPT-5.6 Sol 和 Opus 5。模型已上线 DeepSeek Chat、API 和 HuggingFace，官方称相比上一版性能更强、任务完成更快、输出更短，并在性能与成本上实现 Pareto 改进。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

  10. 公众号：DeepSeek72

    DeepSeek 发布 V4.1-Flash-1017：性能费用帕累托改进并开放自研搜索 API

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，网页端、APP 与 API 已同步更新，各基准测试相比上一版 V4.1 Flash 明显提升，同时缩短任务运行时间与输出长度，在多个 Harness 下达到新的性能-费用帕累托最优，建议升级到 DeepSeek Harness 0.2.1-rc.1 及以上。

    同一件事，精选收录的是《DeepSeek-V4.1-Flash-1017 发布，多基准成绩提升且 API 价格不变》

10月16日周五
10月14日周三
  3. ARC Prize62

    ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-2 为 72.9%、每任务 $0.13，ARC-AGI-1 为 94.5%、每任务 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 提高 5.5 分、ARC-AGI-2 提高 11.5 分，但每任务成本约高出 250%。

    引用ARC Prize@arcprize

    DeepSeek V4.1 Flash from @deepseek_ai on ARC-AGI (Verified): - ARC-AGI-2: 72.9%, $0.13/task - ARC-AGI-1: 94.5%, $0.07/task DeepSeek V4.1 Flash beats V4 Flash's best scores by 5.5 points on ARC-AGI-1 and 11.5 on ARC-AGI-2, but costs about 250% more per task.

10月13日周二
10月6日周二
  1. ARC Prize67

    ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 得分 72.9%，每任务成本 $0.13；ARC-AGI-1 得分 94.5%，每任务成本 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 高 5.5 分，ARC-AGI-2 高 11.5 分，但每任务成本高约 250%。

    推荐理由：ARC Prize 官方实测数据同时给出分数和每任务成本，读者可以据此比较 DeepSeek V4.1 Flash 与上一代的性价比取舍。

10月2日周五
  2. Ai2 / Allen Institute for AI62

    Ai2 开源 8B 科学报告生成模型 AstaBrief

    Ai2 开源 AstaBrief 8B，一个基于 Qwen3-8B、将研究问题和检索文献片段转化为带引用报告的科学报告生成模型，现已在 Asta 的 Generate a report 功能中作为 Fast mode 上线，并连同训练数据开放下载。

    推荐理由：原文给出训练数据构成、过滤方法与速度成本对比，读者可据此判断开源科学报告模型的具体做法是否可迁移。

10月1日周四
9月30日周三
9月22日周二