DeepSeek V4 Pro Preview

编程52.17 项

• ProgramBench照样重写程序·Vals AI0.0%折算分 至多 78.2+
• Terminal-Bench 4.0终端里干活·Artificial Analysis14.6%折算分 57.6+
• Vibe Code Bench v1.1做网页应用·Vals AI49.9%折算分 53.2+
• Terminal-Bench 4.0终端里干活·Vals AI11.1%折算分 52.3+
• SciCode科研计算代码·Artificial Analysis50.8%折算分 51.5+
• LiveBench Agentic Coding改真实仓库·LiveBench42.6%折算分 50.6+
• LiveBench Coding写代码·LiveBench70.0%折算分 50.2+

科研52.96 项

• CritPt研究级物理·Artificial Analysis12.9%折算分 58.9+
• LiveBench Reasoning逻辑与空间推理·LiveBench82.7%折算分 56.5+
• Humanity's Last Exam专家级难题·Artificial Analysis37.5%折算分 55.5+
• FrontierMath T1–3研究级数学·Epoch AI45.3%折算分 49.4+
• Mystery Game Puzzles游戏局面推理·Epoch AI17.0%折算分 47.8+
• Chess Puzzles下棋解题·Epoch AI19.0%折算分 43.2+

专业办公53.58 项

• AutomationBench-AA业务自动化·Artificial Analysis56.3%折算分 65.0+
• TaxAgentBench税务问答·Vals AI25.2%折算分 60.4+
• LiveBench Data Analysis数据处理·LiveBench74.5%折算分 60.3+
• Legal Research Bench法律检索·Vals AI23.1%折算分 50.3+
• GDPval-AA职业交付件·Artificial Analysis1,166.2折算分 50.1+
• MedCode医疗编码·Vals AI40.5%折算分 49.5+
• AA-Briefcase办公长任务·Artificial Analysis921.9折算分 45.9+
• AA-Analyst Agent数据分析·Artificial Analysis18.8%折算分 43.2+

知识问答50.67 项

• LiveBench Language语言理解·LiveBench78.1%折算分 57.8+
• SimpleQA Verified事实准确·Epoch AI47.0%折算分 56.6+
• LNYT Connections 扩展版词语归类·Lech Mazur67.3%折算分 52.7+
• LiveBench IF按要求作答·LiveBench62.4%折算分 52.1+
• AA-LCR长文理解·Artificial Analysis74.7%折算分 47.9+
• MLCR-AA医疗长记录·Artificial Analysis9.4%折算分 44.5+
• PBullshitBench v2识破错误前提·BullshitBench14.0%折算分 14.9+

真人盲选51.42 项

• Arena Text对话盲选·LMArena1,455折算分 52.7+
• Arena WebDev网页成品盲选·LMArena1,463.3折算分 48.9+

尚无成绩的评测

这些评测尚无可采用的公开成绩，缺测不补分。