ARC Prize公布DeepSeek V4.1 Flash评测成绩

ARC Prize 公布了 DeepSeek-V4.1-Flash 在 ARC-AGI 榜单上的成绩：ARC-AGI-1 得分 94.5%、每任务成本 $0.07，ARC-AGI-2 得分 72.9%、每任务成本 $0.13。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%。完整结果与测试政策见 arcprize.org/results/deepseek-v4-1-flash，结果可通过 GitHub 仓库复现。 ARC Prize 还公布了推理档位对比：在 ARC-AGI-1 上 high 档得分 88.5%，低于 low 档的 90.5%，差异集中在 8 个任务上（high 在 5 个任务上低 4.5 分、3 个任务上高 2.5 分），且 high 多消耗 35% 输出 token。ARC Prize 称 API 问题导致 max 档有 13 个任务、high 档有 8 个任务未完成；在两者均完成的 106 个任务上，max 每任务实际贵 4.5%。 ARC Prize 表示，DeepSeek 的 ARC-AGI-3 评测操作上更为密集，测试完成后将在未来几周内分享结果，包括使用新的 DeepSeek provider adapter harness 得到的分数。

AI 根据报道生成 · 1 天前更新

1. 10月6日 23:20 · 1 篇报道
   ARC Prize宣布将分享DeepSeek的ARC-AGI-3评测结果
   ARC Prize：DeepSeek 将公布 ARC-AGI-3 评测结果
2. 10月6日 23:20 · 3 篇报道
   ARC Prize公布DeepSeek V4.1 Flash榜单成绩
   ARC Prize：DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 评测中的成绩公布