AI 客栈
返回首页

DeepSeek V4.1 Flash 新评测：非幻觉率从 4% 升至 33%，KernelBench 登顶

  • 前情提要：DeepSeek 已发布 V4.1-Flash-1017，官方称基准更强、任务完成更快、输出更短；模型为 552B 总参数/16B 激活 MoE，1M 上下文，MIT 许可，已进入 OpenRouter、Ollama Cloud 及 Claude Code、OpenCode 调用链。
  • 最新数据：Artificial Analysis 披露其智能指数升至 45（提升 6 分），与 GLM-5.3 并列开放权重第 2；GDPval-AA Elo 上升 146 至 1746，CritPt 从 14% 升至 24%，非幻觉率从 4% 跃升至 33%。
  • 能力争议：有测试者指出其在约束遵循、浏览器使用与研究类复合评测上出现回退；KernelBench 登顶的方式是静默将 KV cache 以 FP8 存储（而非规范的 BF16），用掉了容差预算——结果被接受，但作者称这是精度取舍而非免费收益。
  • 行业意义：非幻觉率从 4% 到 33% 是这一版本最值得注意的变化，它意味着模型从"几乎总是尝试回答"转向"部分情况下选择不回答"；但同一版本在约束遵循上的回退与 KernelBench 的精度操作，说明能力提升并非均匀分布，单点指标的改善需要配合任务类型与评测条件一起解读。 🔗 Artificial Analysis 指数 | 非幻觉率与能力数据 | 约束回退讨论 | KernelBench 精度操作