🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 财经 科技 采集 2026-10-20T10:14:50+00:00

DeepSeek V4.1 Flash登顶Agent Arena开源榜

原始标题:国产最强 DeepSeek V4.1 Flash-1017 登顶 Agent Arena 开源榜,总榜第 11

来源
ithome
发布时间
2026-10-20T07:57:37
采集批次
2026-10-20-10
字数
577
URL 指纹
8c71b93e813809ba

📌 AI 总结(188 字)

深度求索最新发布的DeepSeek-V4.1-Flash-1017登上Agent Arena及Code Arena:WebDev开源模型榜首,并在总榜排名第11。该模型基于7498次真实会话取得5.13%的综合净改善,单任务成本中位数约0.18美元;其任务成功率、用户反馈、Bash命令执行可靠性和可引导性均居开源模型首位,工具幻觉率仅0.48%,还进入性能与成本帕累托前沿。
📄 正文(577 字)
AI竞技场Arena宣布,深度求索最新发布的DeepSeek-V4.1-Flash-1017登顶Agent Arena和Code Arena:WebDev开源模型榜单,总榜排名第11。

根据榜单数据,DeepSeek-V4.1-Flash-20261017(Max)位列开源模型第一、总榜第11。该模型基于7498次真实使用会话,取得5.13%的综合净改善指标,单任务成本中位数约为0.18美元。

在具体指标方面,该模型的任务成功确认、用户正负反馈、Bash命令执行可靠性以及可引导性均位列开源模型第一。其中,任务成功确认指标为11.54%,总榜排名第8;用户正负反馈指标为5.89%,总榜排名第11;Bash命令执行可靠性指标为5.42%,总榜排名第12;可引导性指标为2.46%,总榜排名第13。

Arena榜单显示,该模型的工具幻觉指标为0.48%,总榜排名第7。工具幻觉用于衡量模型虚构自身并不具备的工具的情况,数值越低代表此类问题越少。

成本方面,DeepSeek-V4.1-Flash-20261017(Max)的单任务成本中位数约为0.18至0.19美元,不同榜单页面的数据略有差异。Arena还将该模型列入性能与任务成本的帕累托前沿,意味着按照此次评测采用的指标,该模型属于无法在性能和成本两方面同时被其他入选模型超越的模型之一。