待验证50% 置信基准精确时间

同一模型在不同harness下运行Terminal Bench，分数从69.8%跨越到74.2%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/17

首次发现

有效期至：2026/12/16

来源

DeepSeek V4.1 Flash实测：视觉推理与极致效率的开源黑马

涉及实体

DeepSeek V4.1 Flashmodel Terminal Benchproduct Harnessconcept

相关事实

待验证在Terminal Bench 2.1基准测试上，Ultra模式接近92%，超越竞品的88%表现73% 相似待验证在提及级别，模型整体精确率为74.1%，召回率为70.5%67% 相似待验证73.4% 的基准分意味着仍有约四分之一的任务表现不达标，且该分数是在最大算力下取得63% 相似待验证在该压缩比下，模型保留了74.2%的top-1%准确率62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928964

API

curl https://kongchang.com/api/v1/knowledge/claims/928964

MCP

get_claim(id=928964)