待验证50% 置信基准精确时间
据官方口径，V4.1 Flash在Terminal Bench 2.1、DeepSWE 1.1、CyberGym、HLE、Automation Bench、Agent's Last Exam等多个基准测试上成绩超过GPT-5.6 SOAR和Opus 5
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/26
首次发现
有效期至：2026/12/25
来源
涉及实体
相关事实
待验证V4.1-Flash在与GPT-5.6级别模型对比时分数高出1分72% 相似待验证B站UP主曹涛叔叔用真实设计项目测试了GPT-6（Astra）、DeepSeek V4.1 Flash、GLM 3.8 Flash以及GLM 5.3等多款大模型的建模与排版能力72% 相似待验证OpenDesign基准测试显示V4.1 Flash在日常设计任务中仅以1.4%的成本达到了GPT-6 Astra 98%的得分72% 相似待验证即使在Hide推理程度下，DeepSeek V4.1 Flash单个任务完成时间普遍超过GPT系列和Grok系列模型71% 相似待验证GPT-6 Astra倾向于在第一次就生成更好、更可用的版本，首次成功率高、速度快；DeepSeek V4.1 Flash通过不断自我检查和迭代改进来提升质量但耗时长70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/951263API
curl https://kongchang.com/api/v1/knowledge/claims/951263MCP
get_claim(id=951263)