基准
Automation-Bench
侧重浏览器与桌面自动化能力的评测基准
时间轴 (近 90 天)
10月19日
在 ProgramBench、NL2Repo-Bench、Automation-Bench、Agents' Last Exam 四个基准上，V4.1 Flash 1017 得分分别为 29.1、68.2、60.5、35.4，均高于 V4 Pro 0813 的 15.5、61.5、43.2、25.7
待验证50%
10月18日
官方自报数据显示，V4.1-Flash-1017 相比 V4.1-Flash 在 Terminal-Bench 4.0 上从 31.2 提升至 42.3（+11.1），HLE 从 36.8 提升至 42.6（+5.8），DeepSWE v1.1 从 74.2 提升至 77.0（+2.8），Automation-Bench 从 54.8 提升至 60.5（+5.7）。
待验证50%
全部知识事实 (2)
待验证
在 ProgramBench、NL2Repo-Bench、Automation-Bench、Agents' Last Exam 四个基准上，V4.1 Flash 1017 得分分别为 29.1、68.2、60.5、35.4，均高于 V4 Pro 0813 的 15.5、61.5、43.2、25.7
50%待验证官方自报数据显示，V4.1-Flash-1017 相比 V4.1-Flash 在 Terminal-Bench 4.0 上从 31.2 提升至 42.3（+11.1），HLE 从 36.8 提升至 42.6（+5.8），DeepSWE v1.1 从 74.2 提升至 77.0（+2.8），Automation-Bench 从 54.8 提升至 60.5（+5.7）。
50%