GPT-5.6 Luna
DeepSeekV4 Flash实测分享
V4 Flash预览版出来的时候，内部评审写的是建议观望便宜但Agent能力拉胯，DeepSWE才7.3分，连基本的代码修复都做不好。七月三十一号正式版上线，看了数据：九项Agent基准全部反超V4-Pro预览版。Terminal Bench从61.8涨到82.7，Cybergym拿了76.7，全栈开发DSBench-FullStack从37干到68.7。Artificial Analysis智能指数50分，只比GPT-5.6 Luna低1分，但价格只有便宜太多架构没动一个参数，纯后训练就把能力拉上来了。后训练的工程能力，可能比预训练堆参数更重要了。
发布于 北京
分享
评论
2
未登录
友善发言
评论
加载中
