通用大模型榜：模型观察员任务
就在刚刚，DeepSeek 官网 API 文档新增“DeepSeek-V4-Pro-0813”。按图中 11 个可直接比较的成绩算，DeepSeek 5 胜、1 平、5 负。DeepSeek 赢下的几项很对程序员胃口。Terminal Bench 2.1 拿到 87.9，Opus 是 85.0。CyberGym 的差距更明显，83.3 对 78.3。DeepSWE 也以 62.7 压过 58.0。到了 AutomationBench，31.8 又高出 4.6 分。HLE 更有意思。不开工具时，DeepSeek 落后 7.1 分。一开工具，比分变成 60.0 对 57.9，直接反超。
发布于 河南
1
2
3
未登录
友善发言
评论
加载中
