Yuchen Jin 称 DeepSeek-V4.1-Flash-1017 以 1/83 成本达到 Opus 5 级编码表现
Yuchen Jin 表示，DeepSeek-V4.1-Flash-1017 在 DeepSWE v1.1 上得分 77，以低 83 倍的成本达到 Opus 5 级性能。他称该模型将上线 Databricks，并认为开源模型追不上闭源的说法没撑过一周。
#评测/基准
RadarAIAI 评分6060 RadarAIAI 评分3232 DeepSeek-V4.1-Flash-1017 在能力与速度上超越 GPT 5.6 Sol
DeepSeek-V4.1-Flash-1017 在能力和速度两方面均优于 OpenAI 的 GPT 5.6 Sol。这一对比显示 OpenAI 当前模型在市场上不再是无争议的领导者。
RadarAIAI 评分4040 FLUX 3 Image Klein 实测：速度快但审美失衡，中文支持不稳定
NVIDIA 的 FLUX 3 Image Klein 蒸馏模型在 RTX 5080 上每张图仅需 8 秒，但图像质量明显退化，人像缺乏自然度。该模型是 FLUX 3 5.6B 的 4 位蒸馏版本，中文提示理解能力不稳定，整体表现显著低于同级别对手 Qwen Image 2.1。
RadarAIAI 评分5252 Arena Alignment Index 更新：Meta Muse Wonder、Reflection Beam 1.0 和 StepFun Step 5 Preview 入榜
Arena 更新 Arena Alignment Index 榜单，新增两个实验室和三个模型：Meta 的 Muse Wonder 以 77.5% 排第 6，Reflection 的 Beam-1.0-501B-A23B 以 75.3% 排第 7，StepFun 的 Step 5 Preview 以 75.1% 排第 8。
RadarAIAI 评分3030 实测 DeepSeek-V4.1-Flash-1017 动效能力接近 Claude 水准
花叔实测 DeepSeek-V4.1-Flash-1017 在动效设计任务上表现出色，水准仅次于 Claude，GPT-6 暂未达到同等效果。结合自研动效 skill 可进一步实现优质效果。
RadarAIAI 评分2222 DeepSeek V4.1 Flash 测试结果展示
作者分享了用 DeepSeek V4.1 Flash 1017 运行此前为 Opus 5.5 编写的游戏特效提示词的实际效果，并附上结果链接。
RadarAIAI 评分2222 DeepSeek V4.1 Flash 1017 游戏特效生成效果测试链接
作者分享了 DeepSeek V4.1 Flash 1017 在游戏特效任务中的实际输出结果，通过链接展示其使用特定提示词生成游戏特效的表现。
RadarAIAI 评分5252 Arena 对齐指数更新：Meta、Reflection、StepFun 三款新模型上榜
Arena Alignment Index 更新新增两家实验室和三款模型，Meta 新旗舰 Muse Wonder（Max）以 77.5% 位列第 6，Reflection 的 Beam-1.0-501B-A23B 以 75.3% 排第 7，StepFun 的 Step 5 Preview 以 75.1% 排第 8。
量子位AI 评分5858 智谱推出法律专用开源模型 GLM-Legal
智谱发布法律专用开源模型 GLM-Legal，在 Vals AI 法律测评中以 19.2% 任务全通过率和 86.23% 准确率位列 Harvey LAB 与 LegalBench 开放权重模型榜首。该模型在 GLM-5.3-Flash 底座上做法律语料中期训练，再经数万法律任务环境强化学习，可处理合同审查、证据梳理和跨境合规。智谱已开放 Beta 申请，并计划将相关能力接入 AutoClaw。
RadarAIAI 评分6060 DeepSeek V4.1 Flash 1017 代码修复能力评测
Bug Hunt 实测显示，DeepSeek V4.1 Flash 1017 的代码 Debug 得分从 21.7 升至 38.7，大幅领先 Grok 和 Qwen，逼近 Gemini 4 和 Opus 5.5，且权重已开源。评测基于模拟真实工程场景的 Bug 修复任务。
RadarAIAI 评分6060 DeepSeek V4.1-Flash-1017 性能对比：专项超越 GPT-5.6-Sol，综合仍逊于 Claude Opus 5
DeepSeek V4.1-Flash-1017 在编程、终端操作和 Agent 任务专项基准中超越 GPT-5.6-Sol，但综合推理和高难度编程任务仍逊于 Claude Opus 5。相比上一版本，该模型在编程、终端操作、Agent 执行和复杂任务场景中均有明显提升。
RadarAIAI 评分6060 面壁 MiniCPM-V 4.7 登上 Hugging Face 热门榜第 3
面壁智能 OpenBMB 宣布 MiniCPM-V 4.7 登上 Hugging Face 热门榜第 3。该 35B-A3B MoE 模型可在 iOS 和 Android 上以约 3GB 内存流畅运行，1B 模型在 OCR、数学和视频理解方面表现较强。GitHub 与 Hugging Face 链接已开放。
RadarAIAI 评分7575 DeepSeek 发布 V4.1 Flash 1017 版本并开放搜索 API
DeepSeek 推出 V4.1 Flash 1017 版本，在基准测试中表现突出，SWE V1.1 测试优于其他模型。该版本侧重效率，缩短任务处理时间和输出长度以降低运行成本，同时开放自研搜索 API 以增强 Harness 功能。
RadarAI同新闻AI 评分7878 DeepSeek 发布 V4.1-Flash-1017 检查点，DeepSWE 得分 77.0 并开放 Search API
DeepSeek 发布 DeepSeek-V4.1-Flash-1017 检查点，已上线网站、App 和 API，官方称在全部 11 项基准上超过 9 月版 V4.1-Flash，提升 2.0 到 11.1 分，DeepSWE v1.1 达 77.0。
RadarAIAI 评分6767 DeepSeek 发布 DeepSeek-V4.1-Flash-1017，官网、App 和 API 已上线
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，官方称相比上一版性能更强、任务完成更快、输出更短，已在官网、App 和 API 上线。
RadarAI精选AI 评分8080 DeepSeek 发布开源权重模型 DeepSeek-V4.1-Flash-1017
DeepSeek 发布开源权重模型 DeepSeek-V4.1-Flash-1017，在 DeepSWE 1.1 基准上取得 77% Pass@1，据称超过 GLM-5.3、Kimi K3、GPT-5.6 Sol 和 Opus 5。模型已上线 DeepSeek Chat、API 和 HuggingFace，官方称相比上一版性能更强、任务完成更快、输出更短，并在性能与成本上实现 Pareto 改进。
推荐理由：DeepSeek 新开源权重模型在编码基准上的成绩与极低成本，为评估开源模型能否替代闭源方案提供了参照。
RadarAIAI 评分7171 Meta 发布 Muse Spark Open，Code Arena: WebDev 以 1511 分居美国开源模型第一
Arena 公布 Meta 发布的 Muse Spark Open (Max) 在 Code Arena: WebDev 以 1511 分位居美国开源模型第一、开源模型总榜第 13。
RadarAIAI 评分4040 Arena 周报：Gemini 4 Argon 与小米 MiMo 上榜
Google DeepMind 的 Gemini 4 Argon (High) 进入 Agent Arena 第 5 名，净提升 +13.2%；小米 MiMo V2.6 Pro 以 +3.9% 净提升成为 Agent Arena 开源模型第一（总榜第 13）。
RadarAIAI 评分5858 Reflection AI 的 Beam-1.0-501B-A23B 进入 Agent Arena，位列开源模型第 12
Arena 宣布 Reflection AI 的 Beam-1.0-501B-A23B 登上 Agent Arena 榜单，Reflection AI 由此进入 Agent Arena 前 15 实验室。
RadarAIAI 评分2828 MAI 登顶 OpenRouter 转录模型榜
Mustafa Suleyman 表示，MAI 已成为 OpenRouter 上在所有语言和使用场景中最准确、最受欢迎的转录模型，并邀请开发者将其用于智能体。
TechCrunch · AIAI 评分5656 Elorian 发布首个模型 Glimpse，以视觉草稿空间做图像推理
Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面仅限候补名单。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码来测量和比较所看内容，Elorian 称这一机制为视觉草稿空间。
The DecoderAI 评分7171 Google Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，但测试方法影响结果
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5% 得分，成本 4800 美元，成为继 OpenAI 之后第二家跨过 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。
RadarAIAI 评分3838 Arena 解读 Reflection AI Beam-1.0-501B-A23B 位列 Agent Arena 开源模型第 12 名
Reflection AI 的 Beam-1.0-501B-A23B 以 -3.67% Net Improvement 位列 Agent Arena 开源模型第 12 名，成为榜上排名最高的美国开源模型，超过 Hy3、MiMo V2.5 Pro 和 MiniMax M3。
RadarAIAI 评分6262 Reflection 首个模型 Beam 在 Artificial Analysis 智能指数得 30 分，居美国开源权重模型第二
Artificial Analysis 评测 Reflection 首个开源权重模型 Beam，在 Artificial Analysis Intelligence Index 得 30 分，居美国开源权重模型第二，仅次于 Meta 的 Muse Spark Open（39），高于前一日发布的 NVIDIA Nemotron 3.5 Super VL（26）。
RadarAIAI 评分7171 Google Gemini 4 Argon 在 ARC-AGI-3 达 97.5%，数学与软件工程仍落后前列
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 取得 97.5%，成本 4800 美元，成为继 OpenAI 之后第二家越过 95% 的实验室，但仍低于 GPT-6 Astra 的 99.9%。
RadarAIAI 评分6262 Liquid AI 发布决策模型 d1-ultra，以 65 分登顶 Artificial Analysis Decision Index v1.0
Liquid AI 发布决策模型 d1-ultra，在 Artificial Analysis Decision Index v1.0 上以 65 分排名第一，领先 Jev 1.14 的 57 分以及 GLiDE 和 Microsoft-Decision-1 的 54 分。
RadarAIAI 评分2222 Mistral Large 4 在 Ulam 私有基准 STEMBench 工程与天文学项目得分亮眼
Mistral Large 4 在 Ulam 私有基准 STEMBench 的工程和天文学项目中得分不错。该结果由 Mistral AI 在 X 上公布，原文未披露具体分数。
量子位AI 评分4545 霸榜三大基准！优必选 Thinker-WM：多模态统一表征，单模型实现六大能力
优必选 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena1.0 Track-1 三大具身世界模型基准评测中全部拿下第一，WorldOlympiad 综合得分 0.740，EWMBench 总分 4.66，超过 Qwen-RobotWorld、Sora2 等模型。
RadarAIAI 评分6262 MiMo V2.6 Pro 登顶 Agent Arena 开源模型榜，Pro 与 Flash 同列性能成本 Pareto 前沿
小米 MiMo 宣布 MiMo V2.6 Pro 在 Agent Arena 开源模型榜单排名第一，净提升 +3.8%。
RadarAIAI 评分6262 Artificial Analysis 发布 NVIDIA Vera Rubin NVL72 在 AA-AgentPerf 上的首批评测结果
Artificial Analysis 在 agentic 推理基准 AA-AgentPerf 上发布 NVIDIA Vera Rubin NVL72 的首批结果，其每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍。
RadarAIAI 评分7474 可灵 Kling 4.0 上线，作者实测 30 秒一镜到底与全能参考
可灵 AI 凌晨正式上线视频模型 Kling 4.0，作者烧数万积分实测后认为其在大范围动态、复杂动作衔接和全能参考可控性上有扎实进步。该版本支持最长 30 秒一镜到底直出，视频首尾帧改为最多 10 帧的多帧参考；1080P 30 秒约 450 积分，720P 20 秒的 Kling 4.0 Flash 仅 120 积分。
RadarAI同新闻AI 评分7878 可灵 Kling 4.0 上线：支持30秒一镜到底，作者实测动态与全能参考
可灵 AI 凌晨上线视频模型 Kling 4.0，支持最长 30 秒直出和最多 10 帧的多帧参考，并强化全能参考与大范围动态表现。作者烧数万积分实测城市追逐、电梯打斗、花样滑冰等场景，认为纸箱形变等细节体现物理规律理解的提升。
RadarAI同新闻AI 评分8282 Meta 发布 816B 开源权重模型 Muse Spark Open，Artificial Analysis 智能指数得 39 分
Meta 发布开放权重模型 Muse Spark Open，总参数 816B、激活 42B（MoE），在 Artificial Analysis Intelligence Index 上得分 39，成为美国排名第一的开放权重模型。
RadarAIAI 评分2222 Jev 1.13 内部测试准确率最高、成本最低
在为此任务生成的内部测试集上，Jev 1.13 相比其他 Decisions 模型以及 Claude Code 使用 Sonnet 5 的情况，准确率最高、成本最低。该结论由 OpenRouter 在 X 上公布。
RadarAIAI 评分5858 Arena：小米 MiMo V2.6 Pro 登顶 Agent Arena 开源模型第一
Arena 公布 Agent Arena 开源模型新排名，小米 MiMo V2.6 Pro 以 +3.8% 净提升位列第一。前五名依次为 Deepseek V4.1 Flash（Max）+3.0%、Hy4 preview +2.9%、MiMo V2.6 Flash +2.5%、GLM 5.2（Max）+2.4%。
The DecoderAI 评分7272 Google 发布 Gemini 4 Argon，用单一模型覆盖机器人仿真、控制与评估
Google 发布面向机器人任务的 Gemini 4 Argon，主打用同一个模型完成机器人控制、虚拟练习世界构建和训练视频评估，并称其更擅长理解空间关系、编写控制代码和从物理角度解读视频。
RadarAIAI 评分4747 ElevenLabs 盲测：Eleven v4 在八语种中表现更富表现力
ElevenLabs 将最新语音模型 Eleven v4 与其他模型在八种语言中进行盲测，听众在每项测试中都认为 Eleven v4 更具表现力。
RadarAIAI 评分7171 Nvidia 发布 Nemotron 3.5 Super VL 与 Bolt 74B-A9B，登顶美国开源权重模型
Artificial Analysis 评测显示，Nvidia 的 Nemotron 3.5 Super VL 在 Artificial Analysis Intelligence Index 得分 26，成为领先的美国开源权重模型，智能是上代 Nemotron 3 Super（13）的两倍，且每任务输出 token 减少约 60%。
RadarAIAI 评分7171 ARC Prize 公布 Gemini 4 Argon 评测成绩：ARC-AGI-3 得分 97.5%
ARC Prize 公布 Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI (Verified) 上的评测成绩。
RadarAIAI 评分7474 Google Argon 在 ARC-AGI-3 得分 97.5%，仅次于 GPT-6 Astra 的 99.9%
ARC Prize 称 Google Argon 在 ARC-AGI-3 上得分 97.5%，仅次于 GPT-6 Astra 的 99.9%。与 Astra 一样，Argon 在 25 个 ARC-AGI-3 公开游戏中的操作次数比人类基线少 62%。它在 3 个游戏上追平或打破速通纪录，另有 6 个游戏差距在 10% 以内。