DeepSeek-V4.1-Flash-20261017 (Max) 登顶 Agent Arena 开源模型第一

Arena.ai· @arena · X·2026-10-20 02:18· 1 小时前精选AI 评分74

AI 导读

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 第一开源模型，总排名第 11，基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；Confirmed Success 提升 +11.5%，且无 Tool Hallucination 问题。

推荐理由

Arena 用 7.5K 真实会话的数据说明该模型以约 27% 的成本拿下开源第一，读者可据此权衡 Agent 场景的性价比。

重大消息：由 @deepseek_ai 推出的 DeepSeek-V4.1-Flash-20261017 (Max) 现已成为 Agent Arena 中排名第一的开源模型！它刚刚以综合第 11 名的成绩上榜，在超过 7.5K 个真实场景会话中实现了 +5.1% 的净提升。

这一表现也重塑了 Agent Arena 的帕累托前沿！所有性能高于 V4.1-Flash 20261017 的模型均为专有模型，且成本高得多。在每任务中位成本为 $0.20 的情况下，这大约相当于 GPT-6.1 Sol 提升幅度的 ~37%，而成本约为其 27%。

按信号来看，本次发布实现了：
- 在 Confirmed Success 中排名第 8，提升 +11.5%（开源第 1）
- 在 Praise vs. Complaint 中排名第 11，提升 +5.9%（开源第 1）
- 在 Bash Reliability 中排名第 12，提升 +5.4%（开源第 1）
- 在 Steerability 中排名第 13，提升 +2.5%（开源第 1）
- 在 Tool Hallucination 方面没有问题

更多关于信号的信息，请见 Agent Arena 帖子串中的链接。

祝贺 @deepseek_ai 团队发布这一版本！

引用Arena.ai@arena

激动人心的消息：@deepseek_ai 的 DeepSeek-V4.1-Flash-20261017 (Max) 现已成为 Code Arena: WebDev 中排名第一的开源模型，以低 10 倍的成本超越 Kimi K3 (Max)！亮点： - 排名第一的开源模型，领先于 Kimi K3 (Max) - 以 1670 分位列总榜第 12，领先于 Claude Opus 5 (High)，与 GPT-6 Sol (Max) 相差约 10 分以内 - 以每百万输入/输出 token $0.3/$1.2 的价格推动帕累托前沿移动 - 相比上一版 DeepSeek-V4.1-Flash-20260910 提升 52 分祝贺 @deepseek_ai 团队为开源生态又做出了一项强有力的贡献！

原文

Exciting news: DeepSeek-V4.1-Flash-20261017 (Max) by @deepseek_ai is now the #1 open model in Code Arena: WebDev, surpassing Kimi K3 (Max) at 10x lower cost! Highlights: - #1 open model, ahead of Kimi K3 (Max) - #12 overall with 1670 pts, ahead of Claude Opus 5 (High) and within ~10 pts of GPT-6 Sol (Max) - Shifts the Pareto frontier at $0.3/$1.2 per million input/output tokens - +52 pts vs. the previous DeepSeek-V4.1-Flash-20260910 Congrats to the @deepseek_ai team on another strong contribution to the open source ecosystem!

在 X 查看被引用的帖子

来源：Arena.ai · x.com