DeepSeek V4.1 Flash
DeepSeek· 2026-09-09 上线国产开源
综合第 30 名
50.9
编程
54.8
科研
52.1第 37 名
专业办公
42.3
知识问答
50.1第 37 名
- 评测覆盖
- 12 / 25 项 · 48%
- 缓存输入
- ¥0.04
- 输入
- ¥2.00
- 输出
- ¥8.00
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierCode | 43.9% | 55.2 | high | 46 |
| WebDev Arena | 1,614 | 59.5 | max | 96 |
| ALE-Bench | 1,092 | 49.6 | max | 88 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 67.4% | 52.9 | max | 66 |
| FrontierMath（4 级） | 26.8% | 44.8 | max | 57 |
| CritPt | 14.3% | 52.0 | max | 101 |
| ProofBench | 54.0% | 53.9 | 未注明 | 77 |
| OTIS Mock AIME | 98.3% | 55.5 | max | 87 |
| SciCode | 51.9% | 53.5 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 39.5% | 42.3 | 未注明 | 49 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 42.9% | 48.1 | max | 65 |
| GPQA Diamond | 89.8% | 52.2 | max | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 72.9% | 不计分 | max | 52 |
| ARC-AGI | 94.5% | 不计分 | max | 52 |
| 国际象棋谜题 | 48.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（high、max、none、未注明、low）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。