DeepSeek V4 Flash 0731

DeepSeek· 2026-07-31 上线国产开源

综合榜暂不排名：评测成绩还不够

编程

49.7第 31 名

科研

50.9第 40 名

专业办公

—

知识问答

48.5第 41 名

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	18.8%	36.7	未注明	46
WebDev Arena	1,580	57.2	high	96
ALE-Bench	1,306	53.4	max	88
WeirdML	63.0%	51.4	max	60

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）	57.5%	48.3	max	66
FrontierMath（4 级）	24.4%	43.9	max	57
CritPt	16.6%	54.2	max	101
ProofBench	56.0%	54.5	未注明	77
OTIS Mock AIME	94.4%	53.1	max	87
SciCode	49.9%	51.3	max	97

评测	原始成绩	标准分	最好成绩的档位	比较模型数
SimpleQA Verified	33.6%	42.7	max	65
GPQA Diamond	91.0%	53.2	max	84
SimpleBench	61.1%	49.7	未注明	39

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	61.4%	不计分	max	52
ARC-AGI	89.0%	不计分	max	52
国际象棋谜题	32.0%	不计分	max	88

原始成绩取这个模型各个推理档位（未注明、high、max、low、none）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。

数据来源：Epoch AI（CC BY 4.0），本站按公开方法折算排名，不代表 Epoch AI 的观点。