DeepSeek-V4.1-Flash 登顶 Agent Arena 开源模型第一

Arena官方排行榜于2026年10月19日将DeepSeek-V4.1-Flash-20261017（Max）列为Agent Arena开源模型首位、总榜第11位，关注价值在于其成绩来自真实代理会话，而非单一离线测试。

• 榜单显示该模型基于7,498次会话，净提升为5.13%±2.22%，Confirmed Success为11.54%±4.27%。
• 其中位任务成本为0.18美元，低于榜中GPT-6.1 Sol（0.75美元）；成本比较受任务分布、模型配置和平台计价方式影响。
• Tool Hallucination指标为0.48%±0.13%，因此不能表述为“无工具幻觉”；该指标仍存在统计区间。
• DeepSeek官方发布（2026年9月10日）将V4.1 Flash定位为开源模型，并说明其采用552B参数MoE结构、支持API调用；但官方发布针对的是基础版本，不能单独证明1017版本的全部性能变化。
• 影响/看点：如果后续会话规模、任务构成和评测口径保持稳定，该结果可能提高开源模型在代理任务中的采用意愿；但排名仍属于特定平台的动态统计，不能直接等同于通用能力或所有部署场景的成本优势。
• 资料依据:
• Arena Agent Arena Leaderboard（2026-10-19）：https://arena.ai/leaderboard/agent
• DeepSeek官方发布《DeepSeek V4.1 Flash：更强、更快、更普惠》（2026-09-10）：https://deepseek.com/news/deepseek-v4-1-flash/

本内容由 AI 生成，仅供参考，请注意甄别