DeepSeek V4.1 Flash 1017：许愿式编程一键成真 | 大模型讨论专楼

qz66618 · 发表于 2026-11-4 23:47

国模在数学和科研领域确实是差距较大，一方面是算力，一方面是数据原因

—— 来自鹅球 v3.5.99

lactone · 发表于 2026-11-4 23:47

本帖最后由 lactone 于 2026-11-4 23:48 编辑

很久就在那边l 发表于 2026-11-4 23:41
混元竟然把一些一些和OA差距很大的内部测试集结果也发出来了

基本上这几个bench实际上就是参数量和对齐的劣势导致的了

oa两家雇了一大堆科学家数学家搞sft，国模这边还是走和大学合作的方向，就达摩院还有点成果。之前字节搞了个stem计划，我给发了个申请，现在还没人回复

—— 来自 vivo V2505A, Android 17, 鹅球 v3.5.99

profr · 发表于 2026-11-4 23:58

虽然大家都背题，但k3.1被人抓出来还是很

R40 Research 的 Joachim Schaeffer 与 Tilman Räuker 于11月3日发布研究报告，发现月之暗面 Kimi K3.1 Pro 在 Terminal-Bench 4.0 基准测试中，能够提前说出任务描述中从未提供的隐藏评分规则，并将其当作必须遵守的指令。研究团队复现了 K3.1 在 Terminal-Bench 4.0 和 Humanity's Last Exam（HLE）上的成绩，通过分析推理轨迹、直接询问隐藏要求以及修改测试任务，调查其高分表现是否受到基准测试记忆的影响。

在 Terminal-Bench 4.0 的63道任务、189次运行中，K3.1 有23.3%的推理轨迹将未提供但与隐藏评分器一致的要求称为指令，前代 Kimi K3 未出现这一现象，GLM-5.3 的对应比例仅为0.3%。当研究者直接要求模型列出全部指令时，K3.1 有34.1%的回答包含隐藏要求；若将同样的问题预填入推理前缀，该比例进一步升至64.6%。部分轨迹甚至主动推测，这些指令可能是从此前智能体的失败经验中蒸馏得到的。

更具说服力的是任务修改实验。研究者在四道任务中修改文件，使新要求与 K3.1 曾提及的隐藏规则相矛盾。在其中三道任务的15次尝试中，K3.1 无一次遵循修改后的要求，而 K3、GLM-5.3 和 GPT-6 Astra 在27次尝试中有26次遵循新规则。例如，研究者修改航班燃油规划程序的燃油政策后，K3.1 仍坚持原有重量限制规则，甚至明确表示即使代码注释相互矛盾，也应遵守其理解中的指令。相比之下，当修改内容不涉及其记住的规则时，K3.1 通常能够正常适应。

这种异常还与模型的成绩分布有关。在16道 K3.1 提前说出隐藏评分规则的任务中，其通过率达到70.8%，而五款 Anthropic 和 OpenAI 前沿模型的平均通过率仅为34.0%；在其余任务中，K3.1 并未表现出同样突出的领先优势。HLE 测试也出现类似迹象：K3.1 在24.9%的题目中提及此前任务或测试平台，而 K3 仅为3.2%，其他六款对照模型均不超过3.9%。

awy002 · 发表于 2026-11-5 00:01

我去这个哈基米4太变态了吧我聊3句给我额度掉光了，其他几个模型有能用的吗？用3.8flash感觉量是够了，但是感觉差点意思。

coldhot3 · 发表于 2026-11-5 00:28

greemoore1981 发表于 2026-11-4 18:43
真空如何散热

真空如何同步更可怕，高能粒子不断打电路容易损失同步。

coldhot3 · 发表于 2026-11-5 00:32

绕指流光发表于 2026-11-4 20:08
这几天在玩 Dsh Go ，手机终于有了智能终端的感觉，问题是电量太不经用了
另外就是明显手机本地环境体验更 ...

这是啥，鸿蒙能用吗？

云卷花开 · 发表于 2026-11-5 00:45

coldhot3 发表于 2026-11-5 00:32
这是啥，鸿蒙能用吗？

快要出鸿蒙版了应该

Re:Source

游公子 · 发表于 2026-11-5 01:55

我看你们测试，hy4正式版还是不如大肥鱼啊？

为什么呢，hy4自己评测的分数都比大肥鱼高啊。

刷分吗。

绕指流光 · 发表于 2026-11-5 06:56

赤星ビスコ发表于 2026-11-4 23:06
你们真敢手机用这种吗？电脑再怎么说，危险操作还有手机来兜底，手机被黑了那就是验证码一步到位 ...

当然是用第二台手机了

—— 来自 vivo V2309A, Android 16, 鹅球 v4.0

绕指流光 · 发表于 2026-11-5 07:03

moekyo 发表于 2026-11-4 22:54
连电脑的话，直接用 tailscale 不就好了吗
主要昨天刷到这个

我实测几天没啥读图问题， dsh go 能直接远程接管 pc 端的对话，tailscale 还要专门配置一次。

—— 来自 vivo V2309A, Android 16, 鹅球 v4.0

coldhot3 · 发表于 2026-11-5 08:08

云卷花开发表于 2026-11-5 00:45
快要出鸿蒙版了应该

Re:Source

太好了，谢谢高质量数据喂了肥鱼至少是开源的。

Baccano · 发表于 2026-11-5 08:27

awy002 发表于 2026-11-4 17:10
如果只管文字是不是买pro就行了

闲鱼买个十几块的jio试试先。如果后面发现argon额度不够用，再考虑升级。

awy002 · 发表于 2026-11-5 08:28

Baccano 发表于 2026-11-5 08:27
闲鱼买个十几块的jio试试先。如果后面发现argon额度不够用，再考虑升级。

我已经买了🥹，没事反正能报销。

warlock228 · 发表于 2026-11-5 08:36

Baccano 发表于 2026-11-5 08:27
闲鱼买个十几块的jio试试先。如果后面发现argon额度不够用，再考虑升级。

谷谷歌歌已经开始铲jio的套餐了，现在就别买了吧，做好只能体验一两周的期望那可以买

HazukiShion · 发表于 2026-11-5 08:41

现在日译中 4Pro、K3 和 Gemini 4 差距大吗？

Baccano · 发表于 2026-11-5 08:41

本帖最后由 Baccano 于 2026-11-5 08:47 编辑

awy002 发表于 2026-11-5 08:28
我已经买了🥹，没事反正能报销。

海外的也能报销，这也太爽了。
我们公司只能报销Deepseek，workbuddy这种能开FP的。

很久就在那边l · 发表于 2026-11-5 08:45

真就信息差

awy002 · 发表于 2026-11-5 10:19

本帖最后由 awy002 于 2026-11-5 10:21 编辑

Baccano 发表于 2026-11-5 08:41
海外的也能报销，这也太爽了。
我们公司只能报销Deepseek，workbuddy这种能开FP的。 ...

这些直接提供了，用的肥鱼和Kimi3.1pro，主要是协助办公，用公司的蹬就完事了，我们公司在后台看普通文书工作根本花不了几个子儿，就完全放开了；也就外网大模型比较麻烦得自己订阅再申请报销。

斯卡文分则能成 · 发表于 2026-11-5 10:22

antigravity怎么更新完后说我所在的地区不给用了，我看了我出差的国家是可以用的啊

万能的漏油想想办法救救我

rachepatty · 发表于 2026-11-5 10:24

账号地址是不是没改？搜索本帖哈

— from S1 Next Goose v4.0-alpha

空き地卯木 · 发表于 2026-11-5 10:28

斯卡文分则能成发表于 2026-11-5 10:22
antigravity怎么更新完后说我所在的地区不给用了，我看了我出差的国家是可以用的啊
万能的漏油想想办法救救 ...

找网页版Gemini查一下账号地区，大概率给分到国区了

Steel.Haze · 发表于 2026-11-5 10:40

cody198879 发表于 2026-11-4 18:19
还是大肥鱼太便宜了，导致现在a/和o/的估值上不来。

这个算不算34-85把虎式干死了

目前的一些分支开发上看，这货是个故意换了85炮的T44，所以4.1F应该还有个爆版。然后4.1P（或4.2F）有个大的。

lactone · 发表于 2026-11-5 10:46

昨天有人说发现了4.1pro的新id，canary 4.1pro

—— 来自 vivo V2505A, Android 17, 鹅球 v3.5.99

奥柏伦亲王 · 发表于 2026-11-5 10:48

开始作死挑战，使用magpie反代antigravity订阅，看我能活几天

Unlight · 发表于 2026-11-5 10:49

话说，怎么用本地大模型翻书来着？
我试着整了个ollama，装了HunYuan-MT2-7B，但是文译不工作啊。
运行一两分钟以后报错，提示：Single-paragraph fallback failed at paragraph 0。
能正常连接，显卡也工作，RX9070。

—— 来自 S1Fun

qwased · 发表于 2026-11-5 10:54

Unlight 发表于 2026-11-5 10:49
话说，怎么用本地大模型翻书来着？
我试着整了个ollama，装了HunYuan-MT2-7B，但是文译不工作啊。
运行一两 ...

wenyi应该是agent工作流，不能接混元这种纯翻译模型的
可以接lingua gacha用其他模型提取了术语表之后用混元来翻

兔耳僵尸 · 发表于 2026-11-5 11:23

dshgo改变生活啊，旧手机终于有用了

—— 来自 vivo V2243A, Android 16, 鹅球 v3.5.99

qwased · 发表于 2026-11-5 11:41

SI倒了！

zy450 · 发表于 2026-11-5 11:53

那显卡内存价格能回到过去了吗

malisa · 发表于 2026-11-5 12:03

A/今天不少人官宣跳槽o/
不是卧底吧 14天又回老家

noneoneone · 发表于 2026-11-5 12:03

一直都想买个全键盘手机玩玩，开始折腾ai后这个想法又蠢蠢欲动了。心知肚明买来就是纯玩具，但还是好想买。

——来自 2410DPN6CC 上的 S1er 客户端

warlock228 · 发表于 2026-11-5 12:11

能不能把达里奥抓进去蹲号子

warlock228 · 发表于 2026-11-5 12:12

malisa 发表于 2026-11-5 12:03
A/今天不少人官宣跳槽o/
不是卧底吧 14天又回老家

之前不是已经有CC的核心开发元老上市前夕反常开润，估计他们确实内部看到了点什么先溜为敬了

Promeus · 发表于 2026-11-5 12:13

qwased 发表于 2026-11-5 11:41
SI倒了！

桑德斯这个只是早期提案，那时候支持率不高

现在可以出动dsa宣传队形成压力了

Promeus · 发表于 2026-11-5 12:13

warlock228 发表于 2026-11-5 12:12
之前不是已经有CC的核心开发元老上市前夕反常开润，估计他们确实内部看到了点什么先溜为敬了 ...

昨天又跑了一个cc的人

很久就在那边l · 发表于 2026-11-5 12:16

没人玩gpt新出的生成gif功能吗

Promeus · 发表于 2026-11-5 12:20

另外很好笑的就是现在宣讲员们在宣布dem打击数据中心✅O/A/是利好

nxmonitor · 发表于 2026-11-5 12:22

停止数据中心建设债务都要炸了…

warlock228 · 发表于 2026-11-5 12:47

很久就在那边l 发表于 2026-11-5 08:45
真就信息差

有插件地址吗求

艾诺琳 · 发表于 2026-11-5 12:49

Unlight 发表于 2026-11-5 10:49
话说，怎么用本地大模型翻书来着？
我试着整了个ollama，装了HunYuan-MT2-7B，但是文译不工作啊。
运行一两 ...

你问ai就是，装一个harness解千愁

		自动登录	找回密码
密码			立即注册

[科技] DeepSeek V4.1 Flash 1017：许愿式编程一键成真 | 大模型讨论专楼

本帖子中包含更多资源

本帖子中包含更多资源

浏览过的版块