ARC Prize 公布 DeepSeek V4.1 Flash 的 ARC-AGI-1 与 ARC-AGI-2 成绩

ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 得分 72.9%，每任务成本 $0.13；ARC-AGI-1 得分 94.5%，每任务成本 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 高 5.5 分，ARC-AGI-2 高 11.5 分，但每任务成本高约 250%。

@deepseek_ai - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - DeepSeek V4.1 Flash 完整结果：https://arcprize.org/results/deepseek-v4-1-flash

来自 @deepseek_ai 的 DeepSeek V4.1 Flash 在 ARC-AGI（Verified）上的成绩： - ARC-AGI-3：3.3%，$878（provider adapter harness）；0.9%，$1.2k（standard harness） DeepSeek V4.1 Flash 是我们评测过的首个在 ARC-AGI-3 上以低于 $1k 的总评测成本得分超过 3% 的模型。

@deepseek_ai ARC-AGI-3 评测在操作上更为密集；测试完成后，我们将在未来几周内分享结果，包括使用新的 DeepSeek provider adapter harness 得到的分数。

ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI 榜单上的完整成绩。测试结果可通过 GitHub 仓库复现，完整结果与测试政策见 arcprize.org/results/deepseek-v4-1-flash。

ARC Prize 公布 DeepSeek-V4.1-Flash 在 ARC-AGI-1 上的结果：high 推理档得分 88.5%，低于 low 档的 90.5%，差异集中在 8 个任务上（high 在 5 个任务上低 4.5 分、3 个任务上高 2.5 分），且 high 多消耗 35% 输出 token 却未带来更稳定的正确答案。

DeepSeek 本周在 HuggingFace 开源 DeepSeek-V4.1-Flash 权重，模型总参数 552B，prefill 激活 8B、decode 激活 16B，支持 1M token 上下文和文本加图像输入，已上线 Baseten Model APIs。

WorkBuddy 宣布 DeepSeek V4.1-Flash 已在其平台上线，免费试用两周。引用的 DeepSeek 公告称 V4.1-Flash 已登陆 DeepSeek API 并支持原生多模态。

DeepSeek AI 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，552B 主干加 196B Engram 参数，上下文窗口 1M，prefill 激活 8B 参数、decode 激活 16B，全局 KV 缓存降至每 token 890 字节，约为 DeepSeek-V4-Flash 的 1/4、DeepSeek-V1 的 1/437。

vLLM 团队发布针对智能体负载优化的博客，基于 SemiAnalysis 的公开 AgentX 基准展示成果：DeepSeek V4 Pro 在 GB300 上达到 83K total tokens/GPU-秒。