PromptArmor 测试发现 DeepSeek、Kimi、GLM、Qwen 遭网络攻击的易感度比…
PromptArmor 将自家传播最广的攻击样本在多个模型上测试，发现 DeepSeek、Kimi、GLM 和 Qwen 模型对网络攻击的易感度比 GPT、Claude 和 Gemini 模型高 88%。测试覆盖钓鱼、数据外泄和运行恶意软件的倾向等多个网络风险维度，作者称差异显著。
匹配字段标题、摘要、正文
←搜索结果
搜索“DeepSeek”
PromptArmor 测试多款模型网络攻击风险，称 DeepSeek、Kimi、GLM、Qwen 比…
PromptArmor 称其用多款高传播攻击样本测试了钓鱼、数据外泄和运行恶意软件倾向等网络风险，DeepSeek、Kimi、GLM、Qwen 模型受攻击的可能性比 GPT、Claude、Gemini 高 88%。该结论来自其主推文，具体测试方法和样本规模未在推文中说明。
匹配字段标题、摘要
DeepSeek V4.1 Flash 1017 登顶 Artificial Analysis 网络安全指数开放模型榜
DeepSeek V4.1 Flash 1017 在 Artificial Analysis Cyber Index 上以 57% 的得分成为开放可用模型中的第一名，总榜排名第二，落后于通过可信访问计划提供的 GPT-6 Sol（69%）12 分。该指数由 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三项基准组成，主要评测智能体网络安全防御任务。相比前代 DeepSeek V4.1 Flash 的 41%，新版本提升 16 分，主要来自 CyberGym-E2E-AA 从 23% 升至 76%；其每任务成本为 0.42 美元，位于能力与成本帕累托前沿。
匹配字段标题、摘要、正文
DeepSeek V4.1 Flash 1017 在 ARC-AGI-2 得分 78.1%
ARC Prize 公布 DeepSeek V4.1 Flash 1017 在 ARC-AGI 验证集上的成绩：ARC-AGI-2 得分 78.1%，每任务成本 $0.16；ARC-AGI-1 得分 94.5%，每任务成本 $0.06。DeepSeek Flash 系列在 ARC-AGI-2 上的最好成绩从 V4 Flash 0731 的 61.4% 升至 V4.1 Flash 的 72.9%，再到 V4.1 Flash 1017 的 78.1%。
匹配字段标题、摘要、正文
DeepSeek Search 登榜 Artificial Analysis 搜索指数第 17 名
DeepSeek Search 在 Artificial Analysis 搜索指数上得分 69，在 27 个搜索产品中排第 17，是榜单上价格最低的付费搜索 API。其每 1k 次搜索收费 $0.75，单任务成本约 $0.032，在 27 个产品中排第 5 便宜。AA-Omniscience 上准确率 70% 排第 10，但需要多跳推理的 BrowseComp 仅 63%，排第 25；每次搜索返回约 7k token，使模型成本升至榜单第 2 高。
匹配字段标题、摘要、正文
DeepSeek-V4.1-Flash-20261017 登顶 Agent Arena 开源模型榜
Arena.ai 称 DeepSeek-V4.1-Flash-20261017（Max）成为 Agent Arena 排名第一的开源模型，综合排名第 11，在超过 7.5K 真实会话中净提升 5.1%。该模型每任务中位成本为 0.20 美元，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；在 Confirmed Success、Praise vs. Complaint、Bash Reliability、Steerability 四项信号上均为开源第一，且未出现工具幻觉问题。
匹配字段标题、摘要、正文
DeepSeek-V4.1-Flash-20261017 登顶 Code Arena WebDev 开源模型榜
Arena 称 DeepSeek-V4.1-Flash-20261017（Max）成为 Code Arena WebDev 排名第一的开源模型，超过 Kimi K3（Max），成本低 10 倍。该模型以 1670 分位列总榜第 12，高于 Claude Opus 5（High），与 GPT-6 Sol（Max）相差约 10 分；定价为每百万输入/输出 token 0.3/1.2 美元，比上一版 DeepSeek-V4.1-Flash-20260910 提升 52 分。
匹配字段标题、摘要、正文
开发者实测 DeepSeek V4.1 Flash 1017 与 GPT-6.1 Sol 火箭发射任务成本耗时
有开发者用同一个火箭发射任务对比刚开源的 DeepSeek V4.1 Flash 1017 和 GPT-6.1 Sol，前者花费 0.78 美元、耗时 3 分钟，后者花费 6.10 美元、耗时 5 分钟。DeepSeek V4.1-Flash-1017 以 MIT 协议开源，API 闲时价格为每百万输入 0.15 美元、输出 0.6 美元，在 DeepSWE 编程基准上得分 77.0%。原帖只晒了这一个任务的总耗时和账单，未给出完整提示词和各自的自我修正轮数。
匹配字段标题、摘要、正文
开发者实测 DeepSeek V4.1 Flash 与 GPT-6.1 Sol 火箭发射任务成本对比
有开发者用同一个火箭发射任务对比 DeepSeek V4.1 Flash 1017 与 GPT-6.1 Sol，前者花费 0.78 美元、耗时 3 分钟，后者花费 6.10 美元、耗时 5 分钟。DeepSeek 官方信息显示，V4.1-Flash-1017 以 MIT 协议开源，API 闲时价格为每百万输入 0.15 美元、输出 0.6 美元，在 DeepSWE 编程基准上得分 77.0%。作者提醒，这次对比只覆盖单个题目，未公布完整提示词和各自的自我修正轮数，不能据此推断长链路推理能力。
匹配字段标题、摘要、正文
Artificial Analysis 将 DeepSeek V4.1 Flash 纳入 AA-AgentPerf 基准，GB300 每兆瓦吞吐达 261M tokens/s
Artificial Analysis 将 DeepSeek V4.1 Flash 加入其智能体推理性能基准 AA-AgentPerf，并给出 NVIDIA 与 AMD 硬件的实测结果。在每用户 100 tokens/s 下，NVIDIA GB300 以约 261M tokens/s 每兆瓦居首，其后为 B300（约 220M）、B200（约 193M）、GB200（约 178M）和 MI355X（约 128M）。V4.1 Flash 在 Artificial Analysis Intelligence Index 上得分 39，高于此前的 V4 Pro 0813（36），参数量约为其三分之一（552B backbone、16B 激活，对比 1.6T 与 49B），最少可在 2 张 GPU 上运行，相比 V4 Pro 0813 在每用户 100 tokens/s 下每兆瓦吞吐提升约 1.3 倍（GB300）至 6.2 倍（B200）。
匹配字段标题、摘要、正文
ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI-3 的评测结果
ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI（Verified）上的评测结果：ARC-AGI-3 得分为 3.3%、成本 878 美元（provider adapter harness），标准 harness 下为 0.9%、成本 1.2k 美元。ARC Prize 称这是其评测过的首个在 ARC-AGI-3 上以低于 1k 美元总评测成本得分超过 3% 的模型。该帖同时给出排行榜、公开结果复现方式、测试政策以及完整的 DeepSeek V4.1 Flash 结果链接。
匹配字段标题、摘要、正文
Fireworks 实测 DeepSeek-V4.1-Flash：DeepSWE 编码精度对标 GPT-6 Astra，单任务成本仅 1/15
Fireworks 对 DeepSeek-V4.1-Flash 做了完整基准测试，在 DeepSWE 上达到 GPT-6 Astra 级别的编码精度，单任务成本 0.43 美元，比 Gemini 3.8 Flash 低 5.5 倍、比 GPT-6 Astra 低 15 倍、比 Claude Opus 5 低 28 倍。该模型为 552B 参数 MoE，采用编码器-解码器分离架构，输入 8B、输出 16B 激活参数，KV Cache 相比 DeepSeek V4 仅占 1/4 HBM 和 1/8 SSD 存储，本次运行 99.6% 输入 token 命中缓存。在 HLE 上它单独运行得 34.52%，落后于 Astra 的 50.40%，但与 Astra 组成 oracle router 后达到 54.80%，高于 Astra 单独运行。
匹配字段标题、摘要、正文
SGLang 用 SSD Expert Pack 在消费级硬件上运行 DeepSeek-V4-Flash 与 Kimi-K3
SGLang 发布 SSD Expert Pack 方案，把放不进显存和内存的路由专家权重留在 NVMe SSD 上，只按路由器选择读取专家，并用 direct I/O、pinned 缓冲和 GPU 缓存把 SSD 容量变成可用的权重层。在 Intel Ultra5 230F、32 GB 内存、TiPro9000 2 TB 磁盘和 RTX 5090 32 GB 的消费级机器上，DeepSeek-V4-Flash 相对 Ollama 基线在 Alpaca 和 MMLU 上 prefill 提升 2.28x 和 3.39x，decode 提升 6.92x 和 6.55x；Kimi-K3 相对 llama.cpp 的 prefill 提升 6.96x 和 5.80x，decode 提升 3.30x 和 3.52x。该路径不裁剪、不跳过专家，也不改变 Expert Top-K，属于显式开启的加载格式，需要额外 SSD 容量和数十分钟的 Pack 构建时间。
匹配字段标题、摘要、正文
Fireworks 评测 DeepSeek V4 Pro 与 Fable 5、Kimi K3
Fireworks 用 SWE-Bench Verified、LiveCodeBench v6、Aider Polyglot 和 Terminal-Bench 2.1 四套基准测试 DeepSeek V4 Pro 0813，其在 SWE-Bench Verified 上得分 95.2%，高于 Kimi K3 的 92.6% 和 Fable 5 的 85.4%，在 LiveCodeBench v6 上为 92.0%。成本方面，DeepSeek V4 Pro 在 SWE-bench 上每解决一个任务花费 $0.309，Fable 5 为 $0.808；在 LiveCodeBench 上分别为 $0.040 和 $0.225。短板在 Aider Polyglot 的多语言广度，Java 仅 48.9%，Fable 5 为 74.5%。在 409 个任务的合并集合上做 oracle 路由后准确率 92.4%，高于单用 Fable 5 的 86.6%，每任务成本 $0.279 对 $4.510，86.3% 的任务被路由到 V4 Pro。
匹配字段标题、摘要、正文
Fireworks 评测：DeepSeek V4 Pro 在 SWE-Bench 领先，单任务成本约为 Fable 5 的三分之一
Fireworks 用 SWE-Bench Verified、LiveCodeBench v6、Aider Polyglot v1 和 Terminal-Bench 2.1 四组基准测试 DeepSeek V4 Pro 0813，其在 SWE-Bench 上每解决一个任务花费 $0.309，Fable 5 为 $0.808，LiveCodeBench 上为 $0.040 对 $0.225。在 409 个任务的合并样本上，DeepSeek V4 Pro 与 Fable 5 的 oracle 路由达到 92.4% 准确率，高于单用 Fable 5 的 86.6%，每任务成本 $0.279 对 $4.510，其中 86.3% 的任务路由到 V4 Pro。该模型在 Aider Polyglot 的 Java 子集上仅 48.9%，明显低于 Fable 5 的 74.5%，Fireworks 认为 Java 为主的代码库更适合多模型路由；DeepSeek V4 Pro 的训练已在 Fireworks 上线，支持 SFT、DPO 和 RFT。
匹配字段标题、摘要、正文
Fireworks 实测 DeepSeek V4 Pro 在 CyberGym 安全任务上的成本与通过率
Fireworks 在 CyberGym 的 697 个共同有效任务上测试 DeepSeek V4 Pro 0813，其奖励率为 53.7%，每个成功任务成本 2.502 美元，约为 Kimi K3 的一半。Kimi K3 的奖励率最高，为 68.4%，但每个成功任务成本为 4.914 美元；GPT-5.5 的奖励率为 47.6%，每个成功任务成本为 9.641 美元；Claude Opus 4.8 的奖励率仅为 5.9%，每个成功任务成本为 33.275 美元。测试中，DeepSeek V4 Pro 在 840 个任务上全部产生原生工具调用，没有出现拒答或输出截断；一旦通过第一阶段验证，它完成完整补丁的比例为 94.7%。
匹配字段标题、摘要、正文
DeepSeek V4 Pro 0813 与 GPT-5.6 Sol 在 DeepSWE 上的成本与编码对比
Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次对比 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol：Sol 单次通过率 72.7% 领先 Pro 的 62.8%，但 Pro 每次 rollout 仅 0.24 美元，约为 Sol 8.37 美元的 35 分之一，pass@4 上 Pro 以 88.5% 反超 Sol 的 85.8%。先用 Pro、测试失败再升级到 Sol 的级联方案可解决 83.0% 的任务，单任务成本 3.35 美元，高于 Sol 单独使用的 72.7%，也高于理想单次路由的 80.8%。Sol 更快更简洁（中位 53 步、17 分钟、59k 输出 token），但失败时 20% 会破坏仓库原有测试套件，Pro 这一比例为 11%。
匹配字段标题、摘要、正文
DeepSeek Harness v0.1 开放开发者预览并以 MIT 许可证开源
DeepSeek Harness v0.1 现已开放开发者预览，并以 MIT 许可证开源，面向全球构建智能体运行框架的开发者。该项目由 Cordis 元框架驱动，将模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 均实现为可组合、替换和扩展的插件。
匹配字段标题、摘要、正文
DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna 在 DeepSWE 上的成本与编码对比
Together AI 在全部 113 个 DeepSWE 任务上对比 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna，每个任务四次试验。Luna 的 pass@1 为 67.2%，高于 DeepSeek 的 53.3%，但单次成本约 0.61 美元，是 DeepSeek 约 0.10 美元的六倍。先用 DeepSeek 再在测试失败时升级到 Luna 的级联方案解决 78.9% 的任务，每任务成本 0.385 美元，准确率高于 Luna 单用且成本更低。
匹配字段标题、摘要、正文
服务 DeepSeek-V4：为何百万 Token 上下文是推理系统问题
DeepSeek-V4 通过 CSA、HCA 与 SWA 混合注意力在 KV 存储前压缩上下文，支持 1M-token 上下文窗口，但实际效率取决于推理引擎的缓存管理。Together AI 在 NVIDIA HGX B200 上调整 SWA 缓存策略后，将单节点 KV 缓存容量从约 1.2M tokens 提升至 3.7M tokens。长上下文、解码密集型任务最先受益，短上下文任务仍更依赖预填充优化与内核成熟度。
匹配字段标题、摘要、正文