DeepSeek-V4.1-Flash показала результаты против Opus 5

DeepSeek-V4.1-Flash-1017 Не успел запостить мем про непродуктивную осень китайцев как они выпустили новый дипсик. Так что сначала надо смотреть мем. Потом новость, потом можно еще раз мем Небольшое обновление V4.1-Flash, но с заметным приростом в рассуждениях, коде, агентных задачах и визуальных бенчмарках. Плюс модель тратит меньше времени на задачу и выдает более короткие ответы. Результаты против Opus 5 • DeepSWE v1.1 — 77.0 против 74.0 • Automation-Bench — 60.5 против 50.3 • Agents' Last Exam — 35.4 против 28.6 • Apex Bench — 72.1 против 65.8 • Chartography с тулами — 83.0 против 84.0 Где пока позади • Terminal-Bench 4.0 — 42.3 против 51.8 • ProgramBench — 29.1 против 37.0 • NL2Repo-Bench — 68.2 против 75.3 • HLE без тулов — 42.6 против 56.3 • Контекст 1 млн токенов • Прежние цены API #multimodal MAX