DataLearner 标志

DeepSeek-V4-Flash 评测详情

DeepSeek-V4-Flash 当前已收录的代表性评测结果包括 LiveCodeBench(4 / 123,得分 91.60)、MMLU Pro(16 / 132,得分 86.40)、GPQA Diamond(31 / 187,得分 88.10)。

评测结果

DeepSeek-V4-Flash

评测结果

思考模式
工具使用

综合评估

共 12 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
常规模式
71.20
112 / 187
87.40
38 / 187
88.10
31 / 187
MMLU Pro
常规模式
83
45 / 132
86.40
16 / 132
MMLU Pro
最高
86.20
17 / 132
LiveBench
常规模式
67.25
49 / 115
HLE
常规模式
8.10
153 / 170
HLE
29.40
89 / 170
HLE
工具
40.30
60 / 170
HLE
最高
34.80
72 / 170
HLE
思考水平·极高工具
45.10
40 / 170

编程与软件工程

共 14 项评测
评测名称 / 模式
得分
排名/总数
2816
5 / 16
3052
3 / 16
LiveCodeBench
常规模式
55.20
83 / 123
88.40
8 / 123
91.60
4 / 123
SWE-bench Verified
常规模式工具
73.70
43 / 111
78.60
22 / 111
SWE-bench Verified
思考水平·极高工具
79
19 / 111
SWE-bench Multilingual
常规模式工具
69.70
18 / 22
70.20
16 / 22
SWE-bench Multilingual
思考水平·极高工具
73.30
11 / 22
SWE-Bench Pro - Public
常规模式工具
49.10
43 / 53
52.30
36 / 53
SWE-Bench Pro - Public
思考水平·极高工具
52.60
34 / 53

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
Simple Bench
常规模式
46.30
32 / 63

AI Agent - 信息收集

共 2 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
工具
53.50
39 / 52
BrowseComp
思考水平·极高工具
73.20
27 / 52

AI Agent - 工具使用

共 3 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench 2.0
常规模式工具
49.10
35 / 47
56.60
27 / 47
Terminal Bench 2.0
思考水平·极高工具
56.90
25 / 47

数学推理

共 3 项评测
评测名称 / 模式
得分
排名/总数
IMO-AnswerBench
常规模式
41.90
20 / 21
85.10
10 / 21
88.40
5 / 21

生产力知识

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDPval-AA
思考水平·极高工具
1395
6 / 21