DeepSeek-V4-Flash 评测结果与排名详情 | DataLearnerAI

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 / 118，得分 91.60）、MMLU Pro（13 / 124，得分 86.40）、IMO-AnswerBench（2 / 17，得分 88.40）。

评测结果

DeepSeek-V4-Flash

评测结果

综合评估

共 11 项评测

评测名称 / 模式

得分

排名/总数

常规模式

71.20

103 / 175

高

87.40

32 / 175

最高

88.10

25 / 175

常规模式

83

41 / 124

高

86.40

13 / 124

最高

86.20

14 / 124

常规模式

8.10

132 / 149

高

29.40

70 / 149

高工具

40.30

44 / 149

最高

34.80

54 / 149

思考水平·极高工具

45.10

28 / 149

编程与软件工程

共 14 项评测

评测名称 / 模式

得分

排名/总数

高

2816

5 / 16

最高

3052

3 / 16

常规模式

55.20

80 / 118

高

88.40

7 / 118

最高

91.60

4 / 118

SWE-bench Verified

常规模式工具

73.70

35 / 103

SWE-bench Verified

高工具

78.60

17 / 103

SWE-bench Verified

思考水平·极高工具

79

15 / 103

SWE-bench Multilingual

常规模式工具

69.70

13 / 17

SWE-bench Multilingual

高工具

70.20

11 / 17

SWE-bench Multilingual

思考水平·极高工具

73.30

7 / 17

SWE-Bench Pro - Public

常规模式工具

49.10

27 / 36

SWE-Bench Pro - Public

高工具

52.30

21 / 36

SWE-Bench Pro - Public

思考水平·极高工具

52.60

19 / 36

AI Agent - 信息收集

共 2 项评测

评测名称 / 模式

得分

排名/总数

高工具

53.50

31 / 43

思考水平·极高工具

73.20

19 / 43

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

31 / 43

Terminal Bench 2.0

高工具

56.60

24 / 43

Terminal Bench 2.0

思考水平·极高工具

56.90

22 / 43

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

16 / 17

IMO-AnswerBench

高

85.10

7 / 17

IMO-AnswerBench

最高

88.40

2 / 17

生产力知识

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·极高工具

1395

4 / 20

与其他模型对比