DeepSeek-V4 Flash 0731 (Max) 在 GPQA 基准测试中取得了 90.8% 的分数,每美元获得 52 个智能点。这些结果是独立测量的,可在 olud.ai 排行榜上查看。 AI
影响 为开源模型在复杂推理任务上设定了新的基准。
排序理由 该项目报告了 AI 模型的基准测试结果,属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →