<![CDATA[deepseek-flash的第三方跑分趣闻]]>这次的flash-v4.1 的第三方跑分释放了，数据源如下：https://artificialanalysis.ai/models/deepseek-v4-1-flash?pricing=blended-price#intelligence-breakdown
ec8c111a-d4ac-4a9c-b666-e78156efa1ab-image.jpeg

总体上是预期水平（artificialanalysis.ai刚刚调整了整个总分的权重和算法），但是发现了个有趣的点，值得玩味。

v4.1的错误回答中，幻觉率非常大，也就是非常不懂装懂。
f03ec6d1-0474-403d-9464-a0ee8ebc5f43-image.jpeg

幻觉率的公式是：错误答案 /（错误答案 + 部分答案 + 未尝试回答）也就是说，他有96%的错误情形都是硬装。而不是放弃或者只回答一部分。

这也就导致，v4.1的平均任务花费token数，会更高(PS:GPT6的平均token数确实很惊艳)：
23b78075-c3d4-43b9-bf5e-9a8c30a7cf33-image.jpeg

]]>https://lcz.me/topic/1617RSS for NodeFri, 23 Oct 2026 20:02:58 GMTFri, 11 Sep 2026 01:37:53 GMT60<![CDATA[Reply to deepseek-flash的第三方跑分趣闻 on Fri, 11 Sep 2026 04:27:11 GMT]]>老美就喜欢整一些有的没的，他们的跑分帮越来约有娱乐性了。事实是，以游戏为例，跑分刷了多少倍，画面质量和2008年左右相比，没啥进步。

]]>https://lcz.me/post/17262https://lcz.me/post/17262Fri, 11 Sep 2026 04:27:11 GMT<![CDATA[Reply to deepseek-flash的第三方跑分趣闻 on Fri, 11 Sep 2026 01:58:29 GMT]]>亮點 ！

"v4.1的错误回答中，幻觉率非常大，也就是非常不懂装懂。"

AA-全知指數：得分
AA全知指數（數值越高越好）衡量知識的可靠性和幻覺。它獎勵正確答案，懲罰幻覺，並且對拒絕回答不予懲罰。

分數範圍為-100到100，其中0表示正確答案和錯誤答案的數量相等，負分錶示錯誤答案多於正確答案。

75256368-f82a-4f3f-bfae-8981a0d1ebd6-image.jpeg

Qwen3.8-27B
88a18b4b-f7e5-463d-babd-6c4329b6da72-image.jpeg

fe886a19-409c-401d-8a99-f952b38c31fa-image.jpeg

13122a02-31ae-4266-9f80-204f0de38929-image.jpeg

]]>https://lcz.me/post/17227https://lcz.me/post/17227Fri, 11 Sep 2026 01:58:29 GMT