DeepSeek V4.1 Flash 在 Artificial Analysis 最新發布的智慧指數 v4.3 基準測試中奪得第一名，超越此前表現強勁的 Astra。此次排名變動發生在基準測試於三天內調整兩次之後，此前該測試主要利好 Astra 和 Fable，而 Astra 曾藉此積分追平 Fable。DeepSeek V4.1 Flash 是一個多模態混合專家模型，擁有 552B 總參數，但僅有 8B/16B 活躍參數，並支援 100 萬 token 的上下文視窗。此結果突顯了開放權重模型的快速進步，並表明 DeepSeek 的輕量級架構能夠與領先的專有模型競爭甚至超越它們。
事件背景
Artificial Analysis 智慧指數是生產環境基準測試分數的加權平均值，旨在評估 AI 模型的實際表現。v4.3 版本引入了新的私有評估，取代了之前的 τ³ 基準測試，導致模型排名發生重大變化。Astra 和 Fable 等模型在早期版本中表現良好，因此這次變更顯得尤為重要。
社群觀察
社群情緒兩極，部分用戶對排名的快速變化感到驚訝，另一些用戶則警告不要輕信單一基準測試。批評者指出，雖然 DeepSeek V4.1 Flash 排名靠前，但其幻覺率也較高，這表明它可能只是針對該基準測試進行了優化，而非在所有方面都優異。有評論提到它在幻覺基準測試中也排名第一，幻覺率高達 90% 以上。
