- 羽织2026-09-09
仅这一个榜，跑分消息来自网传微信截图
当然，跑分是跑分，实际是另一回事
来源：
微信群wy：
DeepSeek V4.1 Flash登顶世界第一模，DeepSWE超GPT6.0 Astra（消息源真假自辩） - 前沿快讯 - LINUX DO
主楼 - hanhanye2026-09-09
熟悉的全部斩杀，芜湖 ^-^
- puppywang2026-09-09
啥， fable + astra 都被斩杀了？ 传出去， tibo 被砍头啦…
- Morax_Cheng2026-09-09
呃, 这个跑分高实际效果其实待会儿又不咋样, 谁家musespark
- Flask2026-09-09
我看的另一张图是mini swe呀，这不对吧
xzcokw2026-09-09还是那么熟悉的感觉，不知道说什么。秒了
- woshengqilenie2026-09-09
我只能说发狂了，以前还是很理性的，现在怎么变这样了 ^-^
- Xiwis_Homed2026-09-09
mini-swe可能指得是用mini-swe-agent跑的测试？
一个官方的跑测评用的harness
github.com
GitHub - SWE-agent/mini-swe-agent: The 100 line AI agent that solves GitHub issues or...
The 100 line AI agent that solves GitHub issues or helps you in your command line. Radically simple, no huge configs, no giant monorepo—but scores >74% on SWE-bench verified!
- Zef2026-09-09
- crazycrazyshui2026-09-09
- Dyna2026-09-09
把屎端着到处给人看，也不是一个好习惯。
- Flask2026-09-09
那与deepswe有啥区别呀，我问ai说是不一样
- test2026-09-09
mini-swe就是deepswe测评的时候会使用的harness规范
- neteroster2026-09-09
真不错，那ds能拿出快两个月前fable水平的“灰测”checkpoint给大家看看吗（，想必过了这么久水平一定远超当前所有模型了吧
- shaiNpaa2026-09-09
梁王回来了吗？deepseek微微发力，就是核弹？
- xiedian2026-09-09
看b站视频对相同项目的评测，这个有不小的概率就是之前灰测的。
- tufutufu2026-09-09
我看不是说可以达到 98%Astra 的效果，牛大了
CrisR2026-09-09这参数量真有这分数和价格，OpenAI和A\倒闭算了
- suiya2026-09-09
flash就能超越肥波5.1和gpt6那接下来的pro模型不得世界第一模型，gpt7才能打败。。不太相信
- sxjeru2026-09-09
