评测复现

DeepSeek V4 Flash 跑分被独立复现 — 数字对得上,但中国大模型评测公信力仍是老问题

第三方用公开工具复现 DeepSeek V4 Flash 在 Terminal-Bench 2.1 上的 82.7% 成绩,368/445 次成功。数字本身没问题,但 DeepSeek 用的私有评测工具未公开,让"谁跑都一样"的承诺打了折扣。