ds的livebench 出来了

2115

fade588872026-08-13
16467
livebench出来了，综合比flash强，比grok4.6弱，
其中值得注意的推理能力和数据分析不如flash0731
，，
coding不如k3，甚至glm- 5.2
mathematics比较靠前
具体见：LiveBench
主楼
Draw2026-08-13
28981
从评分来看，感觉测得是回退前的版本？
二编：
回退前的ga版本太怪了
什么max<high,知识截止到24.06的
但站内确实又有效果极好，仿佛用的另一个模型的测试案例……
#1
superTomato2026-08-13
10334
我咋感觉更新后 flash 反而变得更好用了，pro 纯陪跑
#2
DROP_TABLE.user_info2026-08-13
11025
咋看起来像某位flash＞pro的哈基米
#3
crazycrazyshui2026-08-13
4839
目前看来应该就是没有上错模型，就是训练失败了，但是又赶着训练下一代，就先把这个发上来了，没想到市场哗然了
希望下一代加油吧，deepseek自从r1之后，除了flash0731还行，其他都有点拉完了。deepseek要是不努点力，z/和k/真要肆无忌惮涨价了
#4
fade588872026-08-13
16467
不太清楚，主要是推理能力太弱了，之前k3刚出来推理能力仅次于sol ，这ds p ro 这还没flash 强，难绷
#5
Draw2026-08-13
28981
确实，充满了一种现实的魔幻味
pro不如flash的……
#6
fade588872026-08-13
16467
当初哈基米flash 强了以为3.5pro 有大招，结果难产了，flash 成了哈基米最强的，这样ds 还不如难产，总归有期待^-^
#7
Kasetelut2026-08-13
14949
现在看感觉跟有问题一样，等等官方消息放出来之后的版本吧
#8
rocsy2026-08-13
34280
补一个aa的评测结果
#9
WWT2026-08-13
34225
这到底是哪个维度的ds啊
跟进入了四维空间似的都不知道到底信谁了^-^^-^
#10
翠花上酸菜2026-08-13
5180
暂时就当V4pro死了吧，没有用的必要，flash还是可以蹬的
#11
WWT2026-08-13
34225
感觉不会Gemini3.5pro化吧^-^^-^
#12
Miluko2026-08-13
22683
这样看怎么感觉flash和pro基本没啥区别呢 ^-^
虽然livebench里标明了pro仍然是cost per task最低的那个，比flash还低
不过差不多也是opus4.8的水平了，价格不变的话应该是很有性价比的
coding太差真的有些致命，毕竟api用量的大头还得是coding，这点反观k3和qwen3.8就做的比较好
#13
merenguesL2026-08-13
29371
deepseek官方不知道什么情况，如果正式发布了起码给个公告吧，没有正式发布的话就不要提前搞得满城风雨，又是微信群又是官网横幅的。现在这种发布了又不官宣，大家都很失望的氛围真的很奇怪。。。
#14
杵凌2026-08-13
28343
要么是练炸了，要么就是赶鸭子上架，DS RL本来就是强项，和自300B的Flash模型拉不开差距，不现实的。
何况Flash后训练大家也有目共睹，直接是能用和不能用的改变。
Hermess都没有出来，实际价格也没有改变，很难不怀疑GA到底有没有真的全量。
#15

发表回复

登录后回复