• 风_云雨

    图片

    目前测试了 5*5 轮,大概只有 2/5 的比例是 0813 版本.

    图片

    昨晚凌晨 23 点左右的比例也是 2/5 ,所以大部分人没有成功路由到 0813 版本.

    仅供猜测,具体以官方公布为准

    主楼
  • 风_云雨

    虽然他的官方公告写了 已经上线了,但不知道为什么没有路由到 0813 版本

    #1
  • calendar

    用脏 token 测试会比较准一点

    #2
  • Z-linuxdo

    我一直没法在思维链里显示Nameeee,Repeat Nameeee一直说回复中断

    #3
  • WWT

    8月初都能跳票成进入8月中了

    正式版全面部署小跳一步也不是问题

    不过还真跟我昨天晚上想的一样

    这用的不会是预览版吧 越看越眼熟^-^^-^

    #4
  • 风_云雨

    知识库也是准的用来测版本,我又不是测试是不是 Deepseek 的模型

    #5
  • biribiri

    我觉得不像,aa那边分数都出来了,v4p 0831只有53分,0731flash是52分,符合大部分人现在的体感,和flash差不多,部分task可能还不如。。。反正目前几个出分的第三方都不好看

    图片

    #6
  • Rhachin

    难道是想跟着harness一块发布吗 ^-^

    #7
  • WWT

    现在似乎都不是分数问题了 思考深度好像都有问题

    max打不赢high

    #8
  • af143c

    好像凌晨的时候回撤了一波,据说是撤回去加了安全护栏?

    #9
  • neteroster

    官方目前已经写明确了

    图片

    图片

    图片

    #10
  • oreoflurry

    qwen3.8那次也是第一天拉完了第二天支棱起来

    #11
  • biribiri

    是思维链长了会容易复读发狂想太多之类的情况,所以思考强度开高了模型能力反而下降。。。好像现在跑分最高是low。。。感觉是思维链练炸了

    #12
  • Ringo

    官方都全面更新转正了,你说MAX思考等级有Bug还说得过去,不会是没上线。

    #13
  • 万能的AI

    api是已经更新了,codex能直接用。

    #14
  • WWT

    这波是抽象斯拉夫工作室

    这种错误应该内测都过不了吧

    还是说真的,连部署都部署错了

    一般来说ds不至于分数造假 之前预览版说实话也挺区的 但也没到不承认的地步

    #15
  • DanFx

    問了個糖果問題,明明2分多鐘就算出答案,硬要自我懷疑多想了幾輪拖到5分多鐘,麻了

    #16
  • biribiri

    不好说,我看到一个不知真假的消息,推上有人说0813面对某些benchmark问题会基本完全不思考直接出答案。。。不过不知道是不是在乱说

    #17
  • WWT

    我刚才又测了一下脏token

    感觉有点不对味啊

    图片

    图片

    #18
  • 冷子月

    啊 真相大白!

    根因浮出水面!

    我明白了!

    他到底自己在燃什么 - -

    #19

发表回复

登录后回复