AI AI工具情报站
模型动态X:Arena (@arena)

20261017 (Max) 登顶 Agent Arena 开源模型第一

📰 X:Arena (@arena)📅 2026-10-19T18:18:50.000Z

核心亮点

评测平台 Arena 宣布,DeepSeek-V4.1-Flash-20261017(Max)成为 Agent Arena 第一的开源模型,总排名第 11。它在超过 7500 条真实会话上的净提升达 +5.1%,中位任务成本仅 0.20 美元,约为 GPT-6.1 Sol 成本的 27%,Confirmed Success 提升 +11.5% 且无工具幻觉问题。

具体能力或事件经过

Agent Arena 评的是"智能体干活"的能力,不是做选择题。DeepSeek 这个版本在真实多轮任务里既更准(Confirmed Success +11.5%)又更便宜(成本仅旗舰的约三成),还顺手解决了"幻觉调用不存在的工具"这个 agent 老大难。

技术细节

"Confirmed Success"衡量的是任务被真正完成的比例,比单纯自评更硬。"无 Tool Hallucination"说明它在调用外部工具时不会编造接口或参数,这对生产环境至关重要——否则 agent 跑着跑着就调了个不存在的 API。0.20 美元的中位成本则让它在性价比上极具杀伤力。

与竞品对比

相比 GPT-6.1 Sol 这类闭源旗舰,DeepSeek 用约三成成本拿到可比甚至更稳的 agent 表现,且完全开源可自部署。对预算敏感、又想要可控性的团队,这是目前最香的一档。

行业影响或适用场景

对做 AI 应用的中小团队,这类高性价比开源 agent 模型意味着可以把"调用旗舰 API"的成本压下来,又不被供应商锁定。对行业,开源模型在 agent 基准上追平闭源,正在改写采购决策。