刚才看了一下，DeepSeek V4.1 Flash 1017 的 Artificial Analysis（AA）评测结果终于出来了。

这次升级还是比较明显的，尤其是智能水平提升了不少。

📌 1. 智能指数：39 → 45 分，提升 6 分
在最新的 AA Intelligence Index v4.3.2 榜单中：
🔹 DeepSeek V4.1 Flash（旧版）：39 分
🔹 DeepSeek V4.1 Flash 1017：45 分
新版本提升了 6 分，增幅约 15.4%。
目前已经追平 GLM-5.3、Qwen3.8-Max，超过 MiniMax M3.1（42 分），距离 Grok 4.7（46 分）只差 1 分。
不过，距离第一梯队还有一定差距：
🔹 Claude Opus 5.5：58 分
🔹 Claude Sonnet 5.5：56 分
🔹 GPT-6 Astra：53 分
🔹 Gemini 4 Argon：53 分
🔹 GPT-6 Sol：52 分
我个人感觉这个成绩还是略低于预期的，可能是 AA 的可靠性也没那么好。

📌 2. Token 消耗：基本没有增加
同一套 Intelligence Index 任务所消耗的输出 Token：
🔹 旧版：约 89K Token
🔹 1017 新版：约 89K Token
也就是说，新版在总输出 Token 基本不变的情况下，智能指数提升了 6 分。
从结构来看，推理 Token 从约 63K 降到 59K，而答案 Token 从 26K 增加到 30K。
说明新版并不是简单地通过增加推理长度来提升成绩。

📌 3. 任务成本：0.49 → 0.26 美元，下降约 47%
这可能是 DeepSeek 最大的优势。
完成同一套 AA 评测任务：
🔹 DeepSeek 旧版：0.49 美元
🔹 DeepSeek 1017：0.26 美元
🔹 GLM-5.3：2.01 美元
🔹 GPT-6 Sol：0.72 美元
🔹 GPT-6 Astra：3.26 美元
尤其是与 GLM-5.3 相比，两者智能指数同为 45 分，但 DeepSeek 的任务成本只有它的约八分之一。
不过这里，平均输出 token 并没有变，单价也没有变，但是成本下降，也是有点神奇。（可能是缓存命中）

你觉得这个评测符合你的预期吗？

#大模型 #DeepSeek