DeepSeek V4.1-Flash-1017 supera a Claude Opus 5 en DeepSWE, pero con matices
DeepSeek ha lanzado V4.1-Flash-1017, que obtiene 77,0 en DeepSWE frente a 74,0 de Claude Opus 5. Solo supera a Opus 5 en 4 de las 11 métricas que publica, y todas las cifras de comparación son medidas por DeepSeek. La mayor mejora respecto a la versión anterior, en Terminal-Bench 4.0 (de 31,2 a 42,3), coincide con un cambio de la herramienta de medición a Claude Code. Artificial Analysis midió la versión de septiembre en esa misma prueba y obtuvo 26,8. La afirmación de que la salida es más corta no tiene todavía cifras que la respalden.
Qué significa
Si evalúas modelos para programar, no tomes las comparativas del fabricante como base: prueba V4.1-Flash-1017 con tu propio código antes de cambiar.
Cómo te afecta
- Programadores
Antes de cambiar de modelo, lanza las mismas tareas de tu repositorio con tu agente actual y con V4.1-Flash-1017, y compara aciertos y tiempo. Las cifras de DeepSWE son de DeepSeek y la subida en Terminal-Bench se midió con Claude Code, así que no son directamente comparables con tu herramienta.
- CTO y tecnología
Antes de presupuestar un cambio de modelo, pide a tu equipo una prueba con su flujo real de trabajo. Las comparativas son del propio fabricante y la cifra de Terminal-Bench depende de la herramienta usada, así que no sirven como base para elegir proveedor.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- #LLMタグLeer la noticia completa en #LLMタグ