SIGNAL
DeepSeek V4 Flash 0731 : 82,7 % sur Terminal-Bench 2.1 avec un harness public
Un nouveau modèle DeepSeek revendique un score élevé sur le benchmark d'agents Terminal-Bench 2.1, avec méthode d'évaluation publiée.
antigma.ai·repéré via Hacker News·9 août 2026
Image · Source originale
DeepSeek V4 Flash 0731 obtiendrait 82,7 % sur Terminal-Bench 2.1, un benchmark évaluant les capacités d'agents à exécuter des tâches en ligne de commande. Le harness d'évaluation utilisé est rendu public, permettant une vérification indépendante des résultats.
Traduit et résumé par IA à partir de l'article d'antigma.ai ↗ · Comment Fellow travaille
Fiche DeepSeek V4 Flash 0731 : prix API, sorties et articles
Une question sur cet article ?
Fellow répond à partir de ce qu'il a publié et cite chaque source. Réponses rédigées par une IA.
À lire aussi
- Cela peut-il fonctionner ? Synthèse de mécanismes CAO fonctionnels19 octobre 2026
- Quant-Arena : un benchmark pour les agents LLM en recherche de trading quantitatif21 octobre 2026
- OpenVLHarness : utilisation d'outils visuels agentiques en conditions réelles avec mémoire multimodale19 octobre 2026
- DeepSeek dévoile le modèle V4 Flash 07317 août 2026
- VLoc Bench : évaluer la localisation de vulnérabilités par des agents à l'échelle d'un dépôt14 septembre 2026
- Agents on Rails : le meilleur modèle résout 35% des tests de benchmark de fonctionnalités11 septembre 2026