Resultados do DeepSeek V4 Flash 0731 no ARC-AGI
O artigo apresenta os resultados do benchmark ARC-AGI para o modelo DeepSeek V4 Flash 0731. Ele vincula à página oficial de resultados hospedada pela organização ARC Prize.
DeepSeek lança V4-Flash-0731, superando o V4-Pro a um custo menor
A DeepSeek lançou o DeepSeek-V4-Flash-0731, uma versão atualizada de seu modelo "Flash" menor que supera o maior DeepSeek-V4-Pro em benchmarks independentes. O lançamento utiliza um novo processo de ajuste fino enquanto mantém a arquitetura original Mixture-of-Experts com 284 bilhões de parâmetros no total.
DeepSeek-V4 Flash 0731 vs GPT-5.6 Luna no DeepSWE: Custo e Codificação
Uma comparação entre DeepSeek-V4 Flash 0731 e GPT-5.6 Luna no benchmark DeepSWE revela que, embora GPT-5.6 Luna seja o engenheiro mais forte, uma estratégia em cascata usando ambos os modelos alcança maior precisão a um custo menor.
Qwen 3.8 Max é classificado como o melhor modelo geral à frente do Opus 5 pela Artificial Analysis
A Artificial Analysis atualizou seu índice agêntico para classificar o Qwen 3.8 Max como o melhor modelo geral, colocando-o à frente do Opus 5.
SciCode-Verified corrige defeitos de benchmark para revelar a verdadeira capacidade de codificação científica dos modelos
Os autores identificam que a estagnação das pontuações no benchmark SciCode decorre de defeitos significativos no instrumento de avaliação, e não de limitações na capacidade dos modelos. Uma auditoria realizada por especialistas de domínio em 65 problemas de teste revelou 263 defeitos, dos quais 192 causavam a rejeição incorreta de soluções corretas devido a problemas como respostas padrão não reproduzíveis e tolerâncias excessivamente restritivas.
Alibaba anuncia Qwen3.8-Max com 2,4T de parâmetros e pesos abertos em breve
A Alibaba anunciou o Qwen3.8-Max como seu novo modelo principal, descrevendo-o como uma arquitetura esparsa de 2,4T de parâmetros focada em trabalho agêntico de longo prazo, codificação e raciocínio multimodal. A empresa confirmou que os pesos abertos do Qwen3.8-Max serão lançados na próxima semana junto à variante de pesos abertos Qwen3.8-27B.
Qwen 3.8 Max marca 1588 no Debate Benchmark, acima dos 1462 do Qwen 3.7 Max
O Qwen 3.8 Max alcançou uma pontuação de 1588 no Debate Benchmark, superando a pontuação de 1462 do Qwen 3.7 Max. Este benchmark avalia o quão bem os grandes modelos de linguagem sustentam um argumento sob oposição adversarial e multironda em vários tópicos.
DeepSeek v4 flash lidera modelos de peso aberto em velocidade e custo em tarefas agênticas
Uma avaliação interna de modelos de peso aberto em tarefas agênticas difíceis encontrou o DeepSeek v4 flash como a opção mais rápida e barata entre seus pares. O teste envolveu fluxos de trabalho de longa duração em vários aplicativos, avaliados por verificações determinísticas que exigem sucesso total.
Qwen3.8-Max iguala Kimi K3 e DeepSeek V4 Flash em benchmarks
O Qwen3.8-Max (2.4T) é um novo modelo de pesos abertos que tem desempenho muito próximo ao do Kimi K3 e do DeepSeek V4 Flash em todas as categorias de benchmarks, enquanto demonstra desempenho superior em tarefas de codificação e software.
Qwen 3.8-Max lançado, ocupando a posição #2 no Vision Arena
O Qwen 3.8-Max foi lançado e atualmente ocupa a posição #2 no ranking do Vision Arena, ficando atrás apenas do Claude Fable 5 Max.
DeepSeek-V4-Flash-0731 supera Fable-5, Sol e Kimi-K3 em benchmark de xadrez
O artigo anuncia que o modelo DeepSeek-V4-Flash-0731 superou Fable-5, Sol e Kimi-K3 em um benchmark de xadrez.
Levent Bulut avalia a confiabilidade da anotação de LLMs em projeção objetiva
Levent Bulut publicou um benchmark com três estudos avaliando a confiabilidade das anotações geradas por máquinas para um corpus narrativo turco, revelando discrepâncias significativas entre os classificadores automatizados e o julgamento humano. O estudo testou seis características de ofício binárias em 120 e 100 cenas usando detectores baseados em regras e modelos incluindo Gemini 2.5 Flash, Grok, ChatGPT 5.5 e Claude Fable 5 High.
DeepSeek-V4-Flash-0731 atinge pontuação de inteligência de 50
O modelo DeepSeek-V4-Flash-0731 atingiu uma pontuação de índice de inteligência de 50, uma métrica que iguala o desempenho dos principais modelos de fronteira de março de 2026, que tinham uma pontuação de 51.
DeepSeek v4 flash de pesos abertos com 284B totais e 13B ativos força cortes de preço
Um meme traduzido circulando no Reddit indica que um concorrente teve que reduzir seus preços em 80% devido à pressão competitiva do DeepSeek v4 flash. Este modelo de pesos abertos possui 284 bilhões de parâmetros totais e 13 bilhões de parâmetros ativos, entregando métricas superiores de custo-benefício.
DeepSeek V4 Flash GA ocupa o mesmo lugar que Sonnet 5 e Grok 4.5 no DeepSWE
A DeepSeek afirma que seu novo modelo de disponibilidade geral, DeepSeek V4 Flash, atinge paridade de desempenho com Anthropic's Sonnet 5 e xAI's Grok 4.5 no benchmark DeepSWE.
DeepSeek-V4-Flash-0731 supera DeepSeek-V4-Pro-Preview em benchmarks
O modelo DeepSeek-V4-Flash-0731 agora supera significativamente o DeepSeek-V4-Pro-Preview em vários testes de benchmark.
DeepSeek V4-Flash alcança 50 no Índice ArtificialAnalysis
O novo modelo DeepSeek V4-Flash conseguiu uma pontuação de 50 no Índice ArtificialAnalysis. Esse resultado o coloca a apenas um ponto abaixo do GLM-5.2 e do GPT-5.6 Luna.
DeepSeek-V4-Flash-0731 supera o GLM 5.2 ao mesmo custo
O modelo DeepSeek-V4-Flash-0731 supera o GLM 5.2 mantendo o mesmo preço de seu antecessor.
Atualizações do DeepSeek V4 Flash com pontuações melhoradas no Terminal Bench e Toolathlon
A DeepSeek atualizou seu modelo V4 Flash, lançando uma nova versão em 2026-07-31 que apresenta ganhos significativos de desempenho em relação à versão anterior. A atualização introduz resultados para vários novos benchmarks enquanto melhora as pontuações nos existentes.
Kimi K3 supera Opus 4.8 na geração HTML com um único exemplo
Um usuário avaliou o Kimi K3 em comparação ao Claude Opus 4.8, executando 34 prompts de um único exemplo e avaliando o HTML, capturas de tela e GIFs resultantes usando o Sonnet 4.6. A avaliação concluiu que o Kimi K3 produziu resultados melhores do que o Opus 4.8.