使用 Ante 0.preview.71 框架进行的独立评估确认，DeepSeek V4 Flash 0731 在 Terminal-Bench 2.1 上达到了 82.7% 的准确率，与 DeepSeek 此前公布的结果一致。

  • 该运行包含 89 个任务共 445 次试验，每个任务 5 次试验，并启用最大推理力度。
  • 模型在 445 次试验中成功完成 368 次，准确率为 82.7% (±1.79 SE)。
  • 评估通过 OpenRouter 使用 `deepseek/deepseek-v4-flash-0731` 模型，未启用任何技能。

所有配置和试验记录均在 Harbor 作业中公开可用，以供验证。

结果表明，DeepSeek V4 Flash 0731 的性能对评估框架敏感，为基准测试提供了有用的数据。