ARC Prize verifica DeepSeek V4 Flash con 61.4% a $0.04 por tarea
La evaluación externa de ARC Prize documenta cómo el modelo open-weight de Liang Wenfeng cae de 61.4% en Max effort a 46.0% en Low, con Max costando $0.04 por tarea.
By Ryan Merket · Published
Primary source: ARC Prize
Por qué importa
La evaluación externa de ARC Prize proporciona a los desarrolladores una medición específica por punto de control del rendimiento de DeepSeek V4 Flash en ARC-AGI-2, la curva de esfuerzo de razonamiento y el costo del benchmark.
ARC Prize verificó DeepSeek V4 Flash 0731 con 61.4% en la evaluación Semi-Private de ARC-AGI-2 con esfuerzo de razonamiento máximo, con un costo reportado de $0.04 por tarea. El resultado está vinculado al checkpoint del 31 de julio e incluye tres niveles de esfuerzo: 61.4% en Max, 56.0% en High y 46.0% en Low.…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.