DeepSeek V4基准测试泄露？消息疑似为假

格隆汇2月16日｜据新智元，一张图在全网疯狂刷屏了！据说，DeepSeek V4的基准测试已经泄露，整个AI圈都震了。有大V总结道：AI编程大战，已经达到了新的高峰。泄露信息显示，DeepSeek V4在SWE-bench Verified上取得了惊人的83.7%，超过了Claude Opus 4.5（80.9%）和GPT-5.2（80%）。可以说，100万+上下文长度+Engram记忆机制=真正的全仓库级推理能力。

还有网友综合了全网DeepSeek V4消息，不仅在Humaneval、SWE_bench、上下文和成本上刷新成绩，而且发布时间预计在春节，也就是明天！成本：据称比OpenAI便宜20到40倍，预计发布时间：2月17日。如果是真的，DeepSeek将又一次改变游戏规则。总之，DeepSeek V4的发布时间，很可能是周一。据说，这是首个不落后于闭源顶尖模型，甚至能与之匹敌甚至超越的模型。

不过，这几张流传出来的基准测试，很快被怀疑是假的。比如在官方评分系统下，不可能有模型达到99.4%的分数。最高分只能是99.2%或 100%。另Epoch AI也确认，FrontierMath的数据是伪造的，因为只有他们和OpenAI有权对该数据集进行评估。至少有两个基准测试被打假，证明这些图可信度确实不高。有趣的是，即便是假的，这也说明DeepSeek的确深得人心，网上的夸大其词的泄露就是DeepSeek成功最大的标志。