Thomas Wolf 点评 DeepSeek 称 Terminal-Bench 4.0 从 31.2 升至 42.3 只是小更新

我们现在已经习惯了，但 DeepSeek 把 Terminal-Bench 4.0 从 31.2 提升到 42.3 却称之为“小更新”，这真的很搞笑。

另外在 DeepSWE 上也报告了 77.0 的成绩（对比 Opus 5 的 74.0 和 GPT-5.6 Sol 的 73.0……）

最有趣的一行可能是：任务完成更快，输出更短。用更少的 token 是成本曲线坍缩的实用方式之一，但这一点往往被当作事后补充。

所有这些都延续了 DeepSeek 的传统，采用 MIT 许可的权重。

现在很好奇这些数字在他们自己的评测环境之外还能保持多少。