Модель DeepSeek-V4.1-Flash-1017 заняла первую строчку в рейтингах открытых моделей Agent Arena и Code Arena: WebDev. В общем зачете платформа присвоила нейросети 11-е место.
Оценка базируется на 7498 сессиях, где модель показала чистый прирост эффективности в 5,13%. Среди открытых решений она лидирует по подтверждению выполнения задач (11,54%), отзывам пользователей (5,89%) и надежности исполнения Bash-команд (5,42%).
Показатель галлюцинаций при использовании инструментов составил 0,48%, что обеспечило модели 7-е место в этом сегменте. Индекс управляемости зафиксирован на уровне 2,46%, что также является лучшим результатом среди открытых моделей.
Медианная стоимость выполнения одной задачи варьируется от $0,18 до $0,19. Модель включена в так называемую границу Парето, что означает оптимальное соотношение производительности и затрат на фоне других участников рейтинга.
