让DeepSeek-V4-Flash逼近Fable5的开源神器

DeepSeek V4 Flash通过LLM验证器，实现了推理效率的变革。其在Terminal-Bench上的准确率高达88%，成本却仅为竞品的1/4，性能已逼近Fable5。
核心要点如下：
1. LLM-as-a-Verifier验证器的核心思路是多候选与自我验证相结合。
2. 实验数据显示，采样5次时的验证准确率为88%，而采样1次时仅为79%。
3. 在成本与性能方面具有显著优势，成本仅为竞品的1/4至1/11，性能逼近Fable5等闭源模型。

，在Terminal-Bench 2.1上把准确率从79%直接拉到88%，同时成本只有闭源竞品的1/4到1/11。

这不是简单的模型变强了，而是

。

核心思路其实很朴素：

1. 让同一个模型生成多个候选答案（比如采样5次）
2. 再用这个模型自己当裁判，对候选答案进行打分、排序、筛选
3. 选出最优解

当开源模型已经足够强、推理成本又足够低时，

实验数据显示：

• 采样1次：约79%
• 采样3次 + 验证：明显提升
• 采样5次 + 验证：达到88%

在成本-性能曲线上，DeepSeek V4 Flash + Verifier 的表现非常漂亮——成功率接近甚至超过部分GPT-5.6和Claude Fable 5系列模型，但单价低得多。

https://x.com/Azaliamirh/status/2089469598240510144https://github.com/llm-as-a-verifier/llm-as-a-verifier

#DeepSeek #AI #Fable5 #Calude #GPT #GLM #Qwen #LLM #Harness

登录查看剩余 70% 内容