Agent Arena 排行榜显示，DeepSeek-V4.1-Flash-20261017位列开源模型第一、总榜第 11。根据榜单数据，该模型基于 7498 次线% 的综合净改善指标，单任务成本中位数约为 0.18 美元。

　　在具体指标方面，该模型的任务成功确认、用户正负反馈和 Bash 命令执行可靠性均位列开源模型第一。其中，任务成功确认指标为 11.54%，总榜排名第 8；用户正负反馈指标为 5.89%，总榜排名第 11；Bash 命令执行可靠性指标为 5.42%，总榜排名第 12。可引导性指标为 2.46%，总榜排名第 13，同样位列开源模型第一。

　　Arena 的榜单还显示，该模型的工具幻觉指标为 0.48%。该指标用于衡量模型虚构自身并不具备的工具的情况，数值越低意味着此类问题越少。按这一指标，该模型在榜单中排名第 7。

　　Arena 同时将该模型列入性能与任务成本的帕累托前沿，意味着在该评测所采用的指标下，它属于无法在性能和成本两方面同时被其他入选模型超越的模型之一。

　　特别

　　上海徐浦大桥1[*]2伤事故：官媒披露通报未提及白车原因：该车司机受伤送医，由警方全程陪同；“控制” 不等于定罪，责任认定尚待调查

　　罕见立案！刘国梁事件持续升级！国际乒联正式调查！25岁孙颖莎紧急发文“切割”！国乒大整顿来了，一个都逃不掉

　　特斯拉：公司CEO马斯克2025年考核未达标，全年实际到手收入为零，没有现金，也没有解锁任何股权