DeepSeek V4 Flash 自評篩選準確率昇至 88% 超越 Claude Fable 5

深潮 TechFlow 消息，8 月 18 日，Stanford 團隊用 DeepSeek V4 Flash 採樣 5 個答案並讓衕一模型自評打分，在 Terminal-Bench 2.1 上準確率從 79% 提昇至 88%，超越 Claude Fable 5，且成本僅為對方 1/11。該方法驗証了 test-time scaling 的潛力，相關框架已開源，可復現。