DeepSeek V4 Flash 0731、独立した公開ハーネス実行（445回の試行）でTerminal-Bench 2.1で82.7%を達成

DeepSeek V4 Flash 0731モデルのベンチマーク結果について、独立した公開ハーネスを用いた検証結果を報告しています。DeepSeekは未公開のハーネスで高いスコアを主張しましたが、公開ハーネスではそれに匹敵する結果が得られました。

• DeepSeek V4 Flash 0731モデルが公開ハーネス実行でTerminal-Bench 2.1にて82.7%を達成した。
• 独立した公開ハーネスでの検証結果が報告されている。
• 未公開ハーネスでの高いスコア主張に対し、公開ハーネスで同等の結果が得られたと説明されている。