ARC Prize 公布 DeepSeek V4.1 Flash 的 ARC-AGI 成绩

ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 评测中的成绩：ARC-AGI-2 得分 72.9%，每任务成本 $0.13；ARC-AGI-1 得分 94.5%，每任务成本 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 高 5.5 分，ARC-AGI-2 高 11.5 分，但每任务成本高约 250%。

相较 V4 Flash，V4.1 Flash 在两项 ARC-AGI 评测上都有提升，且 ARC-AGI-2 的提升幅度明显大于 ARC-AGI-1，说明其在更难的抽象推理任务上进步更突出；同时每任务成本上涨约 250%，能力与成本之间的权衡关系发生变化。

ARC-AGI-2 相较 ARC-AGI-1 更侧重抽象与组合推理能力，V4.1 Flash 在这一档提升更大，可能与其推理或搜索策略调整有关；但每任务成本上涨约 250%，暗示成绩提升伴随更高的计算或推理开销，能力增强并非以同等成本换取。证据未披露技术细节，具体机制无法确认。

对依赖 ARC-AGI 类抽象推理能力的产品场景而言，V4.1 Flash 提供了更高准确率，适合对正确率敏感、可接受更高单次任务成本的流程；成本敏感或高并发批处理场景需评估 250% 成本涨幅是否可承受，研发侧可能需要按任务难度分层选择 V4 Flash 与 V4.1 Flash。

• 在评估阶段按任务难度分层调度：简单任务用 V4 Flash，高难度抽象推理任务切到 V4.1 Flash，以控制整体成本。
• 针对 ARC-AGI-2 提升明显的抽象推理场景，构建以准确率为优先、可接受 $0.13/任务成本的专用工作流。
• 跟踪 ARC Prize 后续是否公布 V4.1 Flash 的完整评测细节，作为模型选型的补充依据。

• V4.1 Flash 相较 V4 Flash 在架构或推理策略上有何具体变化，证据未披露。
• 每任务成本上涨约 250% 的具体构成原因尚不明确。
• ARC-AGI-1 与 ARC-AGI-2 成绩相比同代其他模型的横向位置如何，证据未给出对比。
• 该成绩是否来自独立第三方复现，还是官方自报，证据未说明。