DeepSeek V4 опережает конкурентов в 12 тестах — утечка результатов
В сети появились предполагаемые данные технического отчёта DeepSeek V4 — таблица с результатами на 12 популярных бенчмарках. Пользователь @xiangxiang103 опубликовал скриншоты, где свежий флагман китайской компании сравнивается с Gemini 3.1 Pro, GPT-5.3, Opus 4.6 и GPT-4.1. Хотя официального подтверждения пока нет, если цифры верны, DeepSeek V4 становится лидером во всех направлениях.
На тесте MMLU-Pro, оценивающем междисциплинарные экспертные знания, DeepSeek V4 набирает 91,2 балла, опережая Gemini 3.1 Pro Preview (90,0), GPT-5.3 (88,4) и Claude Opus 4.6 (86,7). Разрыв указывает на значительное преимущество модели.
В математическом олимпиадном бенчмарке AIME 2025 DeepSeek V4 показал 96,4 балла, следом идут Gemini 3.1 Pro Preview с 95,0 и GPT-5.3 с 94,6, что говорит о высокой конкуренции в области математики.
В соревнованиях по программированию Codeforces DeepSeek V4 достигает 2767 рейтинговых баллов — уровень сильного человеческого гроссмейстера, демонстрируя отличные способности писать алгоритмический код. Однако при исправлении ошибок в реальных репозиториях (SWE-bench Verified) успех модели снижается — лишь 59,6% исправленных ошибок, что подчёркивает сложность этой задачи для всех LLM.
На платформе WebArena, где требуется выполнять многошаговые действия в интернете, DeepSeek V4 набирает 58,7%, а GPT-4.1 — 44,8%, показывая, что эта область остаётся вызовом.
Если утечка соответствует действительности, DeepSeek V4 становится бесспорным лидером среди 12 тестов, за ним следует Gemini 3.1 Pro Preview. GPT-5.3 и Claude Opus 4.6 сохраняют высокий уровень, но уступают по большинству показателей. Агентные задачи будут ключевым вызовом для индустрии в ближайшие годы.
Ожидается официальный анонс DeepSeek, который может существенно изменить расстановку сил на рынке больших языковых моделей, выведя китайскую разработку в лидеры.
Делегируйте рутинные задачи с BotHub! Сервис доступен без VPN и с российской картой. Получите 300 000 бесплатных токенов для первых заданий и приступайте к работе с нейросетями уже сегодня!