DeepSeek V4 Flash凭LLM验证器实现推理效率革命，Terminal-Bench准确率达88%，成本仅竞品1/4，逼近Fable5性能。
核心内容：
1. LLM-as-a-Verifier验证器核心思路（多候选+自我验证）
2. 实验数据：采样5次+验证准确率88%（对比采样1次79%）
3. 成本-性能优势：成本1/4-1/11，逼近Fable5等闭源模型

DeepSeek V4 Flash 通过 LLM-as-a-Verifier（大模型作为验证器），在Terminal-Bench 2.1上把准确率从79%直接拉到88%，同时成本只有闭源竞品的1/4到1/11。

这不是简单的模型变强了，而是推理阶段的效率革命。

核心思路其实很朴素：

1. 让同一个模型生成多个候选答案（比如采样5次）
2. 再用这个模型自己当裁判，对候选答案进行打分、排序、筛选
3. 选出最优解

当开源模型已经足够强、推理成本又足够低时，多生成几次 + 自己验证就成了性价比极高的策略。

实验数据显示：

1. 采样1次：约79%
2. 采样3次 + 验证：明显提升
3. 采样5次 + 验证：达到88%

在成本-性能曲线上，DeepSeek V4 Flash + Verifier 的表现非常漂亮——成功率接近甚至超过部分GPT-5.6和Claude Fable 5系列模型，但单价低得多。

https://x.com/Azaliamirh/status/2089469598240510144https://github.com/llm-as-a-verifier/llm-as-a-verifier

#DeepSeek #AI #Fable5 #Calude #GPT #GLM #Qwen #LLM #Harness

登录查看剩余 70% 内容