内测试考
DeepSeek V4.1 Flash 声律两卷内测试考
2026-09-08 · 二〇二六年九月榜
深度求索限期内测版 deepseek-v4.1-flash 考了声律榜两卷：判律 86.9、控律 54.7，与本厂在榜席位 deepseek-v4-pro-0813 两卷皆统计并列。
判律、控律对照
| deepseek-v4.1-flash 新版 |
deepseek-v4-pro-0813 本期本厂席位 |
该榜 当期榜首 |
|
|---|---|---|---|
| 判律 TONE·判综合分 | 86.9＝[83.8, 89.6] | 87.4[84.9, 89.8] | 88.9 |
| 错字分 | 67.8 | 68.5 | 70.1 |
| 控律 TONE·控控律分 | 54.7＝[47.4, 62.2] | 57.9[49.9, 65.8] | 63.9 |
| 合律率 | 95% | 100% | 100% |
方括号内为该分数的 95% bootstrap 置信区间。名次以区间为准：区间重叠视为统计并列，点估计的零点几分之差不作数——所以「＝」行即便分数看着涨了，也只算持平。
「该榜当期榜首」逐榜取该榜真正的第一名，四榜榜首并非同一家。新版自己居首时，附上它掀翻的原榜首。
深度求索的 flash 线本期没有同门旧版成绩可比——两卷都没考过 v4-flash。第二列取的是本期深度求索席位 deepseek-v4-pro-0813，它属 pro 线、与 flash 不同档，只能读作「与本厂在榜席位的距离」，不宜读作代际升降。
本版是限期内测版本（型号名自带失效日期），不占本期席位、不进正式榜单。表中名次是「若它接替本厂席位则列第几」的推算位次，卷面与在榜各席同题同判。
控律卷每类只有 20 首，区间天然偏宽：本榜第 3 名到第 10 名的区间几乎彼此重叠，名次的点估计变动不足以说明高下，一律以区间为准。
这次内测试考的结论
- 判律 TONE·判：统计并列。
- 控律 TONE·控：统计并列。
本页只复测了这一席，其余各席分数沿用本期原始成绩，未重跑。本次只考了判律 TONE·判、控律 TONE·控，其余各榜未参评，故不列出。
怎么测的
- 同题同卷。复测沿用本期原卷，与在榜各席做的是同一套题，分数直接可比。
- 裁判是规则。判律、控律全部由确定性规则引擎逐字核验；诗才、诗评为双盲互评、剔除自评。
- 旧版留在档里。旧版分数取自 2026-09-04 的榜单快照，可在发布记录原样回看当日榜单。
完整方法论见榜单设计原则。