DeepSeek V4 Flash 自評篩選準確率升至 88% 超越 Claude Fable 5
來源：
x.com
Stanford 團隊用 DeepSeek V4 Flash 採樣 5 個答案並讓同一模型自評打分，在 Terminal-Bench 2.1 上準確率從 79% 提升至 88%，超越 Claude Fable 5，且成本僅爲對方 1/11。該方法驗證了 test-time scaling 的潛力，相關框架已開源，可復現。
