DeepSeek V4.1 Flash、Terminal Bench 4.0評価が終盤と報告

DeepSeek V4.1 FlashをTerminal Bench 4.0で評価する作業が、まもなく終わりそうだ。金のニワトリ氏は9月13日、Xで進捗を伝えた。モデルの比較では結果の数字が注目されがちだが、今回は「評価を最後まで回す時間」そのものが、現場の判断材料として顔を出している。

長い評価が、ようやく終盤

今回の投稿はベンチマークの最終結果ではない。スコア、順位、総所要時間はまだ示されていない。現時点で分かるのは、評価が「もうそろそろ」終わりそうだという進捗と、Terminal Bench 4.0は評価に非常に時間がかかるという金のニワトリ氏の実感までだ。

完了前の短い報告だが、ベンチマークを実際に回す側の負担が見えるのは興味深い。結果表だけを読むと隠れてしまう、待ち時間を含めた評価の現実がある。

Ryzen AI Max+ 395への実感

引用された同氏の先の投稿によると、OpenCode GoでDeepSeek V4.1 Flashが4倍使える期間が延長されたため、手元のマシンで評価を再開したという。その過程で、Ryzen AI Max+ 395のCPU性能の高さを改めて実感したと述べている。

ただし、CPU性能について具体的な測定値や比較条件は示されていない。今回の内容は正式発表ではなく、実際に評価している金のニワトリ氏の途中報告だ。機種間の優劣を決める材料ではなく、長い評価を走らせた本人の見方として受け取りたい。完走後にスコアや条件が共有されれば、こうした使用感と測定結果を分けて確かめられる。今は続報を待つ段階だ。

参照したX投稿

金のニワトリ氏（@gosrum）の元投稿