证据记录

DeepSeek V4 Pro (max)

PortBench · 证据记录

原文未注明机构 / 2026-10-25 source capture / Capability · 任务能力

原始来源图表与材料

PortBench

原始评测方结果 · 来源顺序

0–100%

DeepSeek V4 Pro (max)

DeepSeek V4 Pro (max) · 44% · CAISI 的保留软件工程评测采用参考实现和明确智能体预算。 · Inspect ReAct · 见报告特定样本与分母。

44%

显示 1 / 1 个系统

CAISI 的保留软件工程评测采用参考实现和明确智能体预算。

任务集未公开，连续评分不同于二元任务成功。本评估显示报告日期和原始执行方。

评测条件与系统配置

DeepSeek V4 Pro (max): 见报告特定样本与分母。 · PortBench; modelVersion: DeepSeek V4 Pro (max) · harness: Inspect ReAct · tools: Software engineering environment · budget: 1M weighted tokens

PortBench · 原文顺序
系统 / 配置	Reported task accuracy	发表 / 核验日期
DeepSeek V4 Pro (max)Inspect ReAct	44%	发表2026-05-01

实际评测: 美国 NIST／CAISI · 模型档案 →

CAISI 的保留软件工程评测采用参考实现和明确智能体预算。

主维度依据所述测量确定；背景风险关联不证明有害部署能力。

原文 Capability Results; Figure 2 报告的测量；转录不等于独立复现实验。

任务集未公开，连续评分不同于二元任务成功。

数值结果由所引研究的作者报告。