Aggiornamento del benchmark
Un nuovo modello, gli stessi 60 esercizi
DeepSeek V4.1 Flash ha completato 33 esercizi di Analisi Matematica III e 27 di Fisica Generale II, tratti dagli esami del 2025 e 2026. Ogni esercizio è stato somministrato separatamente con lo stesso prompt e dataset del panel esistente. Il thinking era attivo con reasoning effort high, come nella precedente configurazione V4 Flash con ragionamento.
Le risposte sono state valutate in cieco con le rubric T1–T8 approvate e congelate, prima dell’unblinding. Il confronto comprende ora 17 configurazioni modello-modalità. V4.1 Flash non stabilisce un nuovo record di accuratezza: il risultato principale è l’equilibrio tra correttezza, tempo di risposta e costo stimato.
9Classifiche composite vinte
97.23Punteggio medio della rubric
92.2 sTempo trascorso mediano
Classifiche composite
Le nove classifiche che guida
V4.1 Flash è primo con Quality first, Balanced e Low cost in ciascuna delle tre selezioni di materia. Si tratta di nove combinazioni tra preset e materia, non di nove criteri qualitativi indipendenti o di nove esperimenti separati.
| Preset | Selezione | Posizione | Punteggio composito |
|---|---|---|---|
| Quality first | Tutte le materie | 1° su 17 | 91,48 |
| Quality first | Analisi Matematica III | 1° su 17 | 91,83 |
| Quality first | Fisica Generale II | 1° su 17 | 89,02 |
| Balanced | Tutte le materie | 1° su 17 | 89,50 |
| Balanced | Analisi Matematica III | 1° su 17 | 89,69 |
| Balanced | Fisica Generale II | 1° su 17 | 87,91 |
| Low cost | Tutte le materie | 1° su 17 | 91,42 |
| Low cost | Analisi Matematica III | 1° su 17 | 91,60 |
| Low cost | Fisica Generale II | 1° su 17 | 90,37 |
Quality first assegna il 75% alla correttezza, il 15% alla velocità e il 10% al costo. Balanced usa 50%, 25% e 25%; Low cost usa 30%, 15% e 55%. Tutti e tre attribuiscono peso zero ai token. I punteggi combinano metriche normalizzate con la formula geometrica ponderata del sito: non sono punteggi grezzi della rubric.
Data & methodApri la classifica Balanced ↗.
Correttezza
Correttezza elevata, senza guidare Accuracy only
Eliminando i compromessi legati alle risorse, l’ordine cambia. Con Accuracy only, V4.1 Flash è quarto complessivo, terzo in Analisi III e sesto in Fisica II. Sol guida la classifica generale; il precedente V4 Flash precede immediatamente V4.1 Flash.
| Posizione complessiva | Configurazione | Punteggio del preset | Punteggio medio della rubric |
|---|---|---|---|
| 3 | GPT-5.6 Sol | 98,86 | 98,72 |
| 7 | DeepSeek V4 Flash | 94,55 | 97,24 |
| 8 | DeepSeek V4.1 Flash | 94,52 | 97,23 |
| 11 | DeepSeek V4 Pro | 93,02 | 96,71 |
V4.1 Flash e V4 Flash hanno medie complessive quasi identiche: la differenza non arrotondata è inferiore a 0,01 punti della rubric. V4.1 è migliore in Analisi III ma peggiore in Fisica II. Produce 32 risposte perfette, contro le 42 di V4 Flash, pur mantenendo una mediana di 100.
Rispetto a V4 Pro, V4.1 guadagna 0,52 punti medi della rubric, anche se Pro mantiene il minimo più alto. Sol precede V4.1 di 1,49 punti complessivi. Sono differenze osservate nel benchmark, non prove di superiorità universale.
Profilo delle risorse
Il tempo di risposta spiega gran parte del cambiamento
| Metrica osservata | DeepSeek V4.1 Flash | DeepSeek V4 Flash | DeepSeek V4 Pro | GPT-5.6 Sol |
|---|---|---|---|---|
| Tempo trascorso mediano | 92,2 s | 188,0 s | 202,4 s | 307,0 s |
| Costo medio stimato / esercizio | $0,02600 | $0,00641 | $0,01517 | $0,46342 |
| Token di output fatturati · media | 21 489 | 22 511 | 17 100 | 15 340 |
Il tempo mediano di V4.1 Flash è inferiore del 51,0% rispetto a V4 Flash e del 54,4% rispetto a V4 Pro. È inoltre inferiore del 70,0% rispetto a Sol, con un costo stimato più basso del 94,4%. Questa combinazione gli permette di guidare Balanced, anche se Sol rimane più accurato.
All’interno di DeepSeek, il quadro dei costi è diverso: V4.1 Flash costa circa 4,06 volte le run archiviate di V4 Flash e il 71,4% in più di V4 Pro. Vince per l’equilibrio ponderato, non perché sia il più economico. L’output fatturato è solo il 4,5% inferiore a V4 Flash e il consumo totale di token è il secondo più alto del panel.
Data & methodI valori delle risorse provengono dal CSV di token e costi ricavato dalle esecuzioni ↗.
Limiti
Dove termina il vantaggio
V4.1 Flash è quarto complessivo con Low latency, dove la velocità riceve il 60% del peso. Con Equal weights, che attribuisce ai token la stessa importanza di correttezza, velocità e costo, scende al quattordicesimo posto. L’elevato consumo di token pesa quando questa metrica entra nel composito.
La correttezza è elevata ma non uniforme: due risposte ottengono meno di 80, inclusa una risposta di Fisica II da 50 punti. La verifica indipendente raggiunge 99,29 dove applicabile, mentre i risultati finali sono la dimensione aggregata più bassa della rubric, con 96,22. Il risultato è forte, senza implicare che gli errori finali siano scomparsi.
Conclusione
Un equilibrio migliore, non un dominio assoluto
DeepSeek V4.1 Flash conquista il primo posto in nove classifiche composite definite con precisione. Il suo punto di forza è un’elevata correttezza con tempi registrati molto più brevi rispetto alle precedenti configurazioni DeepSeek con ragionamento, a un costo nettamente inferiore a Sol. Non guida Accuracy only, rimane più costoso delle run archiviate di V4 Flash e V4 Pro ed è intensivo nell’uso dei token. In questo panel, il risultato rilevante è la combinazione delle metriche.
References
Sources and further reading
- UniAIBench (2026). Overall ranking · 17 configurations × 60 exercises ↗.
- UniAIBench (2026). Token, cost and timing summary ↗.
- DeepSeek (2026). DeepSeek V4.1 Flash announcement ↗. Nota di rilascio ufficiale del provider.
Pricing note. Cost figures are historical estimates based on the rates recorded with the benchmark runs. Provider prices, peak/off-peak rules, exchange rates and subscription limits can change; current commercial pages may therefore differ from the archived snapshot.