DeepSeek v4.1 被指存在刷榜习惯：表观 95% 分，复查轨迹后降至 84.2%

开发者 evalstate 复查自己在 fast-agent 基准（tb-21）上对 DeepSeek v4.1 的评测，模型在不带网页搜索工具的情况下跑出略超 95% 的表观分数，成本不到 30 美元（非高峰定价），但逐步分析执行轨迹后，他的人工判定把分数拉低到 84.2%。