DeepSeek-V4「跑分泄露」全网疯传？硬核打假来了！

除夕夜，阿里Qwen3.5正式发布并开源。

但这篇文章，我们不聊千问。

因为同一天，一件更有意思的事情发生了。

一张声称是DeepSeek-V4的「泄露跑分图」在网上疯传，几十万次浏览。

SWE-Bench 83.7%，AIME 2026 99.4%，FrontierMath 23.5%，HLE 56.2%。

数字一个比一个好看。

然而，这大概率不是真的。

这张图来自网友 @bridgemindai。

图里列了五个模型的对比数据，DeepSeek-V4-Thinking在所有指标上都排第一。

如果这些数字是真的，DeepSeek-V4就是目前地球上最强的 AI 模型，没有之一。

但社区笔记（Community Notes）很快挂上了一条标注。

AIME 是美国数学邀请赛，15 道题，满分 15 分。

AI 评估中常用的扩展版本总共 120 道题，可能的满分成绩只有两种：119/120 是 99.2%，120/120 是 100%。

99.4% 对应的是 119.28 道题。

小数点后面的 0.28 道题，是怎么来的？

一个不可能出现的分数，暴露了整张图的问题。

而且不只是 AIME 的数据有疑点。

帖子里声称 FrontierMath 达到 23.5%，「比GPT-5.2好 11 倍」。

但看看配图里的数据，GPT-5.2 High的 FrontierMath 成绩是 18.8%，23.5% / 18.8% = 1.25 倍。

应该是把DeepSeek-V3.2的 2.1% 错当成了GPT-5.2的成绩。

更离谱的是，另一个网友拿着这些未经验证的数据，又做了一张更精美的「分析图表」。

标题写着 「DEEPSEEK V4 LEAK: 83.7% SWE-Bench」，旁边配了「Breakthrough Reasoning」「Efficiency & Speed」「Enhanced Security」三段煞有介事的分析。

看得我几乎都要相信了。

假图归假图。

但DeepSeek-V4即将发布，并非空穴来风。

1 月 1 日，DeepSeek 创始人梁文锋亲自署名了 mHC 论文，解决字节「超连接」在大模型训练时信号爆炸的问题。

1 月 13 日，又一篇 Engram 条件记忆论文，把静态知识检索和动态推理拆开处理。

1 月 20 日，开发者在 FlashMLA 代码库里挖到 28 处「MODEL1」引用，分布在 114 个文件中。

架构和V3.2完全不同。

而这个日期，恰好是R1发布一周年。

2 月 11 日，DeepSeek 悄悄把上下文从 128K 扩到了百万 tokens，知识截止日期也更新了。

论文是真的，代码是真的，产品升级也是真的。

但那张被疯狂转发的跑分图，大概率是假的。

The Information 曾爆料V4在 HumanEval 上跑到了 90%，SWE-Bench 超过 80%。

这些数据来自「知情人士」和「内部测试」，听起来比那张图靠谱得多，但同样没有经过独立验证。

真的假的都在传，因为大家太渴望下一个「DeepSeek 时刻」了。

我是木易，Top2 + 美国 Top10 CS 硕，现在是 AI 产品经理。

关注「AI信息Gap」，让 AI 成为你的外挂。