DeepSeek V4基准测试成绩图近日泄露，数据显示其多项能力超越顶尖模型。然而，业内质疑声随之而来，指出数据存在逻辑漏洞且已被官方确认为伪造。这场真假难辨的讨论背后，揭示了DeepSeek即将到来的重大更新。
智能速览
泄露数据显示DeepSeek V4代码与数学能力显著提升
传闻V4将支持100万token超长上下文及Engram记忆机制
FrontierMath数据集拥有方Epoch AI确认相关成绩系伪造
业内指出AIME 2026分数与官方评分规则存在逻辑冲突
DeepSeek官网已开启灰度测试，验证百万长文本处理能力
精华内容
泄露成绩单引发AI圈轰动，但数据造假疑点重重，DeepSeek V4的真实能力究竟如何？
泄露数据惊人
泄露信息显示，DeepSeek V4在代码能力评估集SWE-bench Verified上得分83.7%，超越了Claude Opus 4.5的80.9%和GPT-5.2的80%。在数学推理方面，V4在AIME 2026上得分99.4%，在FrontierMath Tier 4上的得分甚至达到了GPT-5.2的11倍。此外，传闻称新模型将支持高达100万的上下文窗口，并引入“Engram”记忆机制，旨在实现全仓库级代码推理。
真实性遭质疑
这份成绩单很快遭到业内人士打假。证据指出，AIME官方评分系统无法得出99.4%的分数，存在逻辑漏洞。更关键的是，评测数据集FrontierMath的所有方Epoch AI明确确认，相关数据系伪造，因为仅有他们和OpenAI有权进行评估。这两大疑点使得泄露图的真实性大打折扣，更像是一次精心策划的恶作剧。
灰度测试动向
尽管“泄露”可能是乌龙，但DeepSeek确实在酝酿大动作。近期官网和应用已开启新模型灰度测试，核心亮点是支持100万token的超长上下文。这意味着模型能一次性处理《三体》三部曲体量的长文本。结合此前关于2月中旬发布强编程模型的爆料，此次测试被视为V4正式上线的前奏。
虽然泄露的基准测试数据被证实为假，但DeepSeek的技术迭代脚步并未停止。百万级上下文窗口的灰度测试预示着更强的处理能力即将到来。真假消息混杂的狂欢之后，真正的技术突破才是AI爱好者们最期待的答案。
关键评论
部分网友对频繁的消息炒作感到疲惫，表示懒得理会
关注者询问V4的具体发布时间，表示目前未见动静
有用户直接质疑泄露信息的真实性，认为内容是假的
