一张声称是DeepSeek V4基准测试成绩的图片近日在网络广泛传播，引发大量关注和讨论。图中显示该模型在SWE-bench Verified上得分83.7%，高于Claude Opus 4.5（80.9%）和GPT-5.2（80%），并强调其支持超长上下文（100万+ tokens）和新型记忆机制，具备全仓库级代码推理能力。此外，还有消息称它在HumanEval、SWE-bench等主流测试中表现突出，成本仅为OpenAI同类模型的1/20至1/40，预计于2月17日（周一）发布。
但很快，多处数据被质疑失实：例如某项标称99.4%的分数，在官方评估规则下根本不可能出现（上限为99.2%或100%）；另有权威机构Epoch AI明确指出，FrontierMath相关测试结果系伪造，因该数据集仅授权OpenAI与Epoch AI进行评测。目前已确认至少两个基准测试结果不实。
尽管如此，这类消息的快速扩散本身反映出公众对DeepSeek技术进展的高度期待和认可。