AI IQ 榜单中的 DeepSeek V4.1 Flash：综合分与基准覆盖率

一句话结论

AI IQ 页面在采集时给 DeepSeek V4.1 Flash 估计 IQ 116、排名 #38/138；这个 IQ 是六个等权能力维度的派生估计，缺失基准会进入保守填补流程，不能当作直接智商或一次覆盖完整的独立实测。页面可见的基准覆盖集中在 Academic Reasoning（4/6）与 Reliability（1/7），其余四个维度为 0/3、0/5、0/6、0/6。

适用场景

• 适合判断的任务：在同一 AI IQ 口径下查看模型的综合排名、能力维度分数和已纳入的 benchmark 结果；用 coverage 判断分数证据覆盖到什么程度。

• 不适合外推的任务：把 116 当成人类智商、把 #38/138 当成稳定名次，或据此断言模型在未测任务、任意客户端和生产工作流中的表现；也不能把 Effective Cost 当作单一 API token 单价。

• 适用的模型版本：页面标注的 DeepSeek V4.1 Flash；API、开源权重部署和其他推理配置需单独核对。

• 测试环境或客户端：AI IQ 公共模型档案及其收录的公开 benchmark 数据；具体运行 harness、样本量和参数未在模型页逐项注明。

• 推理档位和参数：未注明。

测评方法

评分与成本定义的辅助来源为 AI IQ Methodology，模型分数仍以本篇主来源的采集日快照为准。

模型页将六个维度等权合成为 Composite IQ：Abstract、Mathematical、Academic、Programmatic、Computer Use、Reliability。页面链接的方法论说明，单个 benchmark 的原始分数先按 IQ 70、85、100、115、130、145、160 的校准梯度做分段线性插值，再对维度内 benchmark 求平均；缺失 benchmark 和缺失维度只在派生评分流程中保守填补。至少有 2/6 个维度具备直接或有效继承的测量证据时，才产生综合分。

可见 coverage 是该维度已覆盖的 benchmark 数 / 页面列出的 benchmark 总数。它衡量证据覆盖，不等于该维度的 IQ 百分比，也不表示每一项都是 AI IQ 独立运行的实验。AI IQ 方法论还明确提醒，所有维度值都是估计值；缺失填补、校准梯度和 benchmark 组合都会影响结果。

综合分可概括为：

$$ \mathrm{IQ}=\frac{\mathrm{Abstract}+\mathrm{Math}+\mathrm{Academic}+\mathrm{Programmatic}+\mathrm{Computer}+\mathrm{Reliability}}{6} $$

页面同时提供“Effective Cost”。同站方法论将它定义为：

$$ \mathrm{Effective\ Cost}=\mathrm{Sticker\ Price}\times\mathrm{Usage\ Multiplier} $$

其中 Sticker Price 以 1M 输入 + 1M 输出 token 为标准工作负载，Usage Multiplier 反映模型完成同类任务时实际使用的 token 或任务成本。因此它是任务效率调整后的比较指标，不是 API 的输入或输出单价。

关键结果

页面采集时显示：IQ 116、IQ Rank #38、Effective Cost $3.6328。FAQ 将排名表述为 138 个公开模型中的第 38 名，并称该分数综合六个等权维度、对缺失覆盖做保守估计；这是 2026-09-16 的页面快照，不能当作永久排名。

六维分数与 coverage：

原始数据

模型页公开列出的 benchmark 结果如下。页面没有在该档案中注明运行参数、样本量、重复次数或完整 harness，因此这里记录为 AI IQ 页面收录值，不改写成统一独立实验结果。

页面 FAQ 还给出价格和运行概览：输入 $0.30 / 1M tokens、输出 $1.20 / 1M tokens；context window 1,000,000 tokens；独立测量约 190 tokens/s、典型响应时间约 14 秒。后两项在该模型页没有展开测量方案，不能据此复现性能。

FAQ 将模型发布日期写为 2026-09-10；这是模型发布时间，不是该榜单页面的发布日期。

按同站方法论的 1M 输入 + 1M 输出口径，页面公开的单价对应：

$$ \mathrm{Sticker\ Price}=0.30+1.20=$1.50 $$

页面的 $3.6328 是经过任务使用量调整后的 Effective Cost；仅按两组页面数字反推，调整倍数约为 $3.6328 / $1.50=2.42$，但页面没有公开该模型的具体 multiplier、配对任务记录或测量明细，不能把这个反推值当作独立成本实测。

结论与边界

1. 116 是 AI IQ 的派生指标。 它使用人类 IQ 作为直观标尺，不等价于心理测量学意义上的人类智商。六维等权也不意味着模型在六类任务上有同等数量的直接证据。

2. 覆盖率是阅读该页的关键。 Academic Reasoning 的 4/6 是页面最充分的直接覆盖，Reliability 只有 1/7；Abstract、Math、Programmatic、Computer Use 均为 0 coverage。0/3 等值表示缺少页面直接 benchmark 覆盖，不表示模型得分为 0。

3. 综合分包含缺失值处理。 方法论说明缺失项在评分副本中保守填补，并区分 source-backed 数据与 derived scoring；因此页面分数可以存在，但不能按六维都被完整实测来宣传。

4. #38/138 是动态日期快照。 本记录只说明 2026-09-16 采集时页面显示的名次；模型新增、数据更新、校准修改或榜单范围变化都可能改变它。

5. Effective Cost 不是 API 单价。 API 标价是输入 $0.30/M、输出 $1.20/M；$3.6328 采用标准 I/O 工作负载再乘任务使用量调整，适合做任务效率比较，不能直接替代供应商账单估算。

6. 这不是完整独立复测。 页面提供收录分数和派生排名，但未为本页列出完整输入、输出、样本、重复实验、置信区间和 harness；应与官方模型卡或可复现实验分开引用。

复现说明

1. 记录访问日期、页面 URL、模型名称、IQ、排名、Effective Cost、六维分数和 coverage；动态榜单必须保留快照日期。

2. 复现单项 benchmark 时，另行取得该 benchmark 的原始来源、版本、输入、评分指标、模型配置、harness、样本量和重复策略；AI IQ 页面本身不足以还原这些条件。

3. 若要复算综合分，需获得 AI IQ 当前 benchmark 校准梯度和缺失值 waterfall，再按方法论先转换单项 IQ、处理维度内缺失，最后计算六维等权平均；不能用表中五个公开结果直接平均出 116。

4. 成本比较应同时报告供应商 API 单价与 Effective Cost，并明确 1M 输入 + 1M 输出的标准工作负载和 usage multiplier 来源。