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。
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。
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：
| 维度 | IQ | Coverage | 读法 |
|---|---|---|---|
| Abstract Reasoning | 99 | 0/3 | 页面列出的 3 个 benchmark 均无直接覆盖，分数含估计成分 |
| Mathematical Reasoning | 116 | 0/5 | 页面列出的 5 个 benchmark 均无直接覆盖，分数含估计成分 |
| Academic Reasoning | 136 | 4/6 | 6 个 benchmark 中有 4 个已覆盖 |
| Programmatic Reasoning | 122 | 0/6 | 页面列出的 6 个 benchmark 均无直接覆盖，分数含估计成分 |
| Computer Use | 120 | 0/6 | 页面列出的 6 个 benchmark 均无直接覆盖，分数含估计成分 |
| Reliability | 103 | 1/7 | 7 个 benchmark 中有 1 个已覆盖 |
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。
| Benchmark | Score | 维度 |
|---|---|---|
| AA Omniscience | -5.3 | Reliability |
| CritPt | 14.2857 | Academic Reasoning |
| Humanity's Last Exam | 39.2493 | Academic Reasoning |
| MMMU-Pro | 76.9942 | Academic Reasoning |
| SciCode | 51.8519 | Academic Reasoning |
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。
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。
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。
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。
#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。
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。
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。
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。
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。
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。
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。
DeepSeek V4.1 Flash
