Apesar de liderar benchmarks sintéticos…

…o modelo V4 Flash da DeepSeek concluiu apenas 53.8% das tarefas complexas e multietapa de agentes em oito harnesses independentes. A discrepância entre as pontuações nos rankings e a confiabilidade no uso de ferramentas do mundo real destaca a necessidade de uma avaliação operacional rigorosa antes da implantação em produção.

Gerado por IA: resumos escritos por IA a partir das fontes indicadas. Como usamos a IA