本文目錄
ARC Prize 官方結果頁上，DeepSeek V4.1 Flash 1017 的頁頭寫着 DeepSeek · Oct 17, 2026 · 5 harness configurations。在這條橫幅下，同一模型、同一 max 推理檔，ARC-AGI-3 上 Standard harness 是 0.2%，Provider Adapter harness 是 5.8%。這個分差不是悄悄換了一批新權重，也不是又發了一個新模型。它是評測運行框架——步驟之間允許留下什麼——在 Verified scores 同一行上變成兩個差得很遠的頭條百分比。
相關閱讀：DeepSeek V4.1 Flash 1017 在 Code Arena、Vals AI 和 Artificial Analysis 上排第幾、同一個模型換套 coding harness，通過率幾乎不動，帳單為什麼差這麼多？、Microsoft 在 Foundry Agent Service 公測推出 Copilot harness、DeepSeek V4.1 Flash 現已可在 Cursor 中使用。第一篇覆蓋該檢查點的開放權重／API／其它榜背景。第二篇講的是 coding harness 的成本與通過率——適合拿來對比，但和 ARC 評測 harness 不是同題。後兩篇是產品 harness 與 Cursor 可用性的鄰近筆記。它們都代替不了把 ARC-AGI-3 的 harness 分差單獨讀清楚。
ARC Prize 結果頁上的數字
頁首 Semi-Private 摘要：ARC-AGI-1 在 high 推理檔 94.5%，ARC-AGI-2 在 max 推理檔 78.1%。ARC-AGI-3（v3）同頁寫明 Standard 0.2%、Provider Adapter 5.8%，均爲 max reasoning。Verified scores 表 Max 行同一排列：ARC-AGI-1 93.5%，ARC-AGI-2 78.1%，ARC-AGI-3 Standard 0.2%，ARC-AGI-3 Provider Adapter 5.8%。兩個 ARC-AGI-3 harness 格子對應的 High／Low／None 列爲 —。
該結果頁未見單獨的「評測公佈日」字段。讀者最先看到的可見日期是模型日標籤 Oct 17, 2026（同一公曆日的 Asia/Shanghai 讀法）。下文百分比均爲 ARC Prize 自報。我們暫時還沒有複測；也並非 DigIntoAI 獨立實驗室跑分。
兩種 harness，用人話
Standard harness 按 ARC Prize 官方結果頁定義：允許模型在環境中保留自選筆記並一路帶着走。可以想成評測運行准許維護的便簽本——觀察、半成品計劃、模型自己決定寫下來並帶進後續步驟的提醒。
Provider Adapter harness 仍按官方結果頁措辭：保留請求間不透明／內部推理狀態，並對較長對話做 compaction，以便複用先前工作。不只是模型故意留下的筆記，適配器路徑還會跨輪次保留更多服務商側推理殘留，並壓縮長上下文，免得對話變長時把前面的進度整段丟掉。
同一個檢查點。同一個 max 推理旋鈕。變的是步驟之間什麼東西能活下來。頭條 ARC-AGI-3 這一對——0.2% 對 5.8%——就是該差異在 Verified scores 表上的匯總表達。
給 DigIntoAI 讀者的用詞提醒：在 DigIntoAI，「harness」經常指 coding agent 外殼——token 帳單、通過率表、安裝指南。同一個模型換套 coding harness，通過率幾乎不動，帳單為什麼差這麼多？ 就是那條成本故事。ARC 頁上的 Standard／Provider Adapter 是驅動 ARC-AGI-3 環境時的評測 harness。同一個英文詞，幹的不是同一件事。串台之後，讀榜提示會變成另一條產品通稿。
環境快照（仍是官方、仍未複測）
ARC-AGI-3 Public Demo 表每個 harness 列了 25 個環境。只點幾組 Max 行對照，說明分差可以有多不均勻——不整表照抄：
| 環境 | Standard Max | Provider Adapter Max |
|---|---|---|
| FT09 | 3.4% | 91.4% |
| WA30 | 0.0% | 22.2% |
| LP85 | 2.8% | 24.5% |
| AR25 | 7.4% | 8.8% |
FT09 最誇張：Standard 貼地，Provider Adapter 跳進九十多分。WA30、LP85 從接近零／個位數前半段抬到二十多分。AR25 幾乎不動（7.4% → 8.8%）——提醒適配器路徑並不是每個環境都同倍率暴漲。匯總的 0.2% 對 5.8% 是這些環境上的平均故事，不是「每個任務都翻倍」的承諾，更不是日常編程產出按同一比例上漲的證據。
這些環境分也沒有在本地重跑。按 ARC Prize 結果頁已公佈數字讀取。
同一檢查點——不是新發布，也不是編程躍遷
- 不是新的 DeepSeek 模型。 頁標就是 DeepSeek V4.1 Flash 1017。harness 對比寫在該檢查點的結果頁上。
- 不是披着榜單更新外衣的新權重發布。 ARC-AGI-3 這一對旁邊點名的變量是 harness 配置；頁頭已經寫了 5 harness configurations。
- 不是一般能力躍遷的證明。 從 Standard 的筆記改到 Provider Adapter 的狀態＋compaction，評測契約變了。ARC-AGI-3 數字可以升高，但這張許可證開不到「日常編程生產力按同樣係數上漲」。
- 不是 DigIntoAI 獨立計分板。 Verified scores、Semi-Private 摘要、環境 Max 格都是 官方自報。我們暫時還沒有複測。
開放權重、共享 API 名 deepseek-flash，以及該檢查點在 Code Arena／Vals AI／Artificial Analysis 上的排位，見先前一文 DeepSeek V4.1 Flash 1017 在 Code Arena、Vals AI 和 Artificial Analysis 上排第幾。那是背景，不是 ARC harness 讀法的替身。
讀 ARC 結果頁的短清單
- 先看模型名——模型名還不夠。 「DeepSeek V4.1 Flash 1017」鎖定檢查點；被引用的百分比來自哪一行 harness、哪一列推理檔，是另一回事。
- 再看 harness。 ARC-AGI-3 上，Standard（自選筆記）與 Provider Adapter（不透明狀態＋compaction）是不同評測契約。沒有 harness 標籤的單點引用不完整。
- 看推理檔。 上面這組 ARC-AGI-3 數字在 max。同頁 Semi-Private 峰值：v1 用 high（94.5%），v2 用 max（78.1%）。檔位混引會造出假分差。
- 分清 ARC 代數。 ARC-AGI-1 Max 93.5%、ARC-AGI-2 Max 78.1% 與 ARC-AGI-3 harness 對坐在同一張 Verified scores 行裏。它們回答的是不同基準；揉成「DeepSeek 一個分」就沒了。
- 匯總 vs 環境。 頭條 0.2%／5.8% 可能蓋住 FT09（3.4%／91.4%）這種暴漲，也可能蓋住 AR25（7.4%／8.8%）這種幾乎不動。主張綁在某一環境上時，依據落在那一格。
- 自報戳記。 在另有複測之前，把這裏的數字都當 ARC Prize 已公佈值。我們暫時還沒有複測。
小結
ARC Prize 官方結果頁上的 DeepSeek V4.1 Flash 1017（頁標 Oct 17, 2026，5 harness configurations）在同一 max 推理檔下給出 ARC-AGI-3 Standard 0.2%、Provider Adapter 5.8%。Standard 保留模型自選筆記；Provider Adapter 保留請求間內部推理狀態並對長對話做 compaction。這是同一檢查點上的評測 harness 分差——不是新權重、不是新模型名，更不能從百分比差推日常編程提升。讀榜時模型名、harness、推理檔要對齊；coding harness 成本文屬於另一條線索。以上數字爲 ARC Prize 自報；我們暫時還沒有複測。現場筆記可通過頁腳站長聯繫方式反饋。