本文目录
ARC Prize 官方结果页上，DeepSeek V4.1 Flash 1017 的页头写着 DeepSeek · Oct 17, 2026 · 5 harness configurations。在这条横幅下，同一模型、同一 max 推理档，ARC-AGI-3 上 Standard harness 是 0.2%，Provider Adapter harness 是 5.8%。这个分差不是悄悄换了一批新权重，也不是又发了一个新模型。它是评测运行框架——步骤之间允许留下什么——在 Verified scores 同一行上变成两个差得很远的头条百分比。
相关阅读：DeepSeek V4.1 Flash 1017 在 Code Arena、Vals AI 和 Artificial Analysis 上排第几、同一个模型换套 coding harness，通过率几乎不动，账单为什么差这么多？、Microsoft 在 Foundry Agent Service 公测推出 Copilot harness、DeepSeek V4.1 Flash 现已可在 Cursor 中使用。第一篇覆盖该检查点的开放权重／API／其它榜背景。第二篇讲的是 coding harness 的成本与通过率——适合拿来对比，但和 ARC 评测 harness 不是同题。后两篇是产品 harness 与 Cursor 可用性的邻近笔记。它们都代替不了把 ARC-AGI-3 的 harness 分差单独读清楚。
ARC Prize 结果页上的数字
页首 Semi-Private 摘要：ARC-AGI-1 在 high 推理档 94.5%，ARC-AGI-2 在 max 推理档 78.1%。ARC-AGI-3（v3）同页写明 Standard 0.2%、Provider Adapter 5.8%，均为 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%。两个 ARC-AGI-3 harness 格子对应的 High／Low／None 列为 —。
该结果页未见单独的「评测公布日」字段。读者最先看到的可见日期是模型日标签 Oct 17, 2026（同一公历日的 Asia/Shanghai 读法）。下文百分比均为 ARC Prize 自报。我们暂时还没有复测；也并非 DigIntoAI 独立实验室跑分。
两种 harness，用人话
Standard harness 按 ARC Prize 官方结果页定义：允许模型在环境中保留自选笔记并一路带着走。可以想成评测运行准许维护的便签本——观察、半成品计划、模型自己决定写下来并带进后续步骤的提醒。
Provider Adapter harness 仍按官方结果页措辞：保留请求间不透明／内部推理状态，并对较长对话做 compaction，以便复用先前工作。不只是模型故意留下的笔记，适配器路径还会跨轮次保留更多服务商侧推理残留，并压缩长上下文，免得对话变长时把前面的进度整段丢掉。
同一个检查点。同一个 max 推理旋钮。变的是步骤之间什么东西能活下来。头条 ARC-AGI-3 这一对——0.2% 对 5.8%——就是该差异在 Verified scores 表上的汇总表达。
给 DigIntoAI 读者的用词提醒：在 DigIntoAI，「harness」经常指 coding agent 外壳——token 账单、通过率表、安装指南。同一个模型换套 coding harness，通过率几乎不动，账单为什么差这么多？ 就是那条成本故事。ARC 页上的 Standard／Provider Adapter 是驱动 ARC-AGI-3 环境时的评测 harness。同一个英文词，干的不是同一件事。串台之后，读榜提示会变成另一条产品通稿。
环境快照（仍是官方、仍未复测）
ARC-AGI-3 Public Demo 表每个 harness 列了 25 个环境。只点几组 Max 行对照，说明分差可以有多不均匀——不整表照抄：
| 环境 | 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 最夸张：Standard 贴地，Provider Adapter 跳进九十多分。WA30、LP85 从接近零／个位数前半段抬到二十多分。AR25 几乎不动（7.4% → 8.8%）——提醒适配器路径并不是每个环境都同倍率暴涨。汇总的 0.2% 对 5.8% 是这些环境上的平均故事，不是「每个任务都翻倍」的承诺，更不是日常编程产出按同一比例上涨的证据。
这些环境分也没有在本地重跑。按 ARC Prize 结果页已公布数字读取。
同一检查点——不是新发布，也不是编程跃迁
- 不是新的 DeepSeek 模型。 页标就是 DeepSeek V4.1 Flash 1017。harness 对比写在该检查点的结果页上。
- 不是披着榜单更新外衣的新权重发布。 ARC-AGI-3 这一对旁边点名的变量是 harness 配置；页头已经写了 5 harness configurations。
- 不是一般能力跃迁的证明。 从 Standard 的笔记改到 Provider Adapter 的状态＋compaction，评测契约变了。ARC-AGI-3 数字可以升高，但这张许可证开不到「日常编程生产力按同样系数上涨」。
- 不是 DigIntoAI 独立计分板。 Verified scores、Semi-Private 摘要、环境 Max 格都是 官方自报。我们暂时还没有复测。
开放权重、共享 API 名 deepseek-flash，以及该检查点在 Code Arena／Vals AI／Artificial Analysis 上的排位，见先前一文 DeepSeek V4.1 Flash 1017 在 Code Arena、Vals AI 和 Artificial Analysis 上排第几。那是背景，不是 ARC harness 读法的替身。
读 ARC 结果页的短清单
- 先看模型名——模型名还不够。 「DeepSeek V4.1 Flash 1017」锁定检查点；被引用的百分比来自哪一行 harness、哪一列推理档，是另一回事。
- 再看 harness。 ARC-AGI-3 上，Standard（自选笔记）与 Provider Adapter（不透明状态＋compaction）是不同评测契约。没有 harness 标签的单点引用不完整。
- 看推理档。 上面这组 ARC-AGI-3 数字在 max。同页 Semi-Private 峰值：v1 用 high（94.5%），v2 用 max（78.1%）。档位混引会造出假分差。
- 分清 ARC 代数。 ARC-AGI-1 Max 93.5%、ARC-AGI-2 Max 78.1% 与 ARC-AGI-3 harness 对坐在同一张 Verified scores 行里。它们回答的是不同基准；揉成「DeepSeek 一个分」就没了。
- 汇总 vs 环境。 头条 0.2%／5.8% 可能盖住 FT09（3.4%／91.4%）这种暴涨，也可能盖住 AR25（7.4%／8.8%）这种几乎不动。主张绑在某一环境上时，依据落在那一格。
- 自报戳记。 在另有复测之前，把这里的数字都当 ARC Prize 已公布值。我们暂时还没有复测。
小结
ARC Prize 官方结果页上的 DeepSeek V4.1 Flash 1017（页标 Oct 17, 2026，5 harness configurations）在同一 max 推理档下给出 ARC-AGI-3 Standard 0.2%、Provider Adapter 5.8%。Standard 保留模型自选笔记；Provider Adapter 保留请求间内部推理状态并对长对话做 compaction。这是同一检查点上的评测 harness 分差——不是新权重、不是新模型名，更不能从百分比差推日常编程提升。读榜时模型名、harness、推理档要对齐；coding harness 成本文属于另一条线索。以上数字为 ARC Prize 自报；我们暂时还没有复测。现场笔记可通过页脚站长联系方式反馈。