DeepSeek-V4.1-Flash-1017 量化版实测，MMLU-Pro STEM 拿 93 分

我的 DeepSeek-V4.1-Flash-1017 量化版本现已上线，适用于 TP=2 的 DGX Sparks。三个版本使用相同的 353 道题：新版 / Mia 2.9 / 我旧的 q28-v2。

MMLU-Pro STEM：93 / 91 / 90（满分 100）
LiveCodeBench：14 / 11 / 11（满分 17）
MBPP+：50 / 49 / 50（满分 60）
HumanEval+：34 / 34 / 33（满分 40）
SciCode：6 / 6 / 5（满分 10）
MATH-500：36 / 36 / 36（满分 40）
MGSM：40 / 40 / 40
BFCL 工具调用：39 / 39 / 39（满分 40）
多步工具链：6/6、6/6、4/6

这些样本量较小，所以我的理解是「在更小的模型包里，性能至少不逊色」。这不是一次碾压式的提升。我真正在意的差距在 LiveCodeBench 和工具链上，我旧的量化版本在这两项上一直掉链子。

我针对编码、科学和智能体任务做了校准。权重和配方在评论区。配方已更新为我当前的配置，但基本没怎么变。@MiaAI_lab，我还是不知道你们是怎么把效果做得这么好的。等你们的 Engine Aware Quant（EAQ）系统就绪，我都等不及要用了。

2.8 BPW，EXL3，203.8 GB，在两台 DGX Sparks 上运行，搭配 @ashxhart 的 TensorFold。
- 1M 上下文
- 图像输入
- 配合 NVMe 卸载，总缓存达 210 万 token。

老规矩，如果遇到任何问题，请告诉我或提交 PR。你打算先拿它跑点什么？