示意稿 · 仅用于版式 · 所有数字均为示意

公告2026 年 10 月 28 日

发布墨子-V1.0-Flash

我们在科学与工程上最强的模型。能借助你的工具连续工作数小时，也会标出自己没把握的地方。

试用墨子使用 API 模型卡

今天我们发布墨子-V1.0-Flash。客户最常找我们做的几类工作，它都更进一步：产线根因分析、硬件设计验证，以及要跨多个工具、翻好几天数据的长时间排查。

它即日起可在墨子应用、API 和墨子 Code 中使用。

基准测试表现

得分，%。越高越好。

墨子-V1.0-Flash
模型 A
模型 B

78.6

61.2

57.8

84.1

83.0

79.4

91.3

88.7

85.1

68.4

70.2

63.5

81.7

69.3

64.0

基准得分（%）
基准测试	墨子-V1.0-Flash	模型 A	模型 B
SemiBench	78.6	61.2	57.8
GPQA Diamond	84.1	83	79.4
AIME 2025	91.3	88.7	85.1
SWE-bench Verified	68.4	70.2	63.5
VerilogEval v2	81.7	69.3	64

示意数据默认思考预算，单次作答。悬停查看数值。

SemiBench: 78.6; 比第二名模型高 17.4
校准误差: 3.1 %; 期望校准误差（ECE）
智能体最长运行时长: 7 h; 无人值守完成良率排查
单任务 token 数: −38 %; 与上一代模型得分相同

思考，预算由你来定

模型先思考再回答，想多久由你定：快速核对用几千个 token，复杂推导用几万个。得分随预算上升，到一定程度后趋于平稳。

不同思考预算下的得分

墨子-V1.0-Flash，得分 %，思考 token 数为对数刻度

AIME 2025
SemiBench
GPQA Diamond

不同思考预算下的得分
思考预算	AIME 2025	SemiBench	GPQA Diamond
1K	62	55.1	70.3
2K	71.4	60.8	74.2
4K	79.8	66.9	77.9
8K	85.2	71.5	80.6
16K	88.6	75	82.5
32K	90.7	77.6	83.6
64K	91.3	78.6	84.1

示意数据每一步预算翻倍。悬停查看数值。

借助你的工具，长时间工作

它会自己查数据系统、跑分析，把结果写成报告。动手前先列一份计划，边做边用证据核对；凡是会改动真实系统的步骤，都会先停下来问你。

“它自己跑完了夜班的异常复盘，早上留给我们三个按可能性排好的假设，每个都附上了核对用的图。其中两个是对的。”

某存储芯片制造商良率工程负责人 · 占位引语

工程上的提升最大

提升最大的是 SemiBench 和硬件代码。这两项的题目由晶圆厂、设备商和设计团队的工程师出题、评分。通用知识上，它与其他前沿模型持平。

完整结果

得分，%。每行最高分已标出。

基准	墨子-V1.0-Flash	模型 A	模型 B
科学与工程
SemiBench¹	78.6	61.2	57.8
SemiBench · yield¹	74.2	55.6	52.3
GPQA Diamond	84.1	83.0	79.4
MMLU-Pro	85.0	86.2	83.7
推理与数学
AIME 2025²	91.3	88.7	85.1
HMMT Feb 2025²	78.0	76.4	—
代码与智能体
SWE-bench Verified³	68.4	70.2	63.5
VerilogEval v2	81.7	69.3	64.0
Terminal-Bench³	47.5	49.1	41.2
τ²-bench · retail	82.3	80.9	77.5

示意数据注释见文末。表中“—”表示未报告。

知道自己哪里没把握

每个回答都附一个经过校准的置信度。没把握的部分会标出来，你可以先核对这几处。

SemiBench 开放分析题上的校准

模型给出的置信度与实际准确率

期望校准误差（ECE）: 3.1 %
已评分回答数: 8,500

不同置信度区间的校准
置信度	准确率	回答数
5 %	7 %	120
15 %	13 %	180
25 %	22 %	240
35 %	33 %	310
45 %	47 %	390
55 %	52 %	520
65 %	62 %	760
75 %	73 %	1120
85 %	86 %	1840
95 %	93 %	3020

示意数据按置信度分十档。点落在对角线上，说明置信度与实际准确率一致。

安全

发布前我们做了自动化审计、专家红队测试和智能体安全测试；我们不擅长的部分，请外部专家参与。完整结果见模型卡。

不当行为发生率

越低越好

墨子-V1.0-Flash 1.8 %
模型 A 3.9 %
模型 B 5.2 %

4,800 个自动审计场景中，出现欺骗、蓄意破坏或绕过审批的比例。越低越好。

示意数据自动化行为审计，所有模型使用同一套评测框架。

智能体绕过审批率: 采取缓解措施后，2,000 个测试场景中占 0.02%
工具返回内容中的提示注入: 攻击成功率 4.1%，此前为 11.6%
化学与生物风险: 与网络搜索相比无明显提升
迎合用户: 在 3.3% 的情况下附和错误前提

示意数据

可用性与价格

模型 ID: micius-v1.0-flash
参数量: 27B
上下文窗口: 256K tokens
最大输出: 32K tokens
输入: ¥4.5 / 1M tokens
输出: ¥18 / 1M tokens
可用渠道: 墨子应用、API、墨子 Code、私有化部署

获取 API 密钥价格

模型卡

评测

EngiWorld

注释

SemiBench：2,400 道题，由工艺、器件、设备、良率四个方向的工程师出题并评分。单次作答，思考预算取默认值。
数学：每题采样 16 次取平均，思考预算 64K，不使用工具。
智能体编程：在我们的工具环境中作答，可用 bash 和文件编辑；5 次运行取平均。
模型 A 与模型 B 为其他前沿模型，由我们通过其公开 API 在同一套评测框架下测得。本示意稿中不列名称。