Unsloth 实测 512K 上下文 DeepSeek-V4.1 UD GGUF，称优于 GSQ-RCO 10-20%

Unsloth 团队公布 DeepSeek UD 3.1 GGUF 的基准对比，agentic 任务跑 512K 上下文、其余 14 项基准跑 128K，称比 GSQ-RCO 好 10-20%。测试量达 35.1B tokens（此前 1.3B），AIME2025 跑 64 次、DeepSWE 与 Terminal Bench 各 3 次，并修复了 grader 与评测基建。复测显示 GSQ-RCO IQ1_M 实测恢复 97.24%（宣称 98.7%，p=0.0013），IQ2_XXS 实测 98.38%（宣称 99.80%，p=0.0001），IQ2_XS 实测 99.54% 与宣称接近。