Kimi认错,杨植麟学梁文锋
K3.1 Pro发布后,月之暗面承认额度问题并改进,但用户反馈额度消耗大,性能虽高但性价比低。DeepSeek V4.1 Flash-1017优化性能、速度、输出长度,价格不变。K3.1 Pro因训练过程严谨导致额度消耗大
AI 评分72
AI 评分 72 / 100
DeepSeek(深度求索)的模型发布、开源权重与技术报告——开源大模型价格与性能双卷的风向标。
K3.1 Pro发布后,月之暗面承认额度问题并改进,但用户反馈额度消耗大,性能虽高但性价比低。DeepSeek V4.1 Flash-1017优化性能、速度、输出长度,价格不变。K3.1 Pro因训练过程严谨导致额度消耗大
AI 评分 72 / 100
DeepSeek获得近千亿融资创国内纪录,领投方腾讯和宁德时代分别看重流量入口和算力底座,但标普数据显示AI对非科技公司财务回报为零,大量AI项目因融资、技术、商业化等问题被放弃,包括多家知名企业
AI 评分 39 / 100
全球AI产业正经历从闭源模型主导到开源模型快速追赶的转变,资本流向和利润分配格局随之改变。随着月之暗面等公司发布高性能开源模型,如Kimi K3拥有2.8万亿参数,技术差距缩小,获取智能成本下降,模型稀缺性减弱。
AI 评分 63 / 100
金十数据10月23日讯,从多个一级投资人处确认,DeepSeek近日已完成约1000亿元人民币(约150亿美元)融资,刷新中国AI行业单轮融资纪录。据悉,本轮融资目标由前期的800亿元上调至1000亿元。老股东宁德时代、腾讯控股作为主要投资方参与本轮融资,IDG资本、砺思资本及拾象资本继续跟投。新晋投资方多为产业资本,包括联想系君联资本、兆易创新系石溪资本、吉利汽车产业基金、中芯聚源,以及后期加入的横店资本等。
AI 评分 30 / 100
DeepSeek宣布开源其内部推理框架DeepInfer和Token编解码组件deepseek-recipe,DeepInfer已在DeepSeek V4.1 Flash大规模推理服务中投入使用,主打高吞吐、低延迟
AI 评分 85 / 100
MemT 1.0通过将经验编码为内部动态状态,并让模型学习如何写入、更新和读取这些状态,实现了记忆原生模型,首次在近300B参数规模上验证。实验表明,MemT 1.0在代码修复和信息更新等任务中表现优异,平均成功率显著提高
AI 评分 80 / 100
DeepSeek开源核心推理框架DeepInfer,实现V4.1 Flash高吞吐服务,开发者可直接复用优化代码降低大模型服务成本。
AI 评分 85 / 100
海豚研究认为,DeepSeek V4.1-Flash-1017 是一次成本领先与编程 Agent 专精的强化,而非“国产超越 Opus”。
AI 评分 62 / 100
DeepSeek 官宣开源内部推理框架 DeepInfer,旨在通过优化大规模推理的吞吐量与延迟,帮助开发者与企业组织更高效搭建私有化或公有云部署,压低算力成本,实现大模型普惠
AI 评分 74 / 100
美国联邦文职机构被要求清除DeepSeek相关应用,并排查采购软件背后调用的模型,连托管在美国服务器上的DeepSeek版本也在限制范围内。命令针对联邦信息系统与政府采购,不面向普通用户或所有企业;通知于当地时间10月19日公开、拟20日刊登,但命令原始发布日期标注为7月24日。
AI 评分 58 / 100
DeepSeek发布DeepSeek-V4.1-Flash-1017版本,通过“基于自反馈的强化学习”训练,模型能写完代码自己运行、检查、修改,实现“许愿式编程”,在工程能力上提升明显,但纯知识广度有所取舍。
AI 评分 62 / 100
Arena 10 月 19 日宣布,DeepSeek-V4.1-Flash-1017(Max)以 1670 分超过 Kimi K3(Max)等开源模型,成为 Code Arena: WebDev 榜单排名最高的开源模型,仅落后 GPT-6 Sol(Max)12 分。
AI 评分 62 / 100
MiniMax发布的M3.1 Flash推理模型在人工智能分析指数上得分42分,比前代M3高出13分,每项任务成本降至约0.22美元,复杂推理和事实准确性表现优异,但幻觉率达93%
AI 评分 68 / 100
DeepSeek 于 10 月 17 日宣布开放自研搜索 API,并在更新日志中明确会通过识别机制过滤 SEO 作弊、GEO 操纵和低质量 AI 生成内容。此前央视 3·15 晚会实测显示,虚构产品 Apollo-9 的批量软文两小时后即被 AI 当作标准答案推荐。平台开始追问信息出处后,靠信息漏洞获取推荐的 GEO 生意空间将被压缩。
AI 评分 38 / 100
DeepSeek-V4.1-Flash-1017 模型在 WebDev 基准评测中超越 Kimi K3(Max),以1670分位列总榜第12名,领先 Claude Opus5(High)并接近 GPT-6Sol (Max)
AI 评分 71 / 100
DeepSeek 发布 V4.1 Flash-1017,在 SemiAnalysis AgentX 基准测试中,基于 GB300 NVL72 与 Dynamo vLLM 平台跑出 1 美元 1.3B Token 的算力端 TCO,P90 交互速度超过 100 tok/s/user。
AI 评分 68 / 100
DeepSeek 将 DeepSeekV4.1 Flash 更新至 V4.1-Flash-1017,网页端、APP 与 API 同步切换,并开放自研搜索 API 的 Search 与 Fetch 接口,均为 5 元/千次。
AI 评分 73 / 100
DeepSeek 将 V4.1 Flash 更新至 V4.1-Flash-1017,网页端、APP 与 API 已同步切换,API 调用方式与价格不变,仍用 deepseek-flash 访问最新模型。官方称此次在基准测试中能力较上一版 V4.1 Flash 明显提升,同时任务运行时间与输出长度缩短,单次调用综合成本下降,并开源权重。媒体报道还提到同期开放自研搜索 API,千次调用 5 元。
AI 评分 70 / 100
DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017,官方网页端、APP 与 API 模型已同步切换为新版本。该版本通过基于自反馈的强化学习(RL)训练,提升了从零构建完整项目的能力,覆盖游戏开发、3D 建模等场景,可支持更多“许愿式”编程任务与项目开发请求。
AI 评分 62 / 100
DeepSeek 在 OpenRouter 上线了 DeepSeek v4.1 Flash 1017 模型。该条目在 Hacker News 获得 442 分、223 条评论,但材料仅提供 OpenRouter 模型页链接,未给出参数、上下文窗口、定价或基准测试等具体信息。
AI 评分 62 / 100