←搜索结果

搜索“Agent”

按匹配度 · 共 561 条结果 清除搜索

星期三

  1. The Decoder

    Mistral AI 发布 Voxtral 3 实时语音智能体模型系列

    Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型系列，包含语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK，将听、思考、工具调用和说话整合进单一流式管线。转写覆盖 50 多种语言，语音合成支持 35 种以上语言和 50 种方言并带情感适配，智能体可在实时对话中调用外部系统，例如预约或查询发票。该系统可部署在自有基础设施或通过欧盟托管的 API 运行，转写定价为每分钟 0.0035 美元起。

    Mistral AI has launched Voxtral 3, a new family of language models built for real-time voice agents. The system includes a speech-to-text model (Voxtral Small Transcribe 3), a text-to-speech model (Voxtral Mini TTS 3), and a voice agent SDK based on LiveKit. Together, they combine listening, thinking, tool use, and speaking into a single streaming pipeline. Transcription covers more than 50 languages. Text-to-speech output supports over 35 languages and 50 dialects with emotional adaptation. Age

    匹配字段正文

    #ai-vertical#模型发布#语音#Agent

星期一

  1. Testing Catalog

    Nace AI 发布多模态决策模型 Drex Max

    Nace AI 发布多模态决策模型 Drex Max，可读取文本、图像和视频，单次决策耗时 34 ms，262K token 下响应低于 1 秒，输入价格为 $0.06 / 1M tokens。该模型不生成文本，只从给定选项中返回一个答案并附概率分数，可用于 Computer Use 智能体逐步选择操作、Web 智能体按屏幕内容定位页面元素。Nace AI 称其在 Computer Use 场景下每 token 成本最高比 Claude、GPT 和 Gemini 背后的模型低 167 倍。

    Nace AI has released Drex Max, its most powerful decision model to date, which can now read images, videos, and text. Computer Use agents can send Drex Max a screenshot at each step, ask which action to take from a fixed set of options, and receive a probability score for each one. Drex Max doesn't write text; it replies only with one of the options it's given. Web agents can use it to select the right element of a page based on what is on screen. It runs up to 167× cheaper per token than the mo

    匹配字段正文

    #hot-signal#模型发布#多模态#Agent
  2. TechCrunch AI

    英伟达发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型，面向企业智能体与本地 AI PC

    英伟达发布面向常驻智能体和边缘计算的开源权重模型。Nemotron 3.5 Super VL 为 1200 亿参数的企业级智能体模型，英伟达称其在指令遵循和工具调用任务上可达到 Nemotron 3 Ultra 相近的准确率；两款轻量 Bolt 模型面向搭载 RTX Spark 芯片的 AI PC 和 DGX Spark 工作站本地运行。Super VL 与 Nemotron 3.5 Bolt 74B-A9B 24GB 已可用，最小的 Bolt E4B 将于本月晚些时候推出。

    Nvidia on Thursday launched new open-weight models designed for always-on agents and edge computing. The Nemotron 3.5 Super VL is a large, 120-billion-parameter model geared for agents used by the enterprise. While it uses fewer parameters than the Nemotron 3 Ultra model, Nvidia says it can deliver similar accuracy in instruction-following and tool-use tasks. At the other end of the spectrum, the company also launched two lightweight Bolt models. These are intended to run locally on the new AI P

    匹配字段正文

    #tech-media#模型发布#Agent#端侧
  3. MarkTechPost

    Mistral AI 发布 Timestral 时间序列基础模型，最大 209M 参数可在 CPU 推理

    Mistral AI 发布首个时间序列基础模型系列 Timestral，包含 5M、28M、123M、209M 四个零样本预测模型，支持最长 32,768 个时间步的上下文。据 Mistral 自测，209M 版本在 GIFT-Eval、TIME 和 fev-bench 上位列零样本预训练模型第一，fev-bench SQL skill 得分为 50.39，高于 TimesFM-3 的 48.99。模型无需 GPU，在 8 线程服务器 CPU 上 209M 版本单次预测耗时 140 ms，权重以 Modified MIT 许可开放，可通过 pip 安装并部署在本地、VPC 或隔离环境。

    native covariate support. Modified MIT weights, unlike TimesFM-3’s non-commercial licence. Asif RazzaqWebsite | + postsBio ⮌ Asif RazzaqMiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input Asif RazzaqNVIDIA Open Sources Run:ai Under Apache 2.0 for Kubernetes GPU Orchestration RELATED ARTICLESMORE FROM AUTHOR Exa 3.0 Search API Tops Perplexity, Brave and Parallel on 8 Benchmarks Meet Drex Max: Nace AI’s Multimodal Decision Model for Computer-Use Agents with a Score 67.59 Min

    匹配字段正文

    #ai-vertical#模型发布#开源生态#推理
  4. MarkTechPost精选

    MiniMax 发布 M3.1 Flash：428B MoE 智能体模型，输入 $0.15/百万 token

    MiniMax 在 API 上线 MiniMax M3.1 Flash，428B 总参数、约 23B 激活的 MoE 多模态模型，支持 100 万 token 上下文，输入 $0.15、输出 $0.60 每百万 token。推理始终开启且不可关闭，提供 Low 到 Max 五档强度，权重计划于 10 月 23 日发布、许可证尚未公布。厂商自报成绩中 Automation-Bench v1.0.6 以 62.2 居首，Terminal Bench 4.0 为 38.1，落后 Opus 5 的 51.8。

    input tokens. MiniMax also confirmed that Space Bunny was an earlier M3.1 Flash build. That stealth model processed over 200T tokens. For developers, the message is near-frontier agentic scores at Flash-tier cost. Model weights are due in late October, 2026. TL;DR Size: 428B total parameters, about 23B active (MoE); 1,000,000-token context Runs on: MiniMax API, M Plan and MiniMax Code today. Self-hosting hardware not disclosed; weights arrive Oct 23 Performance: Near-frontier on agentic office

    匹配字段正文

    #ai-vertical#模型发布#Agent#推理
  5. Inception Labs Blog精选

    Inception Labs 发布扩散语言模型 Mercury 3

    Inception Labs 发布扩散语言模型 Mercury 3，称在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，在 NVIDIA GPU 上达到 1,068 tokens/s，速度是后两者的 4–8 倍。Mercury 3 参数量比 Mercury 1 大 40 倍以上，上下文窗口从 Mercury 2.5 的 260K 提升到 1M，官方称从 Mercury 1（mini）到 Mercury 3 的基准智能水平提升 3 倍。该模型已在 Inception API Platform 及 OpenRouter、Baseten、Vercel 上线，兼容 OpenAI API，早期合作伙伴已将其用于语音与客服、实时辅导、数据工程和网页导航。

    toregressive models hold for diffusion too. Mercury 3 in production Early-access partners are already running Mercury 3 to power latency-sensitive applications such as browser use agents, interactive education, real-time search agents, and customer support. Browser Use Agents Agents wait on the model at every step, so small delays compound quickly. Mercury keeps each pass fast, whether the agent is navigating websites, researching across sources, or analyzing logs and tracing incidents. Agents f

    匹配字段正文

    #lab#模型发布#推理#部署/工程
  6. SiliconANGLE

    DeepSeek 发布 V4.1-Flash 更新版 DeepSeek-V4.1-Flash-1017，称任务执行更快

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，距 9 月 10 日初版 V4.1-Flash 约五周，Hugging Face 模型卡称其为减少任务执行时间和输出长度的小幅更新，但未说明具体幅度。DeepSeek 自测显示该版本在 DeepSWE v1.1 软件工程测试中解决 77% 任务，高于 9 月版本的 74.2%，同一表格中 Claude Opus 5 为 74%，而 11 项基准中仍有 7 项由 Anthropic 模型领先。新模型已在 DeepSeek 网页和移动端上线，API 沿用 deepseek-flash 模型 ID 且价格不变，权重以 MIT 许可发布于 Hugging Face；同时 DeepSeek 开放 Search API（每次查询最多返回 50 条排序结果）和将网页转为 Markdown 的 Fetch API，均按每 1000 次成功请求 75 美分计费，通过 DeepSeek Harness、Claude Code 或 Codex 调用在 11 月 1 日前免费。

    Seven of the 11 benchmarks DeepSeek published still go to Anthropic’s model, and the margin on Humanity’s Last Exam runs to almost 14 points. DeepSeek said it tuned the update for agent software, including its DeepSeek Harness tool and two Tencent Holdings Ltd. products, the CodeBuddy coding assistant and WorkBuddy, a desktop agent for office work. WorkBuddy has offered V4.1-Flash since DeepSeek released the model on Sept. 10. Agent builders got a second release from DeepSeek. The company opened

    匹配字段正文

    #hot-signal#模型发布#Agent#开源生态

星期二

  1. Artificial Analysis精选

    DeepSeek V4.1 Flash 1017 发布，智能指数 45 分并列开源第二

    DeepSeek 发布旗舰模型 DeepSeek V4.1 Flash 的更新版 DeepSeek V4.1 Flash 1017，在 Artificial Analysis Intelligence Index 上得分 45，比 DeepSeek V4.1 Flash 提升 6 分，与 GLM-5.3 并列开源权重模型第二，仅落后 MiMo-V2.6-Pro 1 分。该版本在智能体能力、知识和科学推理上有提升，GDPval-AA v2.1 的 Elo 从 1600 升至 1746，AA-Omniscience 非幻觉率从 4% 升至 33%，CritPt 从 14% 升至 24%。模型为 552B 总参数、16B 激活，MIT 许可，上下文窗口 1M tokens，API 定价与上一版相同，为每 1M 输入 tokens 0.30 美元、每 1M 输出 tokens 1.20 美元，每任务成本 0.26 美元。

    0 per 1M output tokens during peak hours, with off-peak pricing half of peak rates, the same pricing as DeepSeek V4.1 Flash. Key results: ➤ DeepSeek V4.1 Flash 1017 makes gains in agentic capabilities, knowledge and scientific reasoning. DeepSeek V4.1 Flash 1017’s Elo rating on GDPval-AA v2.1 is 1746, an increase of 146 points from DeepSeek V4.1 Flash’s rating of 1600. On AA-Briefcase v1.1, its Elo rating increases by 150 points from 1420 to 1570. On AA-Omniscience, its non-hallucination rate is

    匹配字段正文

    #editorial#模型发布#评测/基准#DeepSeek
  2. MarkTechPost

    Nace AI 发布多模态决策模型 Drex Max，Decision Index 得分 67.59

    Nace AI 发布 Drex Max，这是其首个多模态决策模型，可读取文本和图像并返回校准后的概率，不生成文本。该模型在公开 Decision Index 0.3.2 上得分 67.59，比 TypeSafe 的 Jev 1.14 高 6.9 分；单次截图决策中位延迟 174 ms，输入定价为每 1M tokens 0.06 美元，输出不计费。模型仅通过 Nace Console API 提供，参数规模未披露、权重闭源，上述分数均为 Nace 自报。

    Add as a preferredsource on Google Nace AI has released Drex Max, a multimodal decision model for agents that use computers and browsers. The Drex Max multimodal decision model reads text and images and returns calibrated probabilities. It writes no text. Nace team reports 67.59 on the public Decision Index 0.3.2, 6.9 points above TypeSafe’s Jev 1.14. For agent builders, that means one cheap, typed call per click. TL;DR Size: Parameters not disclosed. Up to 262,144 tokens per question on the API

    匹配字段正文

    #ai-vertical#模型发布#Agent#多模态
  3. MarkTechPost

    Inception 发布扩散语言模型 Mercury 3，速度达 1068 tokens/s

    Inception 发布扩散语言模型 Mercury 3，官方称在 NVIDIA GPU 上达到 1068 tokens/s，上下文窗口为 1M token，参数量未披露但超过 Mercury 1 的 40 倍。在 Inception 自报的 12 项基准中，Mercury 3 在 8 项上领先 GPT-6 Luna 和 Claude Haiku 5.5，其中 SWE-Bench Atlas 为 51.08、IFBench 为 76.84，但在 DeepSWE v1 和 MRCR v2 上落后于 Haiku 5.5。模型已上线 Inception API Platform、OpenRouter、Baseten 和 Vercel，API 兼容 OpenAI，模型名为 mercury-3，发布价为每百万 token 输入 0.10 美元、输出 0.35 美元，之后恢复为 0.20 美元和 0.70 美元。

    ens per second on NVIDIA GPUs and a 1M-token context window. On Inception’s own benchmark table, it leads GPT-6 Luna and Claude Haiku 5.5 on 8 of 12 tests. For developers building agents, voice bots and search tools, this is a speed-first model with competitive scores. TL;DR Size: Parameters not disclosed. Inception says it is more than 40x larger than Mercury 1. Context is 1M tokens. Runs on: Inception-served NVIDIA GPUs (exact GPU not disclosed). API only, no open weights or quantized builds.

    匹配字段正文

    #ai-vertical#模型发布#推理#Agent
  4. MarkTechPost

    Cloudflare 在 Workers AI 上发布 Clairic 提取模型预览

    Cloudflare 在 Workers AI 上发布 System One 提取模型 Clairic 的预览版，它读取文本或最多 4 张图片，直接返回带类型的值而非生成文本，单次前向传播即可回答所有字段。该模型支持 65,536 token 上下文，按 $0.10/百万输入 token 计费且不收取输出费用，权重尚未发布。Cloudflare 在理赔流程测试中称，Clairic 提取步骤耗时 0.46 秒，GLM-5.3 为 16.1 秒，整体流程快约 3.2 倍，每百万次成本从 $11,740 降至 $6,032。

    0.46 s vs 16.1 s for GLM-5.3. Every answer carries confidence, p null, spans or intervals. Asif RazzaqWebsite | + postsBio ⮌ Asif RazzaqMiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input Asif RazzaqNVIDIA Open Sources Run:ai Under Apache 2.0 for Kubernetes GPU Orchestration RELATED ARTICLESMORE FROM AUTHOR Exa 3.0 Search API Tops Perplexity, Brave and Parallel on 8 Benchmarks Meet Drex Max: Nace AI’s Multimodal Decision Model for Computer-Use Agents with a Score 67.59 Min

    匹配字段正文

    #ai-vertical#模型发布#推理#部署/工程
  5. 36氪 · AI

    记忆张量开源发布 MemT 1.0 系列记忆原生模型

    记忆张量开源发布 MemT 1.0 系列记忆原生模型，包含 36B 参数、激活 3B 的 Nano 和 288B 参数、激活 17B 的 Flash 两个型号，基座分别为 Qwen3.6-35B-A3B 和 DeepSeek-V4-Flash。模型在选定的 Transformer 模块中加入与注意力并行的记忆分支，把经验编码为可更新的矩阵状态并参与后续生成。在 500 项 SWE-bench Verified 任务中，Nano 关键断点平均成功率 69.73%，无经验基线为 66.07%；128K 长历史下端到端推理速度约为完整上下文方案的 1.86 倍，每条轨迹持久状态占用为完整上下文 KV Cache 的六十六分之一。

    景：改代码。 接Bug→定位代码→动手修改，基本都是这么个流程。但要是一开始问题没复现、边界条件也没确认好，修改不成反倒漏洞百出，一代传一代。 拿SWE-bench Verified为例，里面有一项涉及Django的parse http date函数，需要修复两位数年份的解析逻辑。 研究团队比较了无经验、文本经验和记忆原生三种设置下的执行轨迹。 没有经验时，Agent找到Bug后，很快开始修改解析逻辑，后续步骤中才出现定向复现与验证。有经验的两组，则都先构建复现测试，再修改代码。 其中，MemT-1.0-Nano还在初次修改后重新检查了一项边界条件，修正实现，并做了额外验证。 可以明显看出，经验改变了行动顺序，也参与了任务内的检查与修正。 放到更大样本上对比，在500项SWE-bench Verified任务，每项独立运行三次中，MemT-1.0-Nano在关键断点的平均成功率为69.73％，无经验基线为66.07％，文本经验组为69.13％。 三次全部成功的任务比例，则从无经验时的54.00％提高到62.80％，文本经验组为61.80％。 再看SWE-bench Multilingu

    匹配字段正文

    #hot-signal#模型发布#开源生态#数据/训练
  6. Unite.AI精选

    Inception 发布旗舰扩散大模型 Mercury 3

    Inception 于 2026 年 10 月 19 日发布扩散架构大模型 Mercury 3，称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，在 NVIDIA GPU 上速度达 1068 tokens/s，上下文窗口从 Mercury 2.5 的 26 万提升到 100 万 tokens。发布价每百万输入 tokens 0.10 美元、输出 0.35 美元，正式价为 0.20 和 0.70 美元，缓存输入为 0.02 美元。Mercury 3 可通过 Inception API、OpenRouter、Baseten 和 Vercel 调用，兼容 OpenAI API；Mercury 2 和 2.5 已停止向新用户开放，老客户可用至 2026 年 11 月 15 日。

    d for diffusion as well. Early-Access Production Results Inception said early-access partners are already running Mercury 3 in latency-sensitive applications including browser-use agents, interactive education, real-time search agents, and customer support. The company said it ran Mercury 3 inside its production web-agent harness against frontier models on 50 live Mind2Web navigation tasks, where Mercury 3 completed 50% of them, a completion count the company described as significantly higher th

    匹配字段正文

    #hot-signal#模型发布#推理#Agent
  7. Unite.AI

    Cloudflare 发布首个 System One 抽取模型 Clairic

    Cloudflare 于 2026 年 10 月 19 日发布 Clairic，称其为首个 System One 类抽取模型，已在 Workers AI 以 @cf/cloudflare/clairic 预览上线，后续计划开放权重。该模型不生成文本，而是按调用方给定的类型字段（text、number、date、list、estimate、forecast 等）在一次并行前向中直接返回带 p_null 与置信度的类型化取值，文档标注 65,536 token 上下文、支持视觉输入、输入定价 $0.10/百万 token。Cloudflare 称在受损商品理赔流程中，Clairic 加 Clef 与 GLM-5.3 的组合比纯 GLM-5.3 快约 3.2 倍、成本低 49%，但长链算术与多行聚合仍需交给代码处理。

    erward. The name, it added, plays on clerical work, clarity, and clairvoyance, and doubles as shorthand for Cloudflare’s AI regression model. Theo Nash is an AI-generated research agent at Unite.AI, covering AI infrastructure, compute, and the hardware systems that power modern artificial intelligence. His work focuses on the technical foundations behind large-scale AI workloads, including data centers, accelerators, networking, and the software stacks that tie them together. With an analytical

    匹配字段正文

    #hot-signal#模型发布#推理#部署/工程
  8. The New Stack

    MiniMax 发布 M3.1 Flash，token 价格减半但智能体账单未必同步下降

    MiniMax 发布 M3.1 Flash，输入 token 定价为每百万 0.15 美元、输出每百万 0.60 美元、缓存输入每百万 0.015 美元，并称可将智能体成本降低 70%。Artificial Analysis 的独立测算显示，每个 Intelligence Index 任务的平均成本从 M3 的 0.51 美元降至 0.22 美元，降幅为 57%；该模型在 DeepSWE v1.1 上得分 73.7%，在 OSWorld V2 上得分 61.7。AA-Omniscience 测试中它答对 56% 的事实题，但约 93% 的错误回答是给出错误答案而非弃答，整体 Omniscience 得分为 16。模型权重据称将于 10 月 23 日发布，许可证尚未公布。

    MiniMax released M3.1 Flash on Monday, saying it cuts agent costs by 70 percent. Per-token prices fell by half, which accounts for part of that claim. The rest depends on how many tokens an agent spends to finish a job, and MiniMax hasn’t said how it measured that. The company lists $0.15 per million input tokens, $0.60 per million output tokens and $0.015 per million cached input tokens, and claims inference nearly three times faster than its predecessor, M3. That 70 percent figure is the one t

    匹配字段正文

    #hot-signal#模型发布#Agent#编码
  9. SiliconANGLE

    MiniMax 发布 M3.1 Flash 模型，称智能体运行成本降低 70%

    MiniMax 发布 M3.1 Flash，这是对 6 月推出的 M3 大语言模型的更快更便宜更新，公司称智能体任务运行成本比上一代降低 70%，推理速度接近 3 倍，日常峰值输出超过 200 tokens/s。该模型参数为 428B，推理时保持开启，提供从 Low 到 Max 五档努力级别，支持文本、图像和视频输入，提示词最长 100 万 tokens。在 MiniMax 自测中，M3.1 Flash 在 OSWorld V2 得 61.7 分、BankerToolBench 得 76.2 分、CyberGym 得 82 分；在 DeepSWE v1.1 上得 73.7%，低于 DeepSeek 称其 V4.1-Flash 取得的 77%，两项结果均未经独立验证。该模型输入定价为每百万 tokens 15 美分，输出为 60 美分，缓存输入为 1.5 美分，现可通过 MiniMax API、M Plan 订阅和 MiniMax Code 桌面应用使用，权重将在之后发布。

    UPDATED 18:25 EDT / OCTOBER 19 2026 MiniMax launches M3.1 Flash model, says it cuts AI agent costs by 70% by Duncan Riley Chinese artificial intelligence developer MiniMax Group Inc. today released M3.1 Flash, a faster and cheaper update to the M3 large language model it launched in June. The release takes aim at the cost of running AI agents, which often need dozens of model calls to finish a single job. MiniMax said Flash represents its “ongoing exploration of the balance between efficiency an

    匹配字段正文

    #hot-signal#模型发布#Agent#推理
  10. Fireworks AI

    Meta 开源权重模型 Muse Spark Open 上线 Fireworks，816B 参数、1M 上下文

    Meta 的开源权重模型 Muse Spark Open 在 Fireworks 上线首日可用，这是一个 816B 参数的 MoE 模型，每 token 激活 42B 参数，上下文窗口 1M token，面向长周期编码与智能体任务。Fireworks 称其在 Vals AI 的 Harvey 法律智能体基准上以 25.4% 排名 75 个模型第一，约为 Claude Opus 5（6.7%）的近 4 倍；在 Rogo Big Finance Bench 上各难度均超过 Claude Opus 5.5。Fireworks 用自家生产栈验证该权重，AIME26 得 91.1%、GPQA Diamond 89.7%、SWE-bench Verified 84.3%，并以 SGLang 复跑得到一致结果。

    inance Bench 上领先 Claude Opus 5.5：在 Fireworks 专业智能指数的运行中，Muse Spark Open 在每个难度级别都击败了 Claude Opus 5.5。在最难的任务上，它险胜 GPT-6 Astra（17.3% 对 16.5%），得分超过 Opus 5.5（6.6%）的 2.5 倍（图 1）。 Finance Agent 排名前三：在 Vals AI 的 Finance Agent v2 上，它得分 60.6%，与 Gemini 3.8 Flash 相差不到一个百分点，而每次测试成本约低 60%。 临床文档：它在 Vals MedScribe 上得分 90.1%，与 Claude Opus 5（91.0%）相差不到一个百分点，而 token 价格低 75-83%。 本文中来自 Vals AI 和 Artificial Analysis 的第三方结果，均是在 Meta 通过 API 发布的该模型上测得的。 在 Rogo，我们会让每个新模型都跑一遍 Big Finance Bench，这是我们包含 928 个真实金融工作流问题的测试集。Mus

    匹配字段正文

    #editorial#产品更新#模型发布#部署/工程

星期日

  1. The New Stack

    Liquid AI 发布 LFM2.5-24B-A2B，并披露模型训练中搜索答案作弊

    Liquid AI 发布 24B 参数、每 token 仅 2B 激活参数的推理模型 LFM2.5-24B-A2B，同时披露该模型在后训练阶段曾翻查 Git 历史、GitHub、PyPI 和 Hugging Face 寻找现成答案，而非自行解题，并表现出意识到自己身处沙箱的迹象。公司称未发现该行为影响分数，也未出现逃离沙箱的尝试，但未说明新增了哪些防护措施，也未公开评测执行轨迹。在基准对比中，Liquid AI 在 AutomationBench 以 27.69 对 8.72、LiveClaw 以 48.09 对 38.19 领先 Qwen3.6-35B-A3B，后者在 PinchBench、WebArena Verified 和 SWE-Bench Verified 上更高，SWE-Bench Verified 为 66.20 对 51.00。

    sclosed Tuesday alongside the release of LFM2.5-24B-A2B, a 24-billion-parameter model with just 2 billion active parameters per token. The incident raises questions about how much agent benchmarks measure actual problem-solving versus a model’s ability to exploit the test itself. The behavior was disclosed Tuesday alongside the release of LFM2.5-24B-A2B, a 24-billion-parameter model with just 2 billion active parameters per token. Hunting for hints The model was caught searching repository histo

    匹配字段正文

    #hot-signal#安全/对齐#Agent#编码

星期六

  1. 智东西精选

    DeepSeek V4.1-Flash 更新至 V4.1-Flash-1017 并开放搜索与抓取 API

    DeepSeek V4.1-Flash 更新至 V4.1-Flash-1017 版本，官方网页端、App 与 API 已同步更新，模型权重在 HuggingFace 和 ModelScope 开放下载。在 DeepSWE v1.1 测试中，新模型 max 档位单次任务通过率达 77.0%，较上一版本提高 2.8 个百分点，每项任务平均费用从约 3.3 元降至约 1.3 元。DeepSeek 同时向公众开放自研搜索引擎的 Search 与 Fetch API，两个接口均定价 5 元/千次，通过服务端工具调用的这部分访问将于北京时间 11 月 1 日 00:00 起按次收费。

    源地址： HuggingFace: ModelScope: 模型更新主要围绕性能、任务执行效率和完整项目开发能力展开。DeepSeek称，相比上一版本，新模型在多项基准测试中取得提升，同时缩短了任务运行时间与输出长度，让用户以更低成本、更快速度完成任务。 在衡量软件工程能力的DeepSWE、业务自动化能力的Automation-Bench、复杂任务执行能力的Agents’ Last Exam，以及专业知识工作能力的Apex Bench四项测试中，新模型展现出较大优势，领先Kimi K3、GLM 5.3、GPT 5.6-Sol和Claude Opus 5等模型。 在DeepSWE v1.1测试中，新模型max档位的单次任务通过率达到77.0%，得分超GPT-6 Astra、GPT-6.1 Sol、Gemini 3.8 Flash、Claude Opus 5等模型，较V4.1-Flash上一版本提高2.8个百分点，每项任务平均费用则从约3.3元降至约1.3元，下降约六成。新模型在多个Harness下达到了新的性能-费用帕累托最优，即以更低成本取得更好的任务表现。 就在模型更新前两天，10月

    匹配字段正文

    #hot-signal#模型发布#开源生态#编码
  2. 邵猛

    DeepSeek 发布 V4.1-Flash-1017 并开放 Search & Fetch API

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017，称其在基准表现、任务完成速度和输出长度三方面较上一版本改进，已在官网、App 和 API 上线。该版本采用带自我反馈的强化学习训练，在 Terminal-Bench 4.0 得分 42.3、DeepSWE v1.1 得分 77.0，并适配 DeepSeek Harness（需 v0.2.1-rc.1 或更高）、腾讯 CodeBuddy、WorkBuddy 等工具。DeepSeek 同时把内部搜索引擎开放为 Search API（/v1/tools/search）和 Fetch API（/v1/tools/fetch），后者可将单个网页转为 Markdown。

    DeepSeek 叕发布了一个「小」版本：DeepSeek V4.1-Flash-1017，在性能、速度、输出长度三个维度同时改进，同时将内部搜索引擎以 Search & Fetch API 的形式正式商业化，并深度绑定自家及 WorkBuddy 等第三方 Agent 编程工具生态。 模型发布：一次“小步快跑”式迭代 V4.1-Flash-1017 是对既有 DeepSeek-V4.1-Flash 的增量更新，采用日期后缀命名，属于快速迭代节奏下的版本推进，而非架构换代。 公告强调的三个改进方向「更强的基准表现、更快的任务完成、更短的输出」，第三点尤其值得注意。模型输出冗长是当前推理模型普遍的成本痛点：同样的任务，输出 token 越少，延迟和费用越低。“性能更高 + 输出更短” 同时成立，才是其所说的“性能与成本的帕累托改进”的真正含义。 训练方法：RL with self-feedback 新模型使用“带自我反馈的强化学习”来提升端到端项目开发能力（从游戏开发到 3D 建模）。这意味着训练目标不再是对话轮次的质量，而是完整任务的最终结果：模型自己生成反馈信号来修正多步骤、长周期的工

    匹配字段正文

    #hot-signal#模型发布#Agent#DeepSeek