←搜索结果

搜索“DeepSeek”

按匹配度 · 共 177 条结果 清除搜索

星期日

  1. 事件3 条新闻 · 2 个事实

    DeepSeek升级V4-Flash API

    2026年7月31日,DeepSeek升级DeepSeek-V4-Flash API。据DeepSeek说明,DeepSeek-V4-Flash-0731与预览版保持完全相同的模型架构和规模,此次升级仅适用于DeepSeek-V4-Flash API,DeepSeek-V4-Pro API及App/Web模型暂时不变,DeepSeek-V4-Pro正式版将尽快发布。后续报道称,该模型在架构不变的情况下通过新一轮微调,在独立测试中超越更大的DeepSeek-V4-Pro,Artificial Analysis智能指数达50分;其为284B总参数、13B激活参数的MoE架构,支持最高100万token输入与384,000 token输出,MIT许可下权重可免费商用,API价格为每百万输入/缓存/输出token $0.14/$0.0028/$0.28。2026年8月13日,DeepSeek发布DeepSeek-V4-Pro,重点升级Agent能力,并为V4-Pro与V4-Flash提供low、high和max三档推理强度,原生支持OpenAI Responses API并针对Codex优化,

    匹配字段标题

  2. 事件7 条新闻 · 1 个事实

    Reflection发布首个开放权重模型Beam

    2026年10月6日,Reflection发布首个开放权重模型Beam,采用稀疏MoE架构,总参数501B、激活23B,面向编码、推理和智能体任务。官方称该模型在23.8万亿token上预训练,并用10.5K NVIDIA GB300 GPU进行四周高算力RL,生成超1亿条rollout;本月将以Apache 2.0协议发布权重、技术报告和模型卡。早先报道称Beam自报SWE-bench Verified得分80.9,观察者认为其大致处于GLM-5.2水平,部分基准低于DeepSeek V4 Flash。10月7日,Yuchen Jin评论称Beam与Mistral Large 4在过去两天都达到大致GLM-5.2水平,并由此提出西方与中国开源模型差距或在蒸馏能力的疑问。

    匹配字段摘要

  3. 事件9 条新闻 · 1 个事实

    Mistral发布一万亿参数Mistral Large 4预览版

    2026年10月6日,Mistral发布一万亿参数开放权重模型Mistral Large 4预览版。据Mistral AI官方信息,该模型为1万亿参数、490亿激活参数的原生多模态模型,权重将于本月底开放,在Mistral欧洲自有数据中心的3800块NVIDIA Grace Blackwell GPU上从零训练,训练数据覆盖160多种语言,官方称其在网络安全、金融、法律等企业负载上达到开源模型领先水平,在Artificial Analysis Cyber Index上进入全球前五,复现并修补真实漏洞的测试得分82%,Cybench解题率93%。Artificial Analysis的评测显示,该模型智能指数得分38,与GPT-6 Luna(max,38)相当,低于DeepSeek V4.1 Flash(max,39),网络防御指数得分50,CyberGym-E2E-AA得分82%,支持512k token上下文窗口,接受文本和图像输入、输出文本,API单次请求可接受100张图片,标准定价为每1M输入/输出token 1.36/4.18美元。同日,Thomas Wolf发布预告称Mist

    匹配字段摘要

  4. 事件1 条新闻 · 1 个事实

    Mistral Large 4上线Arena并获首批评测

    2026年10月6日,Mistral AI的Mistral Large 4上线Arena,可在Agent Arena中实测,用户投票将影响其评估结果,分数稍后公布;Agent Arena用数百万个真实长周期智能体任务评测模型,模型可调用网页搜索、文件系统和终端工具完成复杂工作流,排行榜以因果追踪方法衡量模型相对平均模型的结果表现。Mistral Large 4同时上线Code Arena的WebDev、Text和Vision三个方向。10月8日,Arena发布对Mistral Large 4的首批评测,该模型为1T参数、49B激活,开放权重将于本月底发布;Arena用一系列真实场景测试将其与GPT-6.1 Sol、Astra、Claude Fable、Claude Opus 5.5、Claude Sonnet 5.5、Kimi K3、GLM 5.3 Flash、DeepSeek Flash和Muse Spark等模型对比,后续还会公布更多分数和更新。

    匹配字段摘要

  5. 事件1 条新闻 · 1 个事实

    Z AI发布并开源GLM-5.3-Flash

    2026年8月27日,Z AI确认此前以匿名免费模型身份出现的Ox Alpha即GLM-5.3-Flash,并公开模型权重。材料称,该模型在OpenRouter登顶,使用量达到第二名DeepSeek的两倍。Z AI表示,免费开放期间的服务完全运行于中国制造的芯片。Artificial Analysis给出的单任务价格为0.045美元,较同档模型低10倍。目前,该模型的匿名身份已经揭晓,并进入权重开放阶段。

    匹配字段摘要

  6. 事件1 条新闻 · 1 个事实

    V4视觉模型拓展智能体应用

    2026年8月21日,DeepSeek介绍V4-Flash-Vision-Exp的多模态智能体能力。该模型可在多种智能体框架中顺畅运行,把视觉理解与广泛的工具调用结合起来,从而支持更多实用的多模态智能体工作流。目前输入材料仅提供了此次能力介绍,未说明具体上线范围、应用案例或后续进展。

    匹配字段摘要

  7. 事件1 条新闻 · 1 个事实

    Prime Intellect发布INTELLECT-2分布

    2025年4月15日,Prime Intellect发布INTELLECT-2,称其为首个32B参数全球去中心化强化学习训练,任何人都可无许可贡献异构算力。该训练以QwQ-32B为基座模型,沿用DeepSeek-R1的GRPO与可验证奖励方法,并配套开源prime-RL异步分布式RL库、Shardcast权重分发库和TOPLOC可验证推理方案。推理节点可用消费级GPU,例如4×RTX 3090即可参与训练,训练数据已发布在Hugging Face。

    匹配字段摘要

星期四

星期五

星期五

  1. 事件1 条新闻 · 1 个事实

    超衍智能发布并开源首款大模型Apex-35B-V1.0

    2026年10月28日,北京大模型创企超衍智能发布并开源首款大模型Apex-35B-V1.0。据智东西报道,该模型总参数量350亿,每Token激活约30亿参数,支持26.2万Token上下文窗口,以Qwen3.6-35B-A3B为基础经中训练和后训练优化。测试方面,Apex-35B-V1.0在PaperBench和FrontierScience中分别取得60.9分和40.0分,高于GLM-5.3的42.5分和30.7分;BFCL V4取得84.0分,高于DeepSeek-V4.1-Flash-1017的75.0分。模型已采用Apache 2.0许可证开放权重,官方提供约72GB的BF16权重和不同精度的GGUF量化版本。目前尚无后续进展披露。

    匹配字段摘要

  2. 事件1 条新闻 · 1 个事实

    Mistral称Le Chonk为全球最佳开放权重模型

    2026年10月29日,Mistral发布万亿参数开放权重模型Le Chonk的正式版本,并称其是自动化编码和网络安全领域全球最好的开放权重模型,可免费获取。Mistral科学副总裁Pierre Stock表示,该模型通过不断加难的网络安全与编码问题训练,得以追平或超过DeepSeek、Z.ai等中国实验室的模型。Stock同时强调,西方需要自己的先进开放权重模型,因为闭源模型可被远程关停,而开放权重一旦发布便无法切断访问。目前该事件仅有Wired AI一篇报道,尚无后续发展。

    匹配字段摘要

星期三

  1. 事件1 条新闻 · 1 个事实

    记忆张量发布并开源MemT 1.0记忆原生大模型

    2026年10月20日,记忆张量发布并开源 MemT 1.0 系列记忆原生大模型。据量子位报道,该系列包含 36B 参数、激活 3B 的 MemT-1.0-Nano(基座 Qwen3.6-35B-A3B)和 288B 参数、激活 17B 的 MemT-1.0-Flash(基座 DeepSeek-V4-Flash),在选定的 Transformer 模块中加入与注意力并行的记忆计算通路;团队构建 340 亿 Token 记忆训练语料,其中继续预训练 200 亿、后训练 140 亿。在 11 项记忆基准综合评估中,Flash 和 Nano 平均得分分别为 50.6 和 47.0,位列参与评估的参数化记忆方法前两名;在 500 项 SWE-bench Verified 任务中,Nano 三次全部成功的任务比例从无经验基线的 54.00% 提升到 62.80%。后续报道称,MemT-1.0 在 Transformer 中并联原生记忆模块,把记忆变成前向计算流中的状态,最高放出 288B 权重和 66 页技术报告;作者称 256K 超长历史下显存开销从 5.06G 降到恒定 40M,KV 缓存减

    匹配字段摘要

星期日

  1. 事件1 条新闻 · 1 个事实

    记忆张量开源发布MemT 1.0记忆原生模型系列

    2026年10月20日,记忆张量开源发布MemT 1.0系列记忆原生模型。该系列包含两个型号:Nano为36B参数、激活3B,基座为Qwen3.6-35B-A3B;Flash为288B参数、激活17B,基座为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为69.73%,无经验基线为66.07%;在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。目前尚无后续发展事实。

    匹配字段摘要

星期五

  1. 事件5 条新闻 · 1 个事实

    Suleyman称MAI已拥有3T参数级SOTA预训练基座模型

    微软AI主管Mustafa Suleyman于2026年10月16日宣布,微软AI已拥有自研的3T参数级最先进预训练基座模型。微软AI博客同日披露,该模型为MAI-Base-2,采用MoE架构,总参数2.8万亿、激活参数800亿,已完成预训练,在内部留出评测上优于其测试的所有开放权重模型;预训练FLOPs效率比最强的开放基础模型DeepSeek-V4-Pro-Base高4至12倍,训练使用16k块GB200 GPU、历时38天,平均MFU 21%、goodput 89%,基于有机数据训练、不涉及其他模型蒸馏。目前该模型正进行后训练,微软计划通过Foundry向可信伙伴授权模型权重。财联社同日报道称,Suleyman在员工大会上表示该模型性能超过目前驱动GPT-5.6 Sol的模型,训练算力仅为OpenAI的四分之一。

    匹配字段摘要

星期三

  1. 事件1 条新闻 · 1 个事实

    FireRedTeam 发布 FireRed-OCR-2B 权重

    2026年2月28日,FireRedTeam 发布 FireRed-OCR-2B 权重。据其官方项目信息,该框架名为 FireRed-OCR,基于 Qwen3-VL 架构,在 OmniDocBench v1.5 上取得 92.94% 的总体得分,官方称其在端到端方案中排名第一,超过 DeepSeek-OCR 2、OCRVerse 以及 Gemini-3.0 Pro、Qwen3-VL-235B 等通用 VLM。该框架通过多任务预对齐、专用 SFT 和格式约束 GRPO 三阶段训练,用公式语法、表格完整性、层级闭合和文本准确率奖励来抑制结构幻觉。代码与权重采用 Apache 2.0 许可。目前尚无后续发展事实。

    匹配字段摘要

  2. 事件1 条新闻 · 1 个事实

    Zyphra发布视觉语言模型ZAYA1-VL-8B

    2026年5月8日,Zyphra发布其首个视觉语言模型ZAYA1-VL-8B。该模型基于ZAYA1-8B构建,采用MoE架构,拥有700M激活参数与8B总参数,并以Apache 2.0许可开源权重。官方称其在视觉理解、定位和OCR类任务上表现突出,性能超过Deepseek-VL2、Qwen3-VL和MolmoE等同类模型,而训练仅用约140B视觉语言token。架构上,该模型引入仅对视觉token激活的视觉专用LoRA参数,并对图像token采用双向注意力。目前尚无后续发展事实。

    匹配字段摘要

  3. 事件1 条新闻 · 1 个事实

    Sakana AI开发日本适配试作模型Namazu α版

    2026年3月23日,Sakana AI发布日本适配试作模型系列Namazu(α版),并同步上线搭载该模型的聊天服务Sakana Chat。据官方说明,Namazu将DeepSeek-V3.1-Terminus、Llama-3.1-405B、gpt-oss-120B等开源基座适配为日本规格,在AIME'25、MMLU-Redux、GPQA Diamond、LiveCodeBench、IFEval等基准上保持与基座相当的性能,在自建的中立性与事实准确性评测中明显改善,其中基座DeepSeek-V3.1-Terminus对相关政治历史话题的拒答率由72%降至接近0%。在日语基准Nejumi Leaderboard4、Swallow LLM LeaderBoard v2、JamC-QA上,Namazu-DeepSeek-V3.1-Terminus与基座及同规模他社模型相当。官方表示技术报告与部分模型权重将后续公开。

    匹配字段摘要

星期四

  1. Artificial Analysis精选

    Mistral Large 4 开放权重，成为非中国开源模型第一

    Mistral AI 更新并开放旗舰模型 Mistral Large 4 的权重，总参数 1.05T、激活参数 52B，在 Artificial Analysis Intelligence Index v5 上得分 26，比 Preview 版高 1 分，以 1 分优势领先美国开源模型 Muse Spark Open（25）。该模型每项任务输出 82K token，比 Preview 的 135K 少 39%，AA-Omniscience v1.1 幻觉率从 41% 降至 28%，但准确率仍为 26%。定价为每 1M 输入/输出 token 0.70/2.10 美元，较 Preview 下降约 50%，采用 MEOW 许可证，运营 Model-as-a-Service 业务需另行获得商业授权。

    l Large 4 Preview（25）高 1 分，主要差异在于 token 效率提升和幻觉减少。它比美国开发的开源权重领先模型 Muse Spark Open（xhigh，25）高 1 分。 在 Artificial Analysis Cyber Index 上，Mistral Large 4（high）得分 51，在现有开源权重模型中排名第三，落后于 DeepSeek V4.1 Flash 1017（max，57）和 MiMo-V2.6-Pro（56）。 主要结论： ➤ 以微弱优势领先非中国开源权重模型：Mistral Large 4（high）领先 Muse Spark Open（xhigh）——后者是下一个最佳的非中国开发开源权重模型——最大差距出现在 Terminal-Bench 4.0（25% 对 8%）。它在 Intelligence Index 上落后于领先的开源权重模型 DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）6 分，主要原因是编码和智能体知识工作表现较弱：FrontierCode 2.0 上为 15%（两者分别为 29

    匹配字段正文

    #editorial#模型发布#开源生态#评测/基准
  2. The New Stack

    Mistral 开源 Mistral Large 4 权重，编码基准以 1 分领先 GLM-5.3

    Mistral 于周四在 Hugging Face 发布前沿开源模型 Mistral Large 4（ML4）的权重，该模型三周前才开放预览。Mistral 称 ML4 是“全球最好的开源智能体编码模型”，在 Terminal-Bench 4.0 上得分 41%，略高于 GLM-5.3 的 40%，并称其每任务平均比 GLM-5.3 少用 47% 的 token；在 CyberGym E2E 防御性网络安全测试中得分 79%，GLM-5.3 为 29%。Mistral 科学副总裁 Pierre Stock 称 ML4 只是“垫脚石”，并确认未来数月将推出更小版本，其中一款可运行在笔记本电脑上。

    提升该模型的网络安全能力。在 Artificial Analysis 网络安全指数中的 CyberGym E2E（用于测试防御性网络安全能力）中，这款法国模型再次领先于大部分竞争对手，得分为 79%，而 GLM-5.3 为 29%（不过在同一图表中，Z.ai 更小的 GLM-5.3 Flash 得分为 74%）。在 Mistral 的对比中，ML4 超过了 DeepSeek v4.1 Flash 1017 的 76%，并与 MiMo-V2.6-Pro 的 79% 持平。 点击放大图片。（来源：Mistral） 就此，Stock 解释了部分 Mistral 客户如何已将这一模型投入使用，用它支持自动化渗透测试，由专门的智能体分析应用程序日志并测试潜在的入口点。 以极低成本实现飞速提升 当 Mistral 于 10 月初公开发布 ML4 预览版时，该模型已在其欧洲数据中心约 3,800 块 Nvidia Grace Blackwell GPU 上训练了约两个月。Stock 表示，在过去三周里，该模型经历了“显著提升”，他将此归功于团队的强化学习。Mistral 自己的 Terminal-B

    匹配字段正文

    #hot-signal#模型发布#开源生态#编码
  3. Numerama

    Mistral Large 4 开放权重发布：代码与安全能力提升，API 价格减半

    Mistral AI 于 10 月 29 日在 Hugging Face 发布 Mistral Large 4（代号 Le Chonk）的开放权重，该模型总参数 1000 亿级规模中的 1000 亿参数、每 token 实际调用约 49 亿参数，采用 MoE 架构，128 个专家中每次激活 4 个加 1 个共享专家。相比 10 月 6 日预览版，Mistral 称三周内继续强化学习，Terminal-Bench 4.0 得分从 28% 升至 41%，Artificial Analysis 代码指数为 48%，与 GLM-5.3 持平且每任务平均少用 47% token。API 价格降为输入每百万 token 0.70 美元、输出 2.10 美元；新许可证 Mistral Ecosystem Open-Weight License 允许商业使用，但转售模型服务需另签协议，完整版需 8 张 Nvidia B200 或 B300。

    据，其在Terminal-Bench 4.0（一项命令行编程测试）上的得分从28%升至41%，仅领先中国的GLM-5.3一个百分点（40%）。在咨询公司Artificial Analysis的代码指数上，它获得48%，与同一GLM-5.3持平，同时每个任务平均少消耗47%的token（计费文本单位）。在Terminal-Bench上，Mistral还将其排在DeepSeek V4.1 Flash（31%）、Kimi K3（21%）和Muse Spark Open（6%）之前。 来源：Mistral 不过，Mistral在Hugging Face的文档中承认，中国最好的开放模型在同一公司的综合指数上仍然领先，Le Chonk在该指数上获得26分，是西方开放模型中的最高分。而恰恰是中国模型被搜索引擎Ecosia选中，于10月初取代Mistral。替代者中包括Qwen、Kimi以及GLM。Ecosia的老板Christian Kroll曾批评Mistral模型的质量，并称其落后竞争对手约一年。 API价格减半：输入每百万token 0.70美元（约0.63欧元），输出2.10美元（约1.89

    匹配字段正文

    #hot-signal#模型发布#开源生态#Hugging Face