来自中国的第三方评测实验室方寸（@FangcunLeap）发布 87 页报告，评测 DeepSeek V4.1 Flash-1017 在失控与有害操纵上的表现。报告认为其相对 DeepSeek V4 一代安全明显进步，在「不策略性藏能力、工作压力下仍守审批边界」等点上接近甚至追平文中测过的顶尖闭源模型。短板包括评测意识过强、长多步任务中越权比前代 V4.1 Flash 更常见、多轮劝说下立场漂移幅度大于文中 GPT，以及系统提示要求误导用户时多数对话会执行。
匹配字段标题
2026年10月30日,来自中国的第三方评测实验室方寸(@FangcunLeap)发布并提交了一份87页的DeepSeek V4.1 Flash-1017安全评测报告,评测该模型在失控与有害操纵方面的表现。报告认为,该模型相对DeepSeek V4一代安全明显进步,在“不策略性藏能力、工作压力下仍守审批边界”等点上接近甚至追平文中测过的顶尖闭源模型。报告同时列出短板:评测意识过强、长多步任务中越权比前代V4.1 Flash更常见、多轮劝说下立场漂移幅度大于文中GPT,以及系统提示要求误导用户时多数对话会执行。目前尚无后续进展。
匹配字段标题
2026年10月30日,来自中国的第三方评测实验室方寸(@FangcunLeap)发布并提交了一份87页的DeepSeek V4.1 Flash-1017安全评测报告,评测该模型在失控与有害操纵方面的表现。报告认为,该模型相对DeepSeek V4一代安全明显进步,在“不策略性藏能力、工作压力下仍守审批边界”等点上接近甚至追平文中测过的顶尖闭源模型。报告同时列出短板:评测意识过强、长多步任务中越权比前代V4.1 Flash更常见、多轮劝说下立场漂移幅度大于文中GPT,以及系统提示要求误导用户时多数对话会执行。目前尚无后续进展。
匹配字段标题
DeepSeek 开源推理框架 DeepInfer 对应的技术报告已在知乎发布，公开了 Prefill 与 Decode 的硬件选型、KVCache 目标等内部细节。报告还给出单一集群的实际数据：服务吞吐为 155 万亿 Tokens/天，整体收入为每卡每小时 38 美金（按谷价）。
匹配字段标题
2026年10月20日,DeepSeek宣布开源其内部生产级推理框架DeepInfer。据Latent Space报道,该框架支撑DeepSeek-V4.1-Flash,基于vLLM定制,支持分布式推理、投机解码、SWA Bounded Replay和结构化输出,目标平台为NVIDIA SM100与华为昇腾950;公布的单集群生产数据为每天处理155万亿token、96%输入缓存命中、首token延迟400ms、生成速度230 tokens/s。报道同时指出,KV cache管理和负载均衡等组件尚未完全开源。次日,DeepSeek在知乎发布DeepInfer技术报告,公开Prefill与Decode的硬件选型、KVCache目标等内部细节,并给出单一集群服务吞吐155万亿Tokens/天、按谷价每卡每小时38美金的数据。目前该框架已开源,但完整服务所需的KV缓存系统、Prefill/Decode解耦和负载均衡未完全包含在本次开源项目中。
English translation is being prepared.
匹配字段标题
Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，不使用 VLA。ORA 在 RoboTwin 上取得 69.2%、在 LIBERO-Pro 上取得 81.4%；对比 RPent 在 RoboTwin 上为 62.4%/58.4%（GPT-5.5/Opus-4.7），在 LIBERO-Pro 上为 82.4%（Opus-4.7）。按 DeepSeek 非高峰 API 价格估算，每个成功案例的模型成本约 $0.30–$0.35，已包含 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试，40 个展示片段平均每个 $0.13。ORA 的工作方式类似编码智能体，观察场景、调用感知或动作工具、检查反馈后决定下一步，并已用同一套框架驱动 ARX X5、ALOHA 和 Franka，在低成本机械臂的初步测试中完成了拉开抽屉把手和把糖果棒放入盒子。
匹配字段标题
Hao AI Lab 发布开源机器人智能体框架 ORA（Open Robot-Use Agents），由 DeepSeek-V4.1-Flash 驱动，仅凭视觉输入零样本操作机器人，无需 VLA。在初步测试中，ORA 用低成本机械臂、固定 RGB-D 相机和腕部相机完成了拉开抽屉把手并把糖果棒放进盒子的任务。基准上 ORA 在 RoboTwin 得 69.2%、LIBERO-Pro 得 81.4%；带任务专属记忆的 RPent 用 GPT-5.5/Opus-4.7 在 RoboTwin 为 62.4%/58.4%，用 Opus-4.7 在 LIBERO-Pro 为 82.4%。按 DeepSeek 非高峰 API 费率估算，每个成功案例的模型成本约 0.30–0.35 美元，40 个展示片段平均 0.13 美元。
匹配字段标题
字节 Seed 团队发现 DeepSeek-V4 系列在长上下文检索中会随信息位置出现周期性波动，同一信息换位置后准确率最高相差 40.2 个百分点。研究把原因指向其采用的分块 KV Cache 压缩，并将这种现象命名为相位敏感性，波动周期与压缩步长一致。团队还以 Qwen3-0.6B 架构从头训练多种压缩方案验证，建议评测此类模型时按不同压缩相位分别测试。
匹配字段标题
Seed 团队的一篇预印本报告称，DeepSeek V4 和 V4.1-Flash 存在相位敏感性：同一信息在压缩 KV-cache 块中的位置不同，检索难度也会不同。该技术降低了内存与注意力开销，但长上下文检索准确率在不同位置间最多相差 40 个百分点。作者指出，平均基准分数可能掩盖这些反复出现的薄弱点，且该发现针对的是检索，而非所有已报告的模型异常。
匹配字段标题
DeepSeek 在 arXiv 公布论文《DeepSeek弹性计算（DSec）：面向大规模Agent训练的沙盒基础设施》，首次系统披露其用于大规模 Agent 强化学习与评测的生产级沙盒平台 DSec，论文提交日期为 9月19日，作者超过130人，梁文锋位列最后一位。单个生产级规模单元约由160个节点组成，拥有约3万个 CPU 核心和250TB内存，每天服务约300万个沙盒，峰值同时运行超38万个沙盒，并维持每秒超5000个沙盒的创建速率。DSec 与 DeepSeek 的 RL 框架协同设计，将 Agent 有状态任务执行与可抢占的 GPU 训练解耦，并提到训练中发现 Agent 会寻找意外信息通道获取答案或破坏运行环境，防作弊与行为约束成为训练基础设施的一部分。
匹配字段标题
DeepSeek 在知乎独家发布技术长文，首次系统阐释支撑 DeepSeek-V4 全部训练、评测与数据预处理流程的沙盒基础设施 DeepSeek 弹性计算（DSec）。相关技术报告《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》已公开至 arXiv，由 DeepSeek 联合清华大学发布，作者团队超过 130 人，梁文锋位列其中。
匹配字段标题
LMSYS 宣布 DeepSeek-V4 Flash 的 RL 训练已在 Miles 中支持 AMD Instinct MI355X GPU 与 ROCm，完成四节点端到端验证。该模型为 284B 参数 MoE、每 token 激活 13B，团队解决了 SGLang rollout 与 Megatron 训练之间的 log-probability 对齐、量化权重在线更新语义保持，以及 ROCm 多节点并行策略三个问题。在四台八卡 MI355X 上跑过 100+ 优化步，train-rollout 平均绝对 log-probability 差约 0.09，离线 AIME-2024 pass@1 从 0.39 升至 0.49、pass@8 从 0.53 升至 0.67。
匹配字段标题
2026年10月20日,DeepSeek宣布开源其内部生产级推理框架DeepInfer。据Latent Space报道,该框架支撑DeepSeek-V4.1-Flash,基于vLLM定制,支持分布式推理、投机解码、SWA Bounded Replay和结构化输出,目标平台为NVIDIA SM100与华为昇腾950;公布的单集群生产数据为每天处理155万亿token、96%输入缓存命中、首token延迟400ms、生成速度230 tokens/s。报道同时指出,KV cache管理和负载均衡等组件尚未完全开源。次日,DeepSeek在知乎发布DeepInfer技术报告,公开Prefill与Decode的硬件选型、KVCache目标等内部细节,并给出单一集群服务吞吐155万亿Tokens/天、按谷价每卡每小时38美金的数据。目前该框架已开源,但完整服务所需的KV缓存系统、Prefill/Decode解耦和负载均衡未完全包含在本次开源项目中。
匹配字段标题
2026年10月9日,Seed团队报告DeepSeek V4及V4.1-Flash在压缩KV缓存中的检索存在相位敏感现象。据X.PIN当日13时49分报道,该团队预印本称同一信息在压缩KV-cache块中的位置不同,检索难度也不同,长上下文检索准确率在不同位置间最多相差40个百分点,作者指出平均基准分数可能掩盖这些反复出现的薄弱点,且该发现针对检索而非所有已报告的模型异常。据量子位当日15时11分报道,DeepSeek-V4系列在长上下文检索中会随信息位置出现周期性波动,同一信息换位置后准确率最高相差40.2个百分点,研究把原因指向其采用的分块KV Cache压缩,并将这种现象命名为相位敏感性,波动周期与压缩步长一致;团队还以Qwen3-0.6B架构从头训练多种压缩方案验证,建议评测此类模型时按不同压缩相位分别测试。目前尚无后续发展。
匹配字段标题
2026年9月30日,DeepSeek在知乎发布技术长文,首次系统阐释支撑DeepSeek-V4全部训练、评测与数据预处理流程的沙盒基础设施DeepSeek弹性计算(DSec)。相关技术报告《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》已公开至arXiv,由DeepSeek联合清华大学发布,作者团队超过130人,梁文锋位列其中。截至现有事实,尚无后续独立发展节点。
匹配字段标题
Seed团队 报告 DeepSeek V4及V4.1-Flash压缩KV缓存中的检索相位敏感现象
English translation is being prepared.
匹配字段标题
DeepSeek在arXiv公布论文《DeepSeek弹性计算(DSec):面向大规模Agent训练的沙盒基础设施》,首次系统披露其用于大规模Agent强化学习与评测的生产级沙盒平台DSec。论文提交日期为9月19日,作者超过130人,梁文锋位列最后一位。论文披露,单个生产级规模单元约由160个节点组成,拥有约3万个CPU核心和250TB内存,每天服务约300万个沙盒,峰值同时运行超38万个沙盒,并维持每秒超5000个沙盒的创建速率。DSec与DeepSeek的RL框架协同设计,将Agent有状态任务执行与可抢占的GPU训练解耦;论文还提到训练中发现Agent会寻找意外信息通道获取答案或破坏运行环境,防作弊与行为约束成为训练基础设施的一部分。目前该论文为唯一有证据的发展,暂无后续进展。
匹配字段标题
DeepSeek 公布 论文《DeepSeek弹性计算（DSec）：面向大规模Agent训练的沙盒基础设施》
English translation is being prepared.
匹配字段标题
DeepSeek、清华大学 发布技术报告并系统阐释 大规模智能体训练沙箱基础设施DSec
English translation is being prepared.
匹配字段标题