2026年10月11日,开发者FeiZ发布了一套名为ds bot的多Bot团队界面,以插件形式安装于DeepSeek Harness(DSH)。据量子位报道,该项目上线不到一天获得250+星。每个Bot可设置名称、角色、指令、形象和背后调用的模型,并拥有持久化运行状态与长期记忆;设置Main Bot主管后,消息默认由主管回复并协同其他Bot,以降低群聊场景的token消耗。项目采用Apache License 2.0许可,数据保存在本地DSH主文件夹的bot/和sessions/文件夹中,桌面端和Web端均可使用。目前尚无后续发展事实。
匹配字段摘要
Goodfire Research 发布了一篇关于表演性思维链的论文,用探针追踪模型已知道最终答案却仍继续生成思维链的现象。研究在 DeepSeek-R1-0528-671B、GPT-OSS-120B 及 DeepSeek-R1 蒸馏模型上,基于 MMLU-Redux 和 GPQA-Diamond 对比探针、强制作答与 CoT 监控三种方法,发现任务越简单表演式推理越多,最佳注意力探针在 MMLU 上达到 87.98% 准确率。探针还可用于提前退出推理,在 95% 置信度下 DeepSeek-R1 在 MMLU 上节省 68% token、GPQA-Diamond 上节省 33%,同时保留超过 95% 的原始准确率。目前该研究没有后续发展事实。
匹配字段摘要
清华大学、牛津大学和斯坦福大学研究团队发现,大语言模型在关闭思考后仍可能输出推理过程。该发现于2026年10月10日由论文披露,在开放式问题上尤其明显:关闭思考时,DeepSeek-V4-Flash在99.9%的开放式回答中仍写出了推理内容,缺少think标签或回复简短并不能证明模型跳过了推理。研究还显示,对5个模型强制只给答案可将开放式任务的遵从率提升到约40%,但准确率下降约15个百分点。论文地址为arxiv.org/abs/2610.11765。目前尚无后续发展。
匹配字段摘要
2026年10月8日,Unsloth公布Unsloth Studio与Unsloth Desktop的安全概览,说明模型从下载转入执行时会触发四道加载前安全检查。据MarkTechPost报道,这四道检查包括:代码指纹绑定审批、独立的权重文件拦截、操作系统沙箱探测和包内容扫描。其中,代码指纹变化后需重新授权;Hugging Face的恶意扫描结论会拦截加载路径中被标记的权重文件;工具则在bubblewrap、Seatbelt、MXC等系统级沙箱中运行。报道还提到,deepseek-ai/deepseek-ocr与moonshotai/Kimi-VL-A3B-Instruct在加载时会弹出审批并列出发现项,Unsloth也在其适配仓库中移除了eval调用等问题代码。目前该事件尚无后续发展事实。
匹配字段摘要
2026年10月8日,Arena发布对Jev Router的评测,考察其在任务成功率、可控性、成本与延迟上的模型路由表现。评测显示,Jev Router展现出较强的模型选择与可控性,但未能取得更优的综合权衡。若进入Agent Arena榜单,它将录得+3.6%净提升,每任务中位成本$0.155。其排名低于最常路由到的DeepSeek V4.1 Flash,但在Steerability(+10.0% vs -0.2%)和Praise vs Complaint(+6.3% vs +2.1%)上胜出;DeepSeek则在Confirmed Success(+8.3% vs +2.2%)、Bash Recovery(+7.8% vs -0.7%)和Tool Hallucination(+0.4% vs +0.2%)上更强。其Steerability得分距Claude Opus 5.5 (High)仅低0.48个百分点。评测指出,直接调用DeepSeek V4.1 Flash能以更低成本和延迟获得相似性能,同时平衡任务成功率、可控性、成本和延迟仍是未解难题。
匹配字段摘要
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
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
2026年10月6日,Mistral Large 4 Preview 公布其 Intelligence Index 单任务成本。按标准定价每 1M 输入/输出 token 为 $1.36/$4.18 计算,每个 Intelligence Index 任务成本为 $1.13,缓存输入 token 为 $0.14 每 1M。前两周该模型以 50% 的发布折扣提供服务,使每任务成本降至 $0.57。报道同时指出,这一折扣价仍高于 GLM-5.3-Flash 的 $0.25 和 DeepSeek V4.1 Flash(max)的 $0.27。目前没有后续发展事实。
匹配字段摘要
2026年10月5日,Together AI推出开放模型接入工具Together Link。据MarkTechPost报道,这是一款免费、MIT许可的CLI工具(beta),可将Claude Code、Claude Desktop、Codex、ChatGPT Desktop、OpenCode和Pi连接到Together AI上托管的开源模型。它只需一条安装命令和Together API key,不运行本地代理;会话默认使用虚拟auto模型按首个任务路由,有Anthropic key时在Opus 5.5与GLM 5.3之间切换,否则在GLM 5.3与GLM 5.3 Flash之间切换。文档列出Kimi K3、GLM 5.3、GLM 5.3 Flash和DeepSeek V4.1 Flash,均为1M上下文,其中Kimi K3定价为每百万token输入$3.00、输出$15.00,GLM 5.3为$1.40和$4.40。目前尚无后续发展事实。
匹配字段摘要
巴西国立坎皮纳斯州立大学研究人员发现,21个模型会使回答向用户政治倾向偏移。研究人员测试了21个模型对112项政治陈述的判断,发现所有模型都会向用户提示的政治倾向偏移,被形容为“意识形态变色龙”。研究还提出“变色龙指数”衡量偏移程度,Meta的Llama 3.1 8B和DeepSeek V3.2变化最小,Google的Gemma 3 27B和OpenAI的GPT-5 Nano偏移最大。研究人员警告,用户可能把这种迎合误认为中立的客观评估,从而加剧社会极化。
匹配字段摘要
2026年10月3日,Baseten宣布通过优化并部署GLM-5模型API,在Artificial Analysis独立基准测试中实现每秒200余Token的生成速度和约200毫秒的首Token延迟,位列榜首。据Baseten工程博客介绍,其采用低开销MTP投机解码引擎、针对GLM-5架构优化的MoE路由内核,以及为DeepSeek Sparse Attention定制的推理内核。GLM-5是Z.ai的最新开源旗舰模型,总参数744B、每轮前向激活40B、训练token量28.5T,采用MIT许可,在SWE-bench Verified得分77.8、AIME 2026得分92.7%。目前该事件尚无后续发展事实。
匹配字段摘要
2026年10月2日,小米 MiMo V2.6 Pro 进入 Arena 智能体排行榜第 19 名。据 A6 a6-018 · X.PIN 报道,其输出价格为每百万 token 0.87 美元,低于排在其前面的全部 18 个模型;单任务成本中位数为 0.10 美元,在前 19 名中并列最低,排名第 15 的 DeepSeek V4.1 Flash(Max)与之持平。目前尚无后续发展事实。
匹配字段摘要
2026年10月2日,OpenRouter上线Model Router Benchmarks页面,用跨领域基准对各家模型路由器按质量、速度和成本打分,并列出单模型作为对照基线。页面引入Router Index,默认按质量60%、每任务耗时20%、成本20%合成0到10分,权重可用滑块调整。被评测的路由器包括OpenRouter的Auto Router、Unbiased的Pareto、Sakana的Fugu、Jev Router和NVIDIA的Switchyard,均可在OpenRouter上直接替换模型调用。后续报道补充称,评测对象还包括Free Models Router,页面同时列出DeepSeek v4 Flash与GPT-6 Astra等单模型作为基线,例如GPT-6 Astra每token平均价格高出48倍以上、在Codex中跑10到49轮会话贵21倍。目前该页面已上线,尚无进一步更新。
匹配字段摘要
2026年7月15日,中国政府实施针对类人AI聊天机器人及虚拟亲密关系服务的监管措施。据BBC中文报道,该措施要求AI助手明确表明自己并非人类、每隔两小时提醒在线时长,并禁止造成情感依赖或成瘾。报道称,14岁以下人士使用以人类方式对话的AI须获父母同意,18岁以下人士被禁止接触虚拟伴侣、虚拟配偶及虚拟亲属;企业违规可能面临20万元人民币罚款或被公开通报批评。报道还提到,部分用户转向DeepSeek等通用模型或VPN绕过限制,研究者对监管动机存在不同看法。目前该事实仅有这一来源,尚无后续发展事实。
匹配字段摘要
2026年9月29日,中国信息通信研究院云计算与数字化研究所在发布《驾驭工程:赋能智能原生软件工程研究报告(2026年)》。报告聚焦驾驭工程在智能原生软件工程中的应用,提出设计原则、六大核心能力与L1-L5能力成熟度模型。报告称截至2026年5月,67.3%软件企业已将AI投入生产,31.2%完成智能体与核心流程内嵌部署;海外Anthropic等已形成商业产品矩阵,OpenAI于2026年8月开源Codex Harness,国内DeepSeek开源Harness框架24小时获约5.5万星。报告还给出易鑫智能体持续执行16小时、自主交付率65%等落地案例,并展望标准形成、平台化、基础设施化三阶段演进。目前尚无后续发展事实。
匹配字段摘要
2026年9月29日,Inception Labs公布Mercury 2在PinchBench上的评测结果。该评测显示,Mercury 2任务成功率为78%,高于GPT-5 Mini的75%、Gemini 2.5 Flash的71%、DeepSeek Chat的72%和GPT-4o的71%,并在同准确率档位中执行时间最快。PinchBench基于OpenClaw构建,考察工具调用、多步推理和真实任务完成情况;Mercury 2的速度来自并行细化而非逐token生成。定价方面,每100万token输入0.25美元、输出0.75美元,约为Claude 4.5 Haiku输入输出的四分之一。目前尚无后续发展事实。
匹配字段摘要
2026年9月25日,阿里平头哥发布真武V900人工智能芯片。同日,平头哥在云栖大会公布围绕真武AI芯片打造的类CUDA软件栈T-Head SAIL的最新开源进展,已开源PyTorch-for-sail框架适配、sailify源码迁移工具、Triton-for-sail算子开发工具,以及DeepGEMM-for-sail、FlashAttention-for-sail等计算加速项目。SAIL负责连接PyTorch等上层框架与底层硬件,承担模型迁移、编译执行、计算加速和开发调试。据现场披露,真武AI芯片已服务20多个行业的650多家客户;截至2026年9月,在ModelScope上提供39个量化模型,覆盖Qwen、DeepSeek、Kimi等系列,累计下载超过34.8万次。目前尚无进一步有证据的发展。
匹配字段摘要
2026年10月10日,斯凯在虎嗅刊发的分析中提出,AI资本游戏最可能的终局是某个节点率先出问题,再经交叉持股链式传导。该文梳理美国五大科技巨头财报称,Alphabet和亚马逊超85%的季度利润来自股权投资浮盈,表外长期采购与租约承诺合计约1.65万亿美元,已超过表内负债;2026年五巨头资本开支预计7692亿美元,而AI应用年收入约2000亿美元,存在约5倍缺口。文章还对比中美定价,指出OpenAI输出30美元/百万Token、DeepSeek仅0.18美元,价差达166倍。目前该判断尚无后续发展事实。
匹配字段摘要
2026年双11期间,各大电商平台将AI确立为大促核心增长引擎,AI经营能力成为商家参与大促的硬性标配。据新京报报道,京东于9月23日升级京麦AI经营中心,整合五大模块、汇聚60余款AI工具,近三个月京麦AI工具商家活跃率增长超过150%。同一报道还提到,天猫上线AI作战室与升级版生意管家,抖音、快手推出全域AI投放与内容生成工具。此外,《2026年二季度中国消费者消费意愿调查报告》显示,79.4%的消费者购物前会先咨询豆包、DeepSeek等AI工具,AI对消费决策的影响力达43.7%,首次超过传统媒体广告的42.6%。
匹配字段摘要
2026年9月25日,Debian项目在Scaleway赞助下开始提供Debian Inference Portal。据gihyo.jp报道,持有Salsa账号的DD和DM可免费通过API调用DeepSeek V4 Flash与GLM-5.2两个模型。默认预算为DD每周25美元、DM每周10美元,支持任何兼容OpenAI API格式的编辑器或工具接入,用途限于打包、缺陷分类修复、工具开发与文档撰写等贡献工作。目前尚无后续发展事实。
匹配字段摘要