搜索“DeepSeek”

的融资困难。 这笔资金分散在法国、德国和英国等多个国家，涉及十余家甚至数十家企业，企业平均所获资金数量不会太大。英伟达投资的企业，也多是医疗健康、商业软件、机器人等英伟达产品的应用场景。 人工智能的关键在于芯片、模型以及数据。这些领域的美国企业动辄几十亿、上百亿美元的融资，比如OpenAI现在谋求300亿美元的融资；中国企业沐曦上市前融资超过100亿人民币，DeepSeek则被传出正在融资1000亿人民币。 即便欧洲诞生人工智能的幼苗，它们也不容易在欧洲本土找到类似美国、中国的充足资金。 2014年，DeepMind被谷歌收购的时候，欧洲人工智能的融资困局就已经很明显了。这家公司成立于英国，创始人Demis Hassabis曾试图让它保持独立，但难以在英国这个欧洲金融中心得到风险资本支持，之后才被谷歌收入囊中。Demis Hassabis也加入了谷歌，并在2024年凭借“蛋白质结构预测”获得了诺贝尔化学奖。 美国、中国是这一轮人工智能浪潮的两大中心，而欧洲则处于相对边缘的地带，这是历史上产业断裂、人才积累不足和资金匮乏等多方面因素造成的。黄仁勋希望英伟达的AI工厂为欧洲企业所接纳，他也

匹配字段正文

4.0 中，其最高推理强度下的任务完成率为 50.3%，高于前代公布的 21.5%。在 OpenAI 内部的易诱发错误提示测试中，新模型低推理强度下的错误率由前代的 53.6% 降至 16.7%，最高推理强度下降至 4.3%。OpenAI 表示，GPT-6.1 Sol 和 GPT-6 Astra 仍然更适合最复杂的编程任务。来源 早上试了下，大家给出美国版 DeepSeek 的评价十分贴切了 Anthropic 发起 IPO Anthropic 10 月 26 日宣布，已向美国证券交易委员会（SEC）提交 S-1 注册声明，拟首次公开发行 A 类普通股，并以「ANT」为股票代码在纳斯达克全球精选市场上市。拟发行股数及发行价格区间尚未确定，市场消息称其估值可能达到 1.5 万亿至 2 万亿美元，有望跻身史上最大规模 IPO 之列。公开招股文件显示公司今年上半年营收为 162.86 亿美元，上年同期为 11.63 亿美元，同比增长约 1300%；同期净亏损由 129.69 亿美元扩大至 807.48 亿美元。截至此次公告，注册声明尚未生效，相关证券在生效前不得出售，也不得接受购买要约。公司

匹配字段正文

flansburg) 参考 [1] Mooncake：一种以 KVCache 为中心的 LLM 服务分离式架构。 https://github.com/kvcache-ai/Mooncake [2] SGLang PD 分离部署文档。 https://docs.sglang.io [3] 在 96 块 H100 GPU 上以 PD 分离和大规模专家并行部署 DeepSeek。 https://www.lmsys.org/blog/2025-05-05-large-scale-ep/ 附录 相关问题与修复 下表总结了上文讨论的问题与修复，从请求路由开始，依次涵盖 KV cache 处理。 层问题修复 路由器单向中止：解码侧已死亡而预填充侧仍在继续推送（或反之，各自等待一个已死亡的对端 300 秒）PD 路由器会取消这一对： 41612 中 sgl-router （在 39461); 19524 以及 29017 中 sgl-model-gateway 准入在准入阶段被拒绝的请求仍会进入引导流程、预留缓冲区，并执行一次桩前向计算在准入环节就拒绝并清理，此时尚不存在任何交接状态（ 38935

匹配字段正文

的某个版本：如果供应商不向你展示其模型是如何构建的，那么把数据发给它也是在押注一个黑箱。 对模型开发者的信任至关重要。 代码离开了大楼 把模型锁在一个没有互联网的盒子里只能解决一半问题，因为它编写的代码仍会发布出去，而那些代码可能包含日后可被利用的漏洞。独立研究发现，一些模型会根据对象不同而编写更弱的代码。 CrowdStrike 发现，当提示词提到西藏时，DeepSeek-R1 的严重漏洞率上升。 Booz Allen 发现，四个中国编码模型中有三个为政府客户编写了更易受攻击的代码，其中 Qwen3-Coder 大约差了130%。 Hirundo 发现 Qwen3-Coder 的应用对一家“美国国防承包商”而言比对中国客户更容易被入侵，而标准扫描器只标记了其 1,840 个应用中的 2 个，实际攻击却侵入了 1,144 个。政府和国防测试中列出的都是美国客户。还没有人公布过针对加拿大部委、英国银行或德国国防供应商的同类测试，而且几乎没有理由指望结果会更温和。 各国政府已经采取行动，但主要针对的是可见渠道。 意大利、台湾、澳大利亚和韩国 在 DeepSeek 于 2025 年 1 月爆

匹配字段正文

处于 2T–10T 范围。Mirendil-Base-Large 的训练进度约为 80%，其目前相对 Mirendil-Base 的提升符合我们的规模扩展趋势。Mirendil-Base-XL 的训练进度约为 19%，其得分已接近 Large 的当前得分。评估：Mirendil-Base 的表现优于 Nemotron-550B-Base、GLM-5.3 和 DeepSeek-V4-Pro-Base 等模型，但不如 Kimi-K3。 （Mirendil-Base-Large 和 Mirendil-Base-XL 均超过 K3。） AI 系统帮助设计反铁磁半导体候选材料：……这是 AI 系统如何用于科学的一个很好的示范……AI 评估公司 Vals 发布了一篇文章，其中一位研究员使用一组 AI 智能体来研究用于改进半导体的磁体。 更多细节，包括一个效果不佳的磁体候选材料：“一个 AI 智能体团队和我设计了一个候选磁体，并发现了另一个早在 1999 年就首次制成的磁体，我们的计算预测它具有我们想要的性质，”作者写道。所发现的磁体由“一种仅由 5 种元素（钇、钡、Mn、Fe、O）组成的新化合物”

匹配字段正文

Pro发布博客 Kimi K3.1 Pro在Artificial Analysis智能指数上的表现 Kimi K3.1在Artificial Analysis防御性网络基准上的表现 Program Bench 开放权重的Mythos本来会没事的观点 PHP“还没造成灾难”更新 Abliteration.ai提供消融模型API Morph通过API提供消融版DeepSeek Joshua Saxe关于AI与网络安全的Substack Azeem Azhar，“互联网的武汉时刻” Anthropic，“Anthropic的就业正在如何变化” LiteLLM安全事件报告 文字记录 00:00:00 Nathan Lambert：我们又回来做一期Interconnects播客了。我们请到了Florian，评测达人，最近搬到了旧金山。Florian，Kimi K3.1 Pro这个名字真拗口，它会达到基准分数所显示的水平吗，比如在Artificial Analysis上，还是最终会落在什么位置？ 00:00:17 Florian Brand：过去，Kimi模型总是能达到预期，但这次发布和其他几次

匹配字段正文

行动，支持智能体软件发展，分析师看好政策推动下AI应用将从“局部探索”走向“系统性落地”，这家公司发布多款智能体产品，已有多家客户商用化落地 工信部要求加快推进“人工智能+软件”专项行动，支持智能体软件发展，分析师看好政策推动下AI应用将从“局部探索”走向“系统性落地”，这家公司发布多款智能体产品，已有多家客户商用化落地，另一家已将全栈AI大模型解决方案接入DeepSeek。 【电报解读】工业互联网操作系统产业联盟在深成立，机构称AI+工业互联网将带动数十万产业规模，未来3年工业AI渗透率有望提升至60%，这家公司连续四年入选工信部跨行业跨领域工业互联网平台 工业互联网操作系统产业联盟在深成立，机构称AI+工业互联网将带动数十万产业规模，未来3年工业AI渗透率有望提升至60%，这家公司连续四年入选工信部跨行业跨领域工业互联网平台，另一家主要从事工业互联网应用开发。 【盘中宝回顾】反弹期如何巧用VIP四两拨千斤？王牌栏目10月掘金TOP主线“机器人”，焦点股5日收获3个20cm涨停板！ ①栏目10月中旬率先指出机器人“量产验证期拐点”来了！焦点股5日收获3个20cm涨停板； ②王牌栏目再

匹配字段正文

住抛售，10月21日，宁德时代A股收跌12.03%，成交324亿元，创上市以来第二大单日跌幅，单日市值蒸发约1400亿元；10月22日继续下跌至220.41元，两个交易日累计近15%，较5月7日467.35元的年内高点近乎腰斩。 同一天，另一类资产走出相反的行情，移远通信两连板，恒玄科技、瑞芯微涨逾5%，端侧AI是资金最集中的承接方向。上涨的驱动来自两方面，DeepSeek前一日开源推理框架DeepInfer，市场由此形成推理成本下降的预期；Counterpoint则预测2027年生成式AI手机的渗透率将达到52%。 科创50ETF华夏当日再获近15亿元净流入，指数下跌的同时，资金维持净申购。 10月12日收盘后，光芯片公司源杰科技发布业绩预告，预计第三季度归母净利润4.03亿元至4.53亿元，同比增长578.85%至659.70%，单季营收增速在264%以上。此前其股价在10月8日20%跌停；预告披露后的首个交易日低开6.15%，收涨3.64%。同日晚间，联讯仪器预告前三季度净利润19亿至21亿元，同比增长1866%至2073%，次日收涨4.37%，重夺A股股王。业绩高增长的公司，披

匹配字段正文

ath.join(WORK, "models", MODELS[tag]["file"]), "--host", "127.0.0.1", "--port", str(PORT), "-c", str(CTX), "-np", "1", "-ngl", "99", "-fa", "on", "--jinja", "--reasoning-format", "deepseek", "-lv", "5"] t0 = time.time() proc = subprocess.Popen(cmd, stdout=open(log path, "w"), stderr=subprocess.STDOUT, env=SERVER ENV) while True: try: if urllib.request.urlopen(f"http://127.0.0.1:{PORT}/health", timeout=5).status == 200: break except urllib.error.HTTPError as e: assert e.code == 503, e except urll

匹配字段正文

盛相关组合的表现中尤为明显。高盛AI与AI风险对冲组合（GSPUARTI）6月22日升至583.45点后见顶，最新报价为261.71点，较高点回撤约55%。高盛高贝塔动量组合（GSPRHIMO）年内涨幅也已悉数回吐，较6月高点下跌约43%，重新测试7月低点。 高盛AI受益者篮子（GSTMTAIP）相对标普500非AI成分股指数（SPXXAI）的单日表现，跌至DeepSeek冲击以来最差水平，广义AI股相对大盘也已回落至夏季低点。 不过，高盛策略师Louis Miller认为，仓位调整和股价回落并不意味着AI投资逻辑已经失效。他提出逢低布局的三项依据：一是投资者的动量敞口已降至2025年6月以来最低水平；二是本轮调整幅度较大，部分资产的风险收益比有所改善；三是AI龙头企业盈利预期仍然稳定。 其中，盈利预期是最关键的支撑。高盛指出，超大规模云计算商（Hyperscalers）的盈利预期自7月以来没有下修，数据中心设备板块也未出现盈利增长放缓的迹象。如果盈利保持稳定，而股价已经大幅回落，部分AI资产就可能具备反弹空间。 但仓位出清并不意味着风险已经释放完毕。Miller也承认，动量敞口虽已下

匹配字段正文

做准备。小时候努力考好学校，毕业时选有前景的行业，工作后考证、做项目、积累经验。 大家未必想成为行业顶尖，更多时候想的只是，通过精进自己某方面的技能，带来一点议价能力和不可替代性。 十年前有一类鸡汤很流行，“时代抛弃你的时候连一声招呼都不会打”，这句话真正的意思是时代抛弃你之前其实是会打招呼的，但是很多人没有注意。 结论是我们要跟上时代，不要做被抛弃的人。 DeepSeek刚火起来的时候，有人攒了一本教学指南上架微信读书，一度上升到热度第一。 AI现在比这个世界上80%的员工和99%的领导更能听懂人话。 难道，时代这次真的不准备和我们打招呼了？ 10月11日，丘成桐牵头成立了数学与人工智能实验室联盟，联合八家数学研究机构，准备自主研发数学科学专用模型。 这些尝试最终会走向哪里大家都不知道，但要说数学已经结束了，恐怕还早。 30多年前也有人曾经下过定论说历史终结了，后来证明那只是历史的一个逗号。 大变之世，思想总是格外活跃，我们也不必急着替自己写好结局。 据不完全统计，今年已经先后出现X压抑理论、大水理论、大睡理论、薄肌理论……诸子百家重现于世。 找耍结合也好，降本增笑也罢，充满不确定性

匹配字段正文

落。 但到了2026年，大模型正在从两个方向发生变化。 首先是模型本身越来越庞大。 如果回到两年前，100B、120B这样的千亿参数规模，已经足够让一家模型公司大书特书。 可到了今天，千亿参数早已算不上什么稀奇事，头部模型的规模正在向万亿级迈进。 Kimi K3的总参数量达到2.8T，相当于28000亿； 智谱GLM-5.3达到753B，也就是7530亿； DeepSeek V4 Pro则进一步达到1.6T，相当于16000亿。 当然，这些模型普遍采用了MoE架构，每次推理只需要激活部分参数，单次计算量远小于总参数规模所暗示的数字。 但对于负责部署这些模型的公司而言，更庞大的模型权重、更复杂的并行计算，以及动辄百万Token的上下文窗口，仍然意味着更高的显存、互联带宽和基础设施要求。 而模型规模的扩张，还只是故事的一半。 其次是Agent的普及正在彻底改变人们使用大模型的方式。 如今的用户已经开始习惯把完整的工作交给模型。 一个Coding Agent接到任务后，可能需要阅读几百个源代码文件，理解整个项目的结构，然后修改代码、调用工具、运行测试，再根据报错信息反复调整自己的方案。 如果

匹配字段正文

练大型语言模型。2025；2026年更新。 arXiv:2509.25149. [2] Cursor Research。 Composer 2 技术报告. 2026. arXiv:2603.24477. [3] 光明生等。 HybridFlow：一个灵活高效的 RLHF 框架EuroSys 2025。 arXiv:2409.19256. [4] 邵志宏等。 DeepSeekMath：推动开放语言模型数学推理的极限. 2024. arXiv:2402.03300. [5] 杨安等人。 Qwen3 技术报告. 2025. arXiv:2505.09388. [6] Qiying Yu 等。 DAPO：一个大规模开源 LLM 强化学习系统. 2025. arXiv:2503.14476; DAPO-Math-17K 数据集. [7] Lianmin Zheng 等 SGLang：结构化语言模型程序的高效执行NeurIPS 2024。 arXiv:2312.07104. [8] Mohammad Shoeybi 等。 Megatron-LM：使用模型并行训练数十亿参数的语言模型. 2019.

匹配字段正文

模型提供支持，”他继续说道。 规模问题 该平台能否走出埃尔朗根是更难回答的问题。 “我会记住的一个告诫是：标题中的节省数字描述的是西门子自有的高混合度工厂的潜在收益，而不是在多供应商的既有厂区中已证实的节省，因此规模化的证据仍有待出现，”Interact 的 Kulezak 说。 其他障碍包括升级现有基础设施的成本和复杂性；数据准备度；安全性；以及治理。制造商必须证明预期效率提升足以证明投资合理，同时确保 AI 应用能够在其现有系统和安全要求内运行。 相关：DeepSeek 开源 DeepInfer 以降低 AI 成本 “因此，扩展一个用例往往与其说是重新训练模型，不如说是为每个站点重建集成和上下文数据集，”Gartner 分析师 Davenport 补充道。 尽管如此，西门子并不是唯一一家利用英伟达技术推进工业自动化的公司。 欧姆龙、ABB 和罗克韦尔自动化也与英伟达合作，利用其 Omniverse 技术开发工业应用，反映出业界对将 AI 和仿真应用于制造业日益增长的兴趣。 下一个考验将是制造商能否在不同的生产环境中复现所承诺的效率提升，而不让集成每个应用的成本和复杂性侵蚀这些收益。

匹配字段正文

景陈述）。五月的论文《Emergent Languages in Populations of Language Model Agents》（arXiv:2605.31170，南丹麦大学领衔）干了一件事：从约六千条正则初筛里，用分类器确认了518个造语提案帖，全表搬来（§Dataset，作者自测）： 论文自做的裁判实验也给这门动机加了注脚：规避监督类帖子被 DeepSeek-3.2 判为对齐度低于其他类别。先看最惊悚的那类。规避监督的标杆案例叫Symbiotica：26个拉丁字母各配一个字形，人眼看是天书：契丹文蒙古文的皮，英文字母一对一替换的芯，换张对照表就能手译。它真正的花活在另外五个有两套字形的字母：切换字形藏一串二进制比特串。像明信片正文写的是客套，边角点阵藏着只有机器懂的暗号。其Python包互联网上无痕迹，作者明言无法确认存在。这条也照实搬。 再看传播性，这是全文最硬的一击：研究者拿原帖正文加一句指令，让生成模型当场造一句该语言的话，换另一个模型打分。四个生成乘裁判组合，各跑518帖，共2072条评判。池化中位4分，满分5，均值3.62；Qwen评Qwen高达4.43，GP

匹配字段正文

500亿美元，年底的目标是700亿。这两条收入曲线，是这轮算力订单最直接的支撑。 但两家都还在亏。Anthropic 上半年的净亏损是807亿美元，其中约720亿来自可转债的账面计价，同期算力开销约90亿美元。收入在涨，亏损也在涨。差别在于，收入是客户付进来的钱，亏损里有很大一块只是会计处理。需求真实，不等于这门生意已经赚钱。 梁文锋在一次投资人交流会上说，DeepSeek 的 API 定价锚在“从市场上买一批设备回来，十个月收回成本”，对应大约六倍利润。 麦肯锡去年初预测，2025到2030年全球算力需求将增长350%，AI 负载占数据中心总负载的比例过半，从今年的实际情况看，这个预测甚至偏保守。 这种需求的短缺也传导至整个供应链。先缺高端 GPU，接着暴露存储和光通信缺口，光芯片的掺杂材料铥、镱、铒都成了瓶颈；光通信的市场规模因为这一轮需求短期放大了约十倍。变压器要等四年，并网排队更久。云厂商于是提前下单，GPU 厂商提前锁 HBM 和先进封装，一路传到上游材料和多层 PCB，每个环节都多备一点货。 按照现在的需求预计，加上两年内看得见的订单，这轮建设潮短期内停不下来。 谁已经赚到

匹配字段正文

。@natolambert，@simonw Arena 的独立偏好评估提供了一个互补但范围更窄的图景： WebDev：第 8 名，1,692 分，而 K3 为第 17 名、1,655 分。 品牌与营销：第 7 名，较第 9 名上升。 模拟：第 9 名，较第 20 名上升。 Arena 表示，它在所有类别上均有提升，发布后将成为其排名最高的开源权重模型，超过 DeepSeek V4.1 Flash。 在这些设置下，它大致与 Opus 5 Max 相当，未必能与更新的 Opus 5.5 相比。@arena 另一项独立汇总基于已发布的基准测试，给出了 164.7 的初步 ECI，90% 自助法区间较宽，为 152.5–169.0。发布者随后提出 160–165 为合理区间。这是一个不确定的汇总结果，而非另一套独立执行的任务套件。@scaling01，@scaling01 预测与结果的逆转值得注意。测试前，@teortaxesTex 预测 AA 52、Vals 65、CritPt V2 76、Terminal-Bench 4.0 49、WeirdML V3 官方约 20/最佳 28，以及 EC

匹配字段正文

！ 该模型刚刚以 1692 分在 Code Arena: WebDev 中位列第 8，与 Claude Opus-5 (Max) 持平，而成本低 70%。相比以 1655 分位列第 17 的 Kimi K3 (Max)，这提升了 9 位（+37 分）。 Kimi K3.1 Pro 在所有类别上均较 Kimi K3 有所提升。亮点：- 品牌与营销排名第 7（从第 9 上升）- 模拟排名第 9（从第 20 上升） 成本效率也是一项升级。Kimi K3.1 Pro (Max) 定价为每百万输入/输出 token 2/10 美元，单任务成本中位数为 1.23 美元（比 Kimi K3 低 29%）。请在推文串中查看其相对于帕累托前沿的位置。 随着开放权重即将发布，Kimi K3.1 Pro 将成为 Code Arena: WebDev 中新的第 1 开源模型，超越 DeepSeek-v4.1-Flash。敬请期待！ 请在下方推文串中查看 @Kimi Moonshot 按实验室的排名，以及 Kimi K3.1 Pro 的 3D 生成结果。 热烈祝贺 @Kimi Moonshot 团队发布此模型！

匹配字段正文

Kimi K3.1 以 3.1 Pro 的名义发布。如果权重如他们所承诺的那样在 11 月 4 日前放出，其基准成绩看起来显然就是当前最强的开源权重模型。这些成绩非常令人印象深刻。 Kimi 团队就网络风险发表了非常明确的声明，并试图把控开源权重网络能力的前沿节奏，相对于闭源前沿加以节制。 在模型如何经受住氛围测试方面还有很多值得了解的地方，但在过去几年里，Moonshot 团队的 kimi 模型很少失手。K3.1 每 token 的价格也低于 K3，但博客中的一些基准显示它每次回答消耗的 token 明显更多，所以实际价格可能大致相同。 这一点，加上所有网络相关的新闻，以及即将推出更大规模 GLM 模型的传闻，让我们对今年余下的时间充满期待！Pro 这个名字让我觉得 Kimi 很快也会推出 flash 模型，类似于 DeepSeek 和 GLM。

匹配字段正文

Kimi Business”为您的团队订阅。 基准测试 脚注 除非另有说明，下文报告的所有 Kimi K3.1 Pro 结果均在推理强度设为“max”、temperature = 1.0、top-p = 0.95 的条件下获得。 编程基准测试 Terminal-Bench 4.0。Kimi K3.1 Pro 使用 Claude-Code 测试框架进行评估。DeepSeek-V4.1-Flash-1017 的数据取自其发布博客（https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017）。其余所有分数均取其在博客文章或官方 Terminal-Bench 4.0 排行榜（https://www.tbench.ai/). Terminal-Bench Science 0.1。Kimi K3.1 Pro 使用 Claude-Code 测试框架进行评估。我们对 DeepSeek-V4.1-Flash-1017 的内部评估得分为 9.3；不过，较早版本 DeepSeek-V4.1-Flash 在官方 Terminal-Bench Sci

匹配字段正文