搜索“模型发布”

元，输出价格为4元。若输入缓存命中，每百万Token输入价格在高峰时段为0.04元，空闲时段为0.02元，综合成本约为Kimi K3的1/10。 Arena发布的对比图显示，DeepSeek-V4.1-Flash-1017进入了Code Arena的“帕累托前沿”，即图中的绿色折线，这说明目前没有其他模型能同时做到比它更便宜、且得分更高。 DeepSeek新模型发布后在海外引发广泛讨论。外媒The Information评价称，升级版DeepSeek-V4.1-Flash模型震动AI行业。 X平台上，截至今日12时，热搜话题“DeepSeek-V4.1-Flash以低成本提供前沿人工智能能力”下已有超58.2万条帖子；“登顶开源编程榜单”话题下也有超1.37万条帖子。 为了查看这款模型的实际编程表现，我们用DeepSeek-V4.1-Flash-1017制作了古代开封3D探索场景和网页赛车游戏两个案例。两项案例均一次性完成，合计花费约6元。 从实际效果看，DeepSeek新模型能够较为完整地将文字需求转化为可运行的网页作品：古代开封场景呈现出丰富的建筑层次与空间感，赛车游戏则兼顾了视觉

匹配字段正文

月17日下午，DeepSeek发布新模型版本DeepSeek-V4.1-Flash-1017。DeepSeek称，新模型在各方面的基准测试中取得了长足的提升，并在多个Harness（控制框架）下达到了新的性能-费用帕累托最优，即最佳性价比。 “帕累托最优”是经济学家帕累托提出的概念，即在资源分配中，达到让任何一个人变得更好都只能让另一个人变得更差的情况。在大模型发布中，性能-费用帕累托最优指无法找到比当前模型性能更强，且价格相等或更低的模型；在价格更低的模型中，也没有模型能力强于当前模型。所有帕累托最优模型共同构成帕累托前沿。随着国产大模型厂商更加重视性价比市场，智谱、阿里Qwen、阶跃星辰、小米MiMo和DeepSeek在近期新模型发布中纷纷强调“帕累托最优”和“帕累托前沿”的概念。 推荐进入财新数据库，可随时查阅公司股价走势、结构人员变化等投资信息。 财新机器人产业指数(RII)已发布，点击了解行业动态 上一篇：T早报｜DeepSeek发布V4.1 Flash新版本；中国限制或禁止出口AI、光伏、生物医药三领域40项技术；特朗普否认白宫限制乌克兰使用星链下一篇：中国限制或禁止出口A

匹配字段正文

ne、Brookfield、Goldman Sachs和KKR——设立融资平台，可为建设人工智能基础设施的公司调动超过5000亿美元资金。这是一家公司从制造芯片转向统筹人工智能更广阔竞争格局的最新举措，也表明这家全球市值最高公司的增长，既取决于下一项重大工程挑战，也取决于客户是否还能继续买得起它的产品。 这也指向人工智能更广泛的发展方向。尽管全世界都在痴迷于模型发布、芯片能力和数据中心容量，但越来越决定谁能参与竞争的变量其实很简单：钱。公司与国家之间人工智能竞赛的下一阶段，将在很大程度上取决于谁能为此买单；重心正从前沿实验室转向信贷部门。谁能以低成本、大规模地筹集资本，谁就能定下节奏，而这场竞赛仍然有利于美国，因为其资本市场比任何其他地方都更深。对中国和欧洲而言，缩小技术差距的道路要经过金融这道关。 技术革命往往因其技术而被铭记：蒸汽机、铁路、互联网。同样重要的是让它们成为可能的金融机制：股份公司分散了远洋贸易航程的风险；早期的债券和股票市场在铁路尚无法产生回报时就为其融资；风险投资为太新、无法从传统投资者那里筹资的公司提供了高风险资金。 人工智能正迎来属于自己的这一时刻。半个世纪以来

匹配字段正文

d 上得分 84.3%，并在 OCRBench 和 MMMU Pro 的图像理解上保持在 80% 以上（图 3）。作为校验，我们还在广泛使用的开源推理引擎 SGLang 上运行了相同的权重，得分一致。你在 Fireworks 上调用的模型，表现与 Meta 构建时一致。 Filevine 创立于美国西部。我们相信前沿应当开放。与 Fireworks 和 Meta 合作，意味着 Filevine 能够为法律行业开辟新的可能性，而无需在质量与成本之间妥协。——Filevine 联合创始人兼 CEO Ryan Anderson 图 3：Muse Spark Open 在 Fireworks 上的表现。智能体结果取决于测试框架，不能直接与 Meta 报告的数字相比较。 如何立即开始构建 Muse Spark Open 现已在我们的无服务器 API 上提供，运行于仅限美国的容量，且不收取美国区溢价。当前定价请参见 Muse Spark Open 模型页面。 想针对你的用例定制 Muse Spark Open？试试我们的无服务器训练 API，或联系 Fireworks Lab 获取帮助。 模型发布

匹配字段正文

卞纯 2026-10-18 08:57 ①韩国财政部长李炯日周六表示，半导体行业的繁荣势头至少将持续到2027年； ②他表示，半导体的供需缺口仍然非常大，而且供应端仍在持续扩张； ③在他发出上述言论之际，受投资者对美联储加息以及行业竞争加剧的担忧影响，在刚刚过去的交易周，半导体板块大幅下跌。 “AI缺钱”风暴席卷市场！Meta财报打头阵，产业巨额投资迎“信心大考” 科创板日报 郑远方 2026-10-17 15:10 ①Meta将成为这轮“AI缺钱”质疑浪潮中第一家接受市场审视、检验AI资本开支成效的美股科技巨头。 ②本轮财报季最值得关注的事项之一，是超大规模云服务商的盈利能力的提升速度，能否超过资本开支增速。 ③市场震荡的背景下，产业链本身相对而言却依旧保持着较为乐观的态度和动作。 Anthropic秘密游说国会 推动制定前沿AI监管法案 科创板日报 2026-10-17 09:52 ①在AI发展陷入争议的当下，Anthropic正谋求将自身主张纳入AI监管规则。 ②根据草案，只有当某个模型可能造成超过10亿美元损失、或导致50人以上死亡或严重受伤时，政府才可以叫停该模型发布或使用。

匹配字段正文

里从低谷走向翻盘的全过程。 为了这篇稿件，Shipper 用数月时间采访了六位 Codex 核心参与者： OpenAI 总裁兼联合创始人 Greg Brockman Codex 负责人 Thibault Sottiaux（也就是 Tibo） Codex 前产品负责人 Alexander Embiricos Shipper 本人也是亲历者：Every 长期在新模型发布前获得测试权限并发布「Vibe Check」评测，GPT-5 发布前夜，他就坐在 OpenAI 的办公室里。 这篇报道的形式也很特别。Shipper 称之为「智能体原生（agent-native）」稿件：六场采访的完整文字稿全部随文附上，点击任意一句引语都能跳到原始对话，读者还可以让自己的智能体去交叉比对文字稿、提炼产品经验，甚至挖出作者遗漏的洞见。据 Every 介绍，这篇报道本身也是借助 Codex 采写完成的。 文中值得玩味的细节不少。如今的 ChatGPT 桌面应用，在 Mac 系统里报给自己的名字仍是 com.openai.codex，Codex 是从内部「吞掉」了 ChatGPT。外界以为 Codex 拥有独立模

匹配字段正文

智东西10月17日报道，刚刚，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方网页端、App与API已同步更新至新模型，模型权重也已在HuggingFace和ModelScope开放下载。DeepSeek还向公众开放自研搜索引擎的Search（搜索）与Fetch（抓取）API，两个接口均定价为5元/千次。 此次更新距离该模型发布仅过去一个多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。 开源地址： 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、

匹配字段正文

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

本来以为是 AI 模型发布更新太快的时间错觉，查了一下，确实有几家超过 3 个月没发了。 字节：Doubao-Seed-2.1-Pro 6月23日发布，快 4 个月没发！ MiniMax：MiniMax-M3，6月2日发布，超 4 个月没发！ 月之暗面：Kimi-K3 6月13日发布，超 4 个月没发！ 百度：ERNIE 5.1 4月29日发布，快半年没发！

匹配字段正文

财联社 财经通讯社 打开APP Anthropic秘密游说国会 推动制定前沿AI监管法案 科创板日报 责编 曲伟治 2026-10-17 09:52 ①在AI发展陷入争议的当下，Anthropic正谋求将自身主张纳入AI监管规则。 ②根据草案，只有当某个模型可能造成超过10亿美元损失、或导致50人以上死亡或严重受伤时，政府才可以叫停该模型发布或使用。 《科创板日报》10月17日讯 警告AI失控风险、呼吁暂停前沿AI研发之后，Anthropic又有了新动作。 据最新报道显示，日前Anthropic的代表私下向美国国会议员介绍了一份法案草案，该草案意在监管前沿AI安全。这也意味着，在AI发展陷入争议的当下，这家AI巨头正在采取一系列措施，试图影响事关自家技术监管的规则制定。 Anthropic一位发言人表示，“这项法案体现了我们在《高级人工智能框架》中提出的建议。自今年6月以来，我们一直在推动联邦和州层面的立法者采纳这些建议。我们认为这些政策合理可行，国会应当采取行动。” 根据法案草案，只有当某个模型存在“可预见且迫在眉睫的风险”，可能造成超过10亿美元损失，或导致50人以上死亡或严重受伤

匹配字段正文

工作流程是否让受访者尽可能高效：2024 年末有 44% 的员工表示同意；到 2025 年 11 月升至 58%（2026 年 4 月，75% 的人回答“是”，但该问题因删去“尽可能”而有所弱化）。截至 8 月，Anthropic 员工预计到 2030 年 AI 将能完成其 75% 的工作，而其他美国人的这一比例为 28%。 这些不断攀升的生产力预期，因内部模型发布的节奏而更加戏剧化。一旦有新模型可用，Anthropic 员工就开始在交互式编码智能体会话中处理更难的问题。我们用自动化的 Claude 评分器来衡量这一点，它根据深度、范围以及涉及的系统数量，对去标识化会话的任务要求进行评分。难度高于旧模型第 90 百分位的任务占比急剧上升约 30%（从全部任务的 10% 升至 13%），并在模型发布后的数周内保持高位。交给智能体的简单任务一端则变化不大。 智能体生产力不断螺旋上升，转化为倾泻在人类屏幕与注意力上的产出。一位工程师将其比作照看孩子： 他们会说，我需要有人帮我打开果汁盒，而打开果汁盒是一件紧急的事。而这种诉求所表达的关切程度，与一个割破手指、正在流血的人完全相同。[...]

匹配字段正文

周内就匹配了其大部分基准性能。三周。前沿实验室花费数十亿美元换来的溢价，在不到一个月内就被套利掉了。 现在想想萨姆、达里奥和埃隆。三个彼此公开厌恶的人，却一致公开表示所有人都应该放慢脚步。他们的共同利益是什么。他们花钱打造昂贵的模型。别人免费复制，甚至在训练成本还没收回之前就用更低的价格抢走市场。要求模型训练过程透明可追溯的监管，就是对这个问题的答案。在前沿模型发布上协调暂停，同时业界想办法阻止蒸馏，就是对这个问题的答案。让伪造品更难生产，就是对这个问题的答案。这读起来更像是在保护护城河，而不是在警告生存风险。 证据就在发布节奏上。如果这三位CEO中任何一位真的相信自己的模型正在接近意识、构成灭绝风险，他们就会放慢脚步。可他们发布模型的速度比以往任何时候都快，因为他们不能让蒸馏者把付费产品甩得太远。公开声明说的是一回事。行为说的是另一回事。当两者冲突时，相信行为。 那些告诉参议院自己的产品可能终结人类的创始人，正以史上任何软件公司都未曾有过的速度出货这些产品。要么他们不相信自己的证词，要么这份证词在发挥的作用和它看起来的作用并不一样。 解释三。“挣脱束缚”的叙事是范畴错误。 不断奏效的

匹配字段正文

境卖家与广告代理商，打开B端收入通道。 但问题同样明显，爱诗科技要面对Meta、Google的平台监督，也要与Marpipe、Creatify等原生工具争夺份额。在整条价值链中，PixVerse的地位低于短剧领域，一旦广告效果不佳，商家首先削减的是素材生产预算。 最核心的风险来自于技术变革。工具层的技术迭代，很难甩开模型进化一个身位。今天的差异化功能，下一代模型发布后可能变成标配。 独立平台能在某个环节领先一个版本周期，却很难在字节同时握有模型、工作台、流量、激励的组合下，守住第二个。 本文来自微信公众号“数智奔流”，作者：白笈，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+143 好文章，需要你的鼓励数智奔流特邀作者8收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章PS、PR被AI重做了，摄影后期软件要变天了？苦熬三年的刘庆峰，“孤勇者”等待翻盘Kling 4.0发布，可灵AI的估值凭什么反超母体快手？Anthropic

匹配字段正文

件研发和复杂Agent任务。 在第三方评测机构Artificial Analysis的公开测试中，Ling-3.1-flash智能指数为41，输出速度约为每秒210 Token，混合调用价格约为每百万Token 0.19美元（约合人民币1.27元），Ling-3.1-flash在保持较高智能水平的同时，兼顾较快的输出速度与较低的调用价格，展现出性价比优势。 模型发布后，智东西结合编辑部的日常工作，围绕办公和复杂Agent任务展开实测，观察Ling-3.1-flash从理解需求、调用工具到交付成果的实际表现。 实测中，Ling-3.1-flash在财报分析和工作信息整理上交付清晰、可用，生成的网页图表直观、交互流畅；在3D场景和移动端应用开发中，也能完成场景搭建、页面设计及功能实现，表现出较完整的任务执行能力。 科技报道常常需要查阅财报，分析公司的营收、净利润、资本开支等指标。手动查找数据、整理图表既费时，也容易在单位和口径上出错。于是，我们将这项工作交给了Ling-3.1-flash。 我们让它查找Meta、微软、Alphabet的最近三年财报，对比收入、利润、经营现金流和研发投入，并

匹配字段正文

至 2026 年 10 月 14 日，Ling 3.0 系列官方模型及社区适配仓库的近 30 天滚动下载计数接近 100 万次。社区讨论 中，开发者认可多工具调研体验，也提醒复杂代码仍需检查。感谢大家持续试用与分享；这些实践为 Ling-3.1-flash 开源后的业务应用提供了参照。 04 从在线体验到本地部署 Ling-3.1-flash 目前提供限时 2.5 折优惠。欢迎通过如下入口体验和使用模型，在具体任务中验证效果。 需要在自有环境部署的开发者，可前往 Hugging Face 或 ModelScope 获取开源权重，查看模型说明。 活动价格（每百万 Token）： OpenRouter（美元计价）： 输入 $0.30 $0.075；输出 $0.90 $0.225；缓存读取 $0.06 $0.015。 Ling Studio（人民币计价）： 输入 ¥2 ¥0.5；输出 ¥6 ¥1.5；缓存读取 ¥0.4 ¥0.1。 各渠道的优惠时间和实际计费以平台页面为准。 05 附录 | 更多任务评测结果 模型发布技术分享下一篇Ling-3.1-flash：面向真实世界任务的模型升级$/$

匹配字段正文

ngface.co/tencent/Hy3-preview" [[buttons]] text = "ModelScope" icon = "modelscope" url = "https://modelscope.cn/models/Tencent-Hunyuan/Hy3-preview" @@@ 4 月 23 日，腾讯混元 Hy3 preview 语言模型发布并开源。这是一个快慢思考融合的混合专家模型，总参数 295B，激活参数 21B，最大支持 256K 上下文长度。 今年 2 月，我们重建了预训练和强化学习的基础设施， 以及模型追求实用性的三个原则： • 能力体系化： 我们不推崇“偏科”，因为即使是代码智能体的单一应用，也涉及推理、长文、指令、对话、代码、工具等多种能力的深度协同。 • 评测真实性： 我们主动跳出易被“刷榜”的公开榜单，通过自建题目、最新考试、人工评测、产品众测等多种方式评估和改进模型的“真实战斗力”。 • 性价比追求：实用性离不开商业合理性，我们深度协同模型架构和推理框架的设计，大幅降低任务成本，让智能用得起、用得好。 Hy3 preview 是我们重建后训

匹配字段正文

重要信息，并识别此前的信息何时与当前任务相关，公司将这一能力称为“主动记忆”：模型将在不同对话之间持续保留与用户有关的重要背景信息，并主动检索与当前任务相关的细节。 同时，模型为了利用这些背景信息完成任务，还需要持续投入精力。“主动专注”意味着Muse Wonder在面对具有挑战性的目标时会尝试不同的方法、克服障碍，并根据新信息调整行动。 不过，Meta此次模型发布受到一项软件漏洞的影响，导致Meta Code订阅服务在计算用户使用模型的用量时出现问题。公司方面表示，正在“努力解决”这一问题。 英国《金融时报》分析指出，此次发布对Meta CEO马克·扎克伯格（Mark Zuckerberg）而言是一个重要里程碑。自去年以来，他已承诺投入数十亿美元，重组Meta的AI领导团队、建设大型数据中心，并以数百万美元的薪酬招募顶尖AI研究人员，所有这些举措都是为了让Meta跟上OpenAI、Anthropic和谷歌的步伐。 在重组公司的AI业务后，Meta一直试图通过不同于竞争对手的路线实现差异化，专注于开发能力强大的模型，以满足广泛的消费级应用需求。今年9月，Meta推出了个人AI智能体Mu

匹配字段正文

均评测任务成本已经从上代的1.60美元上涨至4.52美元，涨幅达183%，比GPT-6 Astra还高出约39%。 而首批开发者的真实体验也出现了分歧。有人认为Meta已经拥有挑战Claude的编程能力，也有人拿出同题对比视频，质疑Wonder在3D程序生成上的表现远逊于Opus 5.5。 Meta终于挤进第一梯队 Artificial Analysis在新模型发布后公布了最新测试，Muse Wonder Full在Intelligence Index v4.3中获得56分，标准版Muse Wonder获得52分。 相比六周前发布的Muse Spark 1.3，后者得分为48分。这意味着新旗舰Full版本实现了8分的跃升，普通版也提升4分。 作为对比，Claude Opus 5.5为58分，Claude Sonnet 5.5为56分，GPT-6 Astra、Claude Fable 5.1均为53分。 从综合成绩看，Meta确实已经回到了前沿模型的领先阵营。 在模型的能力分布上，Meta公布了覆盖个人Agent、专业知识工作、编程和综合智能的14项主要评测，对手包括GPT-6 Astr

匹配字段正文

2 klein base 4B 上训练一个 LoRA，训练数据是来自 Chunte/huggy for training 数据集的 84 张带说明的绘图。 3. 一个会新技巧的模型 相机角度 LoRA 是早期 Qwen-Image 模型中最受社区欢迎的附加组件之一。你可以给模型一张物体的图片，并要求从左侧 45 度角查看它。在 Qwen-Image 2.1 模型发布几天后我查看时，还没有人做过，所以我让 ML-intern 来构建它。 ML-intern 在一个花费几美分的 CPU 任务中，以 24 个角度渲染了来自 Google Scanned Objects 的 1,030 个扫描家居物品，共 24,722 张透明图像。它后来最终确定了 461 个物品用于训练、40 个留出用于测试，以及 1,844 对训练前后图像对，均匀分布在 23 条相机指令上。 Doodle-in LoRA 是另一个很酷的想法。上传一张带有洋红色涂鸦的照片，并添加一个简短的提示词来指定一个物体。该 LoRA 会用该物体替换涂鸦，同时保持原始光照和构图一致。 此前不存在用于此任务的数据集，所以我的提示词描述了如

匹配字段正文

谁敢真正放慢脚步？这正是典型的“囚徒困境”。 当前，AI领域尚未形成绝对领先的技术壁垒。谁率先踩下刹车，谁就可能让出下一轮技术竞争的主动权。虽然大家都看得见风险，但没人愿意成为第一个停下来的人。 那么，AI到底该不该放缓？该放缓的，从来不是技术进步，而是缺乏约束的“裸奔”。 一个容易被忽略的细节是，OpenAI承认这批数学成果中，仍有部分证明未经严格检验。试想，连数学这种最讲究对错、最容易验证的领域，都开始流行“先发布、后检查”，那么对于直接进入医疗、金融等高敏感的AI行业，又如何赢得公众信任？ 答案不能只是依赖企业自律，而应当把“刹车”装进制度中。 首先，独立第三方安全评估，应当成为前沿模型上线前的必要步骤。其次，全球应探索建立可核查的协调机制，尽可能降低“单方面放缓”带来的竞争压力。最关键的是，要明确大模型发布者的验证义务和追责责任，坚持“谁开发谁验证，谁发布谁负责”。 722篇数学成果表明，AI在部分领域的发展，正在超越人类的运算极限。 越是在这样的关键节点，越不能把技术发展与安全治理对立起来。我们不是要求AI放缓进步，而是要确保每一次进步都在人类可以理解、验证和约束的范围之内。

匹配字段正文