Artificial Analysis 实测 FrontierCode 1.1：前沿模型完成可合并代码任务仍有逾 40% 失败
Artificial Analysis 使用统一 Stirrup 智能体框架评测 Cognition 的 FrontierCode 1.1 Main，100 个真实开源仓库任务各运行 3 次，前沿模型仍有超过 40% 的尝试失败。
#DeepSeek
#DeepSeek
今日 1 条Hacker News：AI 热帖AI 评分5959
Hacker News：AI 热帖AI 评分6464 ZooWork 复盘 ShopRanker 电商重排序模型训练：相关性不等于偏好
ZooWork 介绍 ZooWork-ShopRanker 系列 0.6B、4B、8B 电商重排序模型及 ShopRank-Bench 的训练方法，核心结论是干净偏好标签比算力更稀缺。
Hacker News：AI 热帖AI 评分4949 DeepSeek V4.1 Flash 实测：378 tok/s、99.7% 缓存命中率
RunInfra Model APIs 上线 DeepSeek V4.1 Flash，实测输出速度 378 output tokens per second、近 24 小时缓存命中率 99.7%，上下文窗口为 1,048,576 tokens。
Hacker News：AI 热帖AI 评分7070 Vals.ai 独立评测 TypeSafe Jev：声明核验追平前沿模型，LegalBench 排名末位
Vals.ai 独立评测 TypeSafe 的 Jev 1.13.0，在 400 项 SEC 文件声明核验任务中得分 0.975，追平 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna，成本为每 1,000 个案例 $0.02，约为 GPT-6 Astra 的 1/498。
Simon WillisonAI 评分7272 Mistral Large 4 预览版发布，1T 参数模型将开放权重
Mistral 发布 Mistral Large 4 预览版，模型拥有 1 万亿参数、49B 激活参数，使用 3,800 块 NVIDIA Grace Blackwell GPU 训练，现已通过 Mistral API 提供，并承诺在本月底发布开放权重。
The DecoderAI 评分7272 Reflection 发布开放权重模型 Beam，主打低算力编码与智能体任务
Reflection 发布首个免费开放权重模型 Beam，定位为以较低算力对标 DeepSeek、Qwen 等中国开放模型，面向编码、逻辑推理和智能体任务。
IT之家（RSS）AI 评分7070 Reflection AI 发布首款开放权重大模型 Beam，对标 DeepSeek 与 Kimi
Reflection AI 推出首款开放权重大模型 Beam，主打代码编写与智能体任务，并希望与 DeepSeek、Kimi 等中国模型竞争。Beam 总参数量为 5010 亿，采用稀疏激活架构，每项任务激活 230 亿参数；Reflection AI 称其性能对标 GLM-5.2，并在代码和智能体任务上逼近 Qwen3.8-Max。
IT之家（RSS）AI 评分2323 IT早报 1006：华为与高通达成专利许可，DeepSeek V4.1 Flash 缩小中美模型差距
10月6日IT早报汇总多条科技资讯，华为与高通达成覆盖5G、AI等领域的广泛专利许可协议，交易后华为专利许可累计总金额超69亿美元。DeepSeek推出V4.1 Flash，中美顶尖模型LiveBench跑分差距缩至3%。此外，2026诺贝尔生理学或医学奖因光遗传学发现揭晓，全球纯燃油车新车销量占比上半年首次跌破50%。
TechCrunch · AI精选AI 评分8080 Reflection AI 发布开放权重模型 Beam，主打更低推理成本
Reflection AI 正式发布首个前沿开放权重模型 Beam，称其在高级推理基准上可媲美中国领先开放模型，同时推理计算用量少 3-4 倍。Beam 是纯文本 MoE 模型，总参数 501B、活跃参数 23B，预训练使用 23.8 万亿 token，上下文窗口为 100 万 token。
推荐理由：文章整理了 Beam 的参数规模、上下文窗口、成本主张和开放权重计划，可帮助读者把它与 GLM-5.2 等开放模型直接比较。
Hacker News：AI 热帖AI 评分3333 DeepSeek V4.1 Flash 操作网页版 Paint 画肖像遇挫：AI 智能体视觉与动作能力测试
Matthew Berman 测试 DeepSeek V4.1 Flash 操作网页版 Microsoft Paint 复刻头像，成品可辨认但高度抽象，缺少五官细节与叠层笔触。对比 Google Astra 能用重叠笔触构建明暗与纹理，DeepSeek V4.1 Flash 只会铺大色块，暴露其在智能体精细运动控制与时空推理上的局限。
IT之家（RSS）AI 评分5959 彭博行业研究称 DeepSeek V4.1 Flash 推动中美顶尖模型 LiveBench 差距缩至 3%
彭博行业研究称，DeepSeek 9 月发布 V4.1 Flash 后，中国顶尖模型在 LiveBench 上与美国竞争对手的得分差距缩小到 3%，低于 5 月约 9% 和今年早些时候的 15%。
Hacker News：AI 热帖AI 评分3030 DeepSeek 开源其华为昇腾编程栈
DeepSeek 已开源面向华为昇腾的编程栈。该消息来自 Hacker News 热帖，原始链接页面仅显示 Cloudflare 安全验证，未提供更多技术细节。
Hacker News：AI 热帖AI 评分2424 The Download：AI“读心”技术与小型电池的创新用途
一款新 AI 工具可通过分析脑部扫描重建人眼所见图像，也能反向根据所见图像预测大脑活动，研究者希望借此揭示大脑运作机制并帮助闭锁综合征患者沟通，但有科学家警告其可能未经同意泄露个人内心想法。
The Decoder精选AI 评分8282 Anthropic 称智谱开放权重 GLM-5.3 的漏洞利用能力接近 Claude Mythos Preview
Anthropic 测试显示，开放权重的 GLM-5.3 在自动化漏洞利用开发上接近受限开放的 Claude Mythos Preview：ExploitBench 中 410 次尝试有 50 次生成可用 exploit，Mythos Preview 为 56 次；OSS-Fuzz 二进制利用任务中完全控制目标程序的比例分别为 4% 和 6%。
推荐理由：文章把 Anthropic 与 CAISI 的漏洞利用测试、防护绕过成本和开放权重风险放在一起，便于理解前沿网络攻击能力的扩散速度。
公众号：AI异类弗兰克AI 评分5454 MiniMax M3.1-Flash-Preview 实测：对比 DeepSeek V4.1 Flash 与 GLM 5.3 Flash
MiniMax M3.1-Flash-Preview 正处于公测阶段，可在 MiniMax Code 和 Token Plan 调用，作者实测认为其速度质量比突出。
Hacker News：AI 热帖AI 评分5757 DeepSeek 发布 DeepGEMM Ascend，支持华为昇腾 950
DeepSeek 发布 DeepGEMM Ascend，将 DeepGEMM 移植到华为昇腾平台并支持 Ascend 950 设备。该库与 DeepGEMM API 完全兼容，支持 BF16、FP8、FP4 GEMM、MQA logits 和 MegaMoE，要求 CANN 9.20、torch_npu、Python 3.0 或更高版本。
公众号：小林codingAI 评分7272 OpenAI GPT-6 Sol 上线，作者实测对比 GPT-6 Astra 的生成效果与额度消耗
OpenAI 上线 GPT-6 Sol，并将推出 GPT-6 Luna；作者称 Sol 面向日常高强度任务，API 价格为 GPT-6 Astra 的五分之一，Luna 价格低于 DeepSeek V4.1 Flash 的闲时非缓存价。
Latent Space精选AI 评分7777 小米发布 MiMo-V2.6-Pro 1T-A42B 开放权重全模态模型，RL 训练约耗 $3M
小米发布 MiMo-V2.6 系列原生全模态模型，其中 MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活参数，Artificial Analysis Intelligence Index 得分为 46。
推荐理由：汇总了 MiMo-V2.6-Pro 的参数、成本、开放内容和 RL 训练细节，可用来理解开放权重模型逼近前沿能力的路径。
公众号：欧巴聊AIAI 评分7575 阶跃星辰 Step 5 Preview 实测：多模态、编码与办公任务表现及成本解析
阶跃星辰 Step 5 Preview 被实测验证可完成多模态生成、网页复刻、代码修复和办公文档任务，并以较低单任务成本进入 Artificial Analysis 开源模型前列。
Latent SpaceAI 评分3232 Jev 发布两天后涌现 6 个克隆项目：AINews 盘点复现路线与生态反应
非生成式决策模型 Jev 发布两天内出现 Laya、DiffusionGemmaJev、Bespoke Nimble、SemIf、Jevlike、Kev-0.5B 六个克隆项目，其发布视频两天获 36M 次观看。
公众号：数字生命卡兹克AI 评分7474 TypeSafe AI 推出只做高频决策的模型 Jev
TypeSafe AI 推出新模型 Jev，定位为只做高频决策的通用分类器，不能聊天、写代码或生成文字，平均判断延迟为 380 毫秒，成本为 0.042 美元/百万 Token，输出 Token 免费。
Fireworks AI（网页）精选AI 评分7272 Fireworks 发布 DeepSeek-V4.1-Flash，DeepSWE 编码准确率接近 GPT-6 Astra 且单任务成本为 1/15
Fireworks 发布 DeepSeek-V4.1-Flash，并给出 DeepSWE、Terminal-Bench 2.1 与 HLE 评测。DeepSeek-V4.1-Flash 在 DeepSWE 上 Pass@1 为 74.34%，单任务成本 $0.430；GPT-6-Astra 为 74.12%、$6.524，二者质量接近而成本相差 15 倍。
推荐理由：文章用 DeepSWE、Terminal-Bench 2.1 和 HLE 对比成本与能力边界，并解释输入输出分离激活及 KV cache 优化。
Fireworks AI（网页）精选AI 评分7070 Fireworks 上线 DeepSeek V4 Pro 0813，并发布其编码基准与成本评测
Fireworks 已上线 DeepSeek V4 Pro 0813，提供 serverless endpoints、dedicated deployments 以及 SFT、DPO、RFT 训练支持。
推荐理由：Fireworks 给出 DeepSeek V4 Pro 0813 的编码基准、单任务成本和路由组合结果，可帮助评估多模型分工的实际取舍。
Fireworks AI（网页）精选AI 评分6464 Fireworks AI 评测 DeepSeek V4 Pro 0813：CyberGym 安全任务零拒绝且成功成本更低
Fireworks AI 使用 CyberGym 评测 DeepSeek V4 Pro 0813、Kimi K3、GPT-5.5 和 Claude Opus 4.8 的安全智能体表现，任务要求模型在真实代码库中定位、触发并修复漏洞。
推荐理由：文章用 CyberGym 的真实漏洞任务对比多款模型的成功率与单次成功成本，可为安全智能体选型提供成本和拦截率参考。
Import AIAI 评分2929 Import AI 465：开放与闭源模型差距、Kimi K3 与 Demis 的 AGI 监管方案
英国 AISI 测试显示，GLM-5.2、DeepSeek V4-Pro 等开放权重模型的网络安全能力，与前沿闭源模型发布时间差已从 2025 年多数时期的 6 至 10 个月缩小到 4 至 7 个月。
Mistral AI精选AI 评分8989 Mistral AI 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2 编码模型家族，包括 123B 的 Devstral 2 和 24B 的 Devstral Small 2，并推出开源终端编码助手 Mistral Vibe CLI。
推荐理由：原文同时给出两款开源编码模型的参数、许可、SWE-bench Verified 成绩和本地部署条件，便于比较开放模型与闭源模型的工程取舍。
Mistral AI精选AI 评分8282 Mistral AI 联合 All Hands AI 发布智能体编程模型 Devstral
Mistral AI 与 All Hands AI 合作推出面向软件工程任务的智能体大语言模型 Devstral，并以 Apache 2.0 许可证开放。
推荐理由：文章给出 SWE-Bench Verified 成绩、本地硬件门槛和 Apache 2.0 获取方式，便于评估其用于智能体编程的可行性。
Mistral AI精选AI 评分7777 Mistral AI 发布 Mistral Medium 3，主打低成本企业级性能
Mistral AI 发布 Mistral Medium 3，称其以更低成本提供前沿模型性能，API 定价为 $0.4 input / $2 output per M token。
推荐理由：官方给出定价、基准对比和企业部署方式，可帮助读者判断中等规模模型在成本与专业任务间的取舍。