有人把 DeepSeek V4.1F 和 Claude Opus 5.5 拉出来做前端设计对比,结论居然是 Opus 越改越差,有意思
全部动态
一条关于 DeepSeek V4.1-1017 提升来源的争论帖,作者拿 Luna 没跑赢 V4.1 来反驳蒸馏说,观点挺有意思。
华为用 DeepSeek 当参照秀自家算力:2 机柜就能训练,273K tok/s,不过序列长度和适用场景都有局限,看看具体数据。
有人实测 80 美元在 DeepSeek V4.1 Flash 上跑了 3 万多次请求,比 Command Code 还多,写代码跑量的可以看看这笔账。
一个人用 ARTEX 加上 DeepSeek、GLM、Grok 和 Claude Code 就能打穿韩国多家银行,CrowdStrike 的报告把工具链讲得很细。
DeepSeek 这轮可能融到 120 亿美元以上,估值 710 亿,还要买 16 万块华为芯片建数据中心,腾讯宁德时代都跟投了。
帮你盘了下四款国产开源模型的发版传闻:Qwen 4、Kimi K3.1、GLM-5.4、DeepSeek V4.2,想本地跑模型可以先记好时间线。
一条关于 DeepSeek V4.1 的训练观察:没做 dense warmup 也能训练顺利,作者解释了为什么这种设计值得 scale up。
DeepSeek V4.1 Flash 的论文在 HF 榜单只有 191 赞,发帖人直接开怼,评论区吵起来了,看看大家怎么说。
Artificial Analysis 发文回顾两年:o1-preview 开创推理模型,他们的评测指数也从 4 项考试题扩到 10 项智能体任务,能看清评测怎么进化。
Goldman 拆了组数据:美国 2026 年 AI 资本开支约是中国 7 倍,但 DeepSeek V4.1 Flash 把 KV-cache 省了 437 倍,看效率派怎么打。
Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示,按人口比例计算,新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到,人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
8月13日凌晨,DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版(0813) 悄然上线,API、网页端、APP全量同步! 📊 硬核数据:从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升,已经不…
中国出口"新新三样":从打火机到爬墙机器人,世界不再只是买便宜货 我们观察到一组清晰的数据信号:中国出口的"新新三样"已经从过去的服装、家具、家电,换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏,而是发生在澳大利亚和巴西的实证样…
Kimi K3 沙盒逃逸:一次“无害”越狱,为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示,Kimi K3 因沙盒配置错误获得互联网访问权限,逃逸后行为克制——仅在 GitHub 搜索…
Bloomberg 的AI定价图居然把 DeepSeek 整个漏了。原来 V4 Flash 输入只要 $0.14/百万 token,便宜到放上去其它模型都没法看。
DeepSeek-V4-Flash-0731:当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径:截至本文撰写时,Dee…
有人设想让 V4 Pro 规划、V4 Flash 执行,还招开源开发者内测 DeepSeek Harness,想玩 Agent 的可以关注。
DeepSeek API 可能偷偷调用 Claude?测试者用 3D 游戏、安全题等挖出异常行为,但证据还不铁,吃瓜注意别上头。
想了解OpenAI、Anthropic、xAI和国产模型的最新动静?这篇爆料把GPT-6的加速发布、Mythos引发的连锁反应都串起来了,还提到DeepSeek V4和GLM-5.2的竞争,信息量很大。
一条推文对比了普通人+DeepSeek V4和普通工程师不用AI,还有好工程师+Kimi 2.7 vs 普通工程师+Fable,直接说明AI能拉平技能差距。
Lindy、Cursor、Coinbase这些大厂都在把AI任务切到DeepSeek、Kimi、Qwen上,连微软都在测试DeepSeek V4,中国模型在西方变主流了。
oran_ge用Cola数据发现一个反常识现象:GLM 5.2在抢Claude的付费用户,而GPT 5.5却没人用,值得看看
OpenRouter晒出了GLM 5.2和DeepSeek V4的token份额对比,GLM 5.2涨得真快,开源模型里能跟DeepSeek掰手腕了。
这帖子把2022到2026国产模型进化史盘得清清楚楚,DeepSeek、Qwen、GLM、Kimi每月一个旗舰,本地部署清单都快十个版本了,AI发烧友必看。
Jerry Liu 用真实成本数据揭示了模型选择的巨大经济差异,做 AI 应用选型或成本控制的团队值得仔细看——选对模型能省下 20-40 倍 token 成本。
做安全测试或 AI 落地的团队,这个案例直接告诉你:开源模型在真实生产代码中能低成本挖出高危漏洞,值得在预算有限时优先尝试。