全部动态

ARC Prize 实测了 DeepSeek V4.1 Flash，ARC-AGI-3 跑出 3.3%，成本不到 1000 美元，目前性价比最好的一份成绩单。

官方账号ARC Prize@arcprize5 个信源在谈原文

有人实测 DeepSeek V4.1 改代码经常漏改或误删代码块，用之前可以看看这个坑。

Teortaxes@teortaxesTex原文

LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。

lmarena.ai@lmarena_ai5 个信源在谈原文

黑客用Claude问数据交易，中国ARTEX工具被指入侵韩国7家银行，AI犯罪新手法曝光。

rohanpaul_ai@rohanpaul_ai原文

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。

Andrew Curran@AndrewCurran_原文

LMArena测了Jev Router的实际延迟：中位数6.18秒，比DeepSeek V4.1 Flash的3.64秒慢了一截，P90差距更明显。

lmarena.ai@lmarena_ai原文

DeepSeek 的 V4.1 Flash 跑分出来了，ARC-AGI-2 拿下 72.9%，比上一代高了 11.5 分，不过每任务成本贵了两倍多，看你怎么权衡。

官方账号ARC Prize@arcprize原文

Mistral放出Mistral Large 4，1T参数只激活49B，跑分被DeepSeek V4.1 Flash压了一头，10月就开源，可以先试试API。

Gorden Sun@Gorden_Sun11 个信源在谈原文

Mistral推出Large 4，成为美中之外最智能模型，价格却比同类开源模型贵4倍。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Reflection AI 开源了 Beam，501B 参数 MoE，作者称推理算力只要 GLM-5.2 的三分之一，Apache 2.0 可商用，不过注意这数字只是估算。

rohanpaul_ai@rohanpaul_ai原文

Fireworks 现在能直接微调 DeepSeek V4.1 Flash 了，想做编程智能体或工具调用的可以看看，托管训练省不少事。

Fireworks AI@FireworksAI_HQ原文

DeepSeek V4.1 Flash 把和 Anthropic 的跑分差距从 15% 追到只剩 3%，想知道中美模型现在差多少的看这篇。

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。

Teortaxes@teortaxesTex原文

GLM-5.3首次在控制流劫持测试中取得突破，与Claude Mythos Preview差距缩小。

Teortaxes@teortaxesTex11 个信源在谈原文

一个人开发者晒账单：RSS 翻译全跑 DeepSeek V4.1 Flash，每天不到 1 块钱，想给工具挑便宜模型的可以参考。

向阳乔木@vista8原文

在 VS Code 里装个 Cline 插件，Gemini 3.8 Flash、DeepSeek V4.1 Flash 这些模型都能白嫖，写代码零成本，试试看。

向阳乔木@vista8原文

Stanford 联合 Terminal-Bench 团队搞了个科研智能体榜单，70 个真实科研任务里 GPT-6 Astra 拿 63% 排第一，开源模型才 10%，差距很直观。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Cline 里免费用 Gemini 3.8 Flash，1M 上下文加 291 tok/s，跑分还压过 GPT-5.6 Luna 和 DeepSeek v4.1 Flash，写代码可以直接试。

Cline@cline5 个信源在谈原文

有人拿 DeepSeek V4.1 Flash 和 Space Bunny Alpha 现场比拼，让两个模型各自写一个网页版 Minecraft，前者能跑能挖，后者地面还有破洞，结果一目了然。

@atomic_chat_hq@atomic_chat_hq原文

Zenith 用最便宜的 DeepSeek v4.1 Flash 打赢了 GPT 5.6 Sol，开源党可以看看它怎么做到的。

官方账号Emad Mostaque@EMostaque原文

有人推测 DeepSeek V4.1 会用 YOCO 这类新架构，如果靠谱，KV 缓存开销可能大幅下降，架构党可以留意。

Teortaxes@teortaxesTex原文

Bolt 公了一周真实用量：GLM 5.3 Flash 占 63%，DeepSeek Flash 17%，用户宁可要快的也不挑最大的，这个数据挺说明问题。

bolt.new@boltdotnew原文

小米的 MiMo v2.6 Flash 跑分接近 Grok 4.7，成本却只有 1/57，做 agent 的可以看看这份 60 任务实测。

Browser Use@browser_use原文

Mimo V2.6 和 Grok 4.7 同晚发布，能力相近价差好几倍，买 API 前先比比。

官方一手歸藏(guizang.ai)@op741811 个信源在谈原文