Agent Arena 数据：开源模型 12 周追平 Claude Fable 5
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。
全部动态
AI 相关资讯全量信息流 · 960 条
10月13日
Meta 发布 Muse Wonder 与 Muse Wonder Full，智能指数升至 52 和 56
Meta 六周内又发了新模型，智能指数涨到 56，代理类任务进步明显，比 Claude 便宜但比 GPT-6 贵，做 agent 的可以看看。
10月12日
OpenCode 实测：80 美元在 DeepSeek V4.1 Flash 上跑了 34670 次请求
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。
用 Codex + Deepseek-V4.1-Flash 以 JSON 生成可导出 SVG/PNG/GIF/MP4 的动画架构图
有人用 Codex 加 Deepseek-V4.1-Flash，让模型只写 JSON 就能自动生成会动的架构图，还能导出 GIF 和 MP4，画时序图、Sankey 图都行，做技术分享很实用。
10月11日
Internalizer：为 DeepSeek V4-Flash 做上下文到参数映射
有人给 DeepSeek V4-Flash 做了个超网络，把上下文直接变成参数，投影塞进每层共享专家 MLP，思路挺野。
LangChain Open SWE 按任务自动选模型，单任务成本降 64%
LangChain 把 Open SWE 改成按任务自动挑最便宜够用的模型，成本直接砍掉 64%，还能看看 DeepSeek v4.1 flash 当编排器的实际体验。
10月10日
OpenRouter 为 5 人销售团队打造 AI 销售智能体 Rasp，每月省 600 小时
OpenRouter 自曝内部案例：5 个销售加一个 AI 智能体 Rasp，每月省 600 小时，连踩坑经验和模型省钱套路都写清楚了。
HeyGen Voice 登顶 Artificial Analysis 语音合成竞技场榜首
HeyGen 第一次做 TTS 就拿下 Elo 1,201 的榜首，价格还比 Eleven v4 便宜一半，做语音客服的可以听听样例对比。
10月9日
Internalizer 超网络可将文档编译为 284B 参数模型的 LoRA 适配器
把一份文档直接编译成 LoRA 权重，284B 的 DeepSeek v4 Flash 也能用，top-1 准确率从 63.4% 拉到 84.9%
Mine Odyssey 基准用 Minecraft 重建真实地点评测空间智能体
拿 Minecraft 重建曼哈顿、白金汉宫这些真实地点来考模型找路，GPT-6 Astra 考了 85.6 分，开源的 DeepSeek-V4.1-Flash 才 23.9，差距很直观。
10月8日
Anthropic Haiku 5.5 降价被指瞄准国产模型定价
博主对比了 Haiku 5.5 和 DeepSeek-V4.1 flash、GLM 5.3 flash 的价格和 Terminal Bench 4.0 分数，顺便吐槽了评论区骂战，看看各方实际差距。
Windows 11 推出 Hybrid Intelligence，打通本地与云端模型协作
微软把本地模型和云端模型打通了，agent 跑在隔离容器里更安全，写代码还能直接用本地版 MAI-Code-1.1-Flash，算力不够自动切云端。
韩国多家银行遭网络攻击，CrowdStrike 称疑似一人借助 AI 工具完成
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。
微软将 Windows 重新定位为混合智能平台，发布四层架构
微软把 Windows 定位成 AI 智能体的底座，从 MXC 容器隔离到能跑 DeepSeek V4 Pro 的 DGX Station 一口气全铺开，做端侧智能体的可以细看。
Anthropic Haiku 5.5 价格低于 DeepSeek-V4.1 flash 和 GLM 5.3 flash
有人把 Haiku 5.5 和 DeepSeek、智谱的 flash 模型做了价格和 Terminal Bench 跑分对比，选便宜模型前可以看看这张对比表。
vLLM 分享 DeepSeek-V4.1-Flash 的 SWA bounded replay 优化
37FlowAI 拆解了 DeepSeek-V4.1-Flash 在 vLLM 上跑 agent 的优化细节，SWA bounded replay 能明显降低 TTFT，搞部署的可以看看。
DeepSeek 压缩智能体记忆：缓存每 token 仅 890 字节
DeepSeek 把智能体的 KV 缓存砍到每 token 890 字节，比 V1 小 437 倍，Flash 还在 AA Index 上反超 V4-Pro，价格只要一半不到。
Agent Arena 实测 Jev Router：4700 场智能体会话表现如何
Agent Arena 跑了 4700 多场真实会话测 Jev Router，结论挺直接：比 DeepSeek V4.1 Flash 贵 38%，但根据反馈换模型的能力接近 Claude Opus 5.5。
Microsoft 演示 DeepSeek V4 Flash 本地跑在 Windows PC 上
284B 的 DeepSeek V4 Flash 量化到 1.6 bit 只要 60GB，配 128GB 内存的 Surface Laptop Ultra 就能本地跑，视频都放出来了。
Jev Router 中位延迟 6.18 秒，高于 DeepSeek V4.1 Flash 的 3.64 秒
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。
Jev Router 路由评测：4/5 常用模型在 Pareto 前沿，但仍不及直连 DeepSeek V4.1 Flash
有人实测了 Jev Router，5 个常用模型里 4 个上了 Pareto 前沿，但直连 DeepSeek V4.1 Flash 反而更便宜更快，选路由前可以先看看这组数据。
vLLM 三周优化 DeepSeek-V4.1-Flash：低并发提速 1.9 倍
vLLM 花三周把 DeepSeek-V4.1-Flash 跑快了 1.9 倍，AgentX 上吞吐 5.3 倍，还附交互图表拆解过程，做部署的可以看看。
Mistral Large 4 在 AutomationBench 办公自动化基准上领先
Mistral 晒了新基准成绩：Mistral Large 4 跑 657 个办公自动化任务，赢了 Kimi K3 和 DeepSeek V4 Pro，做 agent 介绍的可以看看。
10月7日
ServeLearnBench 发布：评测智能体能否从服务经验中自我改进
arXiv 上新出的 ServeLearnBench，用 7718 个任务测 RAG、Mem0 这些框架能不能让智能体边服务边学习，结论是多数还不太行。
10月6日
DeepSeek V4.1 Flash 在 ARC-AGI 验证集上超越 V4 Flash
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。
