DeepSeek-V4.1-Flash-1017 发布：Terminal-Bench 4.0 从 31.2 升至 42.3
DeepSeek 这个所谓小更新在 Terminal-Bench 4.0 上直接涨了 11 分，还超过 Opus 5 和 GPT-5.6 Sol，权重又是 MIT 开源，写代码的可以试试。
早读VOL 2026.10.18160 篇
DeepSeek V4.1-Flash 发布，性价比碾压
新加坡·二〇二六年十月十八日 星期日·DAILY · 每早八时
2026年10月18日，今日最大新闻当属 DeepSeek V4.1-Flash-1017 发布：7630 亿参数、MIT 开源、1M 上下文，Terminal-Bench 4.0 从 31.2 升至 42.3，DeepSWE 达 77.0，超越 GPT-5.6 Sol（73.0）和 Claude Opus 5（74.0），而错峰价格仅 $0.15/$0.60，vLLM 实测 TCO 达 1.3B tokens/美元，同步下调 API 价并上线 Search/Fetch 接口。第二个主题是 AI 写代码的工程实践：Anthropic 披露 Claude Code 约 90% 代码由 AI 编写，6-9 月合并 PR 翻倍、回滚率降 40%，核心是多层自动化审查加风险分级审批；NVIDIA 也开源了智能体编程中间训练配方。第三，模型与方法持续演进：StepFun 开源 600B MoE 的 Step 5 Preview，Kyutai 发布 2.4B 机器人 VLA 模型 REKI，腾讯递归自我改进训练将 Terminal-Bench 从 20.68% 提至 50.58%。此外 OpenAI 的纳维-斯托克斯方程证明正遭数学界质疑。
01
模型发布/更新
5 篇
StepFun 开源 Step 5 Preview：600B 参数 MoE，100 万上下文
StepFun 把 Step 5 Preview 的权重直接开源了，600B 的 MoE 模型每次只激活 27B，还能塞 100 万 token 上下文，Hugging Face 上就能下载。
Anthropic：Claude 设计的量子电路在 8 类任务上超越已发表最优方案
Anthropic 让 Claude 自己设计量子电路，8 类任务都赢了已发表的最优方案，有任务直接省到 12 分之一的成本，玩法挺有意思。
IT之家原文
LMArena 发布 Alignment Index：基于 9 万+ 真实智能体会话评估 30 个模型
LMArena 拿 9 万条真实智能体会话给 30 个模型打了三个对齐分数：越权操作、错误归因、谎报完成。选智能体模型前可以先看看这份榜单。
02
产品发布/更新
5 篇DeepSeek 开放 Search 与 Fetch API，每千次调用 $0.75
DeepSeek 把自家搜索和网页抓取做成了 API，千次调用 7 毛 5 美元，在 Claude Code、Codex 里还能免费用，做搜索类应用可以试试。
Perplexity 开源智能体沙箱平台 SPACE，基于 Firecracker 微虚拟机
Perplexity 把 Computer 背后的沙箱开源了，每个任务跑在独立 Firecracker microVM 里，做智能体的可以拿来自管安全。
Grok 机器人主动私信用户，xAI 推出 Proactive Suggestions 功能
Grok 居然会主动私信用户了，xAI 把它做成了叫 Proactive Suggestions 的新功能，和 heartbeat 类似，想看智能体怎么变主动的可以看看
腾讯开源 Hy-Memory 2.0：跨 AI Agent 共享记忆
腾讯开源的记忆框架，Cursor 里聊过的项目切到 Codex 能接着干，还带个 30B 的记忆写入模型，做 Agent 的可以看看。
Kling 4.0 即将上线 fal：单次生成 30 秒视频并带原生音频
Kling 4.0 要上 fal 了，单条视频 30 秒还带原生音频，最多塞 15 张参考图控角色和运镜，做短片的朋友可以蹲一下。
03
行业动态
5 篇OpenAI 纳维-斯托克斯方程证明遭数学界质疑：方法来源与智能体贡献成谜
OpenAI 那 88 小时拿下千禧年难题的证明被数学家挑出问题了：方法对不上前人路线，连 Noam Brown 都说 1 万个智能体的贡献可能不到 10%。
IT之家原文
Anthropic 起草的安全法案被指用 10²⁵ FLOPs 门槛波及初创公司
Sacks 撰文批评 Anthropic 起草的法案用 2023 年的旧算力门槛定义前沿模型，连企业微调小模型都会被管到，观点和数据都值得对照看看。
04
论文研究
3 篇NVIDIA 公开智能体编程中间训练配方，SWE-bench Multilingual 提升 7 分
NVIDIA 开源了一个中间训练配方，给 Nemotron 加一段 500B token 的软件工程数据训练，SWE-bench 多语言直接从 55.8 涨到 62.8，自己训练编程智能体的可以照抄。
腾讯论文：用递归自我改进训练终端智能体，Terminal-Bench 从 20.68% 升至 50.58%
腾讯发了篇终端智能体训练论文，五阶段交替微调加 PPO，Terminal-Bench 成绩直接翻倍多，奖励审计那段很值得细看。
Anthropic 与哈佛用 Claude Mythos 5 优化量子电路设计
Anthropic 和哈佛用 Claude Mythos 5 自动搜量子电路，8 个任务里 7 个超过了人类最佳设计，每个结果都经过独立验证，不是嘴上说说。
05
技巧与观点
5 篇Anthropic揭秘Claude Code代码审查工作流：PR翻倍回滚率降40%
Anthropic自己披露Claude Code的审查流程，PR翻倍回滚率反而降四成，还讲了他们踩过的坑和解决办法，写代码的都该看看。
Reasoning From Scratch 第 8 讲：用蒸馏替代强化学习训练推理模型
Raschka 推理模型系列的完结篇，手把手教你用 DeepSeek R1 的数据把 Qwen3-0.6B 蒸馏出推理能力，还能跑通 MATH-500 评估。
中国 3D CAD 的突围之路：当 AI 开始挑战几何内核
一位干了 20 年 CAD 的老兵分析国产 3D CAD 卡在哪，讲透了中望、新迪这些厂商的路线差异，还聊了 NVIDIA 开源 USD BRep 后 AI 能不能帮创业团队从零写内核，观点很实在。
160今日事件
37一手报道
53新模型
65信源
AITOP · 编辑系统自动生成