#推理模型
作者把 DeepSeek V4.1 Flash 1017 从价格到编程基准都跑了一遍，还做了同题写作对比，想换模型前可以先看看这篇再决定。
一个两年前的 AGI 时间表预测被翻出来验证，作者还顺带聊了 Anthropic 和 OpenAI 该不该自己做操作系统，观点挺有意思。
Salesforce 只用 8B 小模型就教 AI 一次写出一堆不重复的科研点子，创意性还赢了 Claude Opus 4.8 和 GPT-6 Astra，做法挺巧的。
DeepSeek 刚发了 V4.1-Flash-1017，跑分更快输出更短还更省钱，已经在官网和 API 上能用，写代码的可以试试 CodeBuddy 那套适配。
有人在猜 DeepSeek V4.1F 能排到 45-46 分，还聊了 Vals 和 CritPt 这几个基准的毛病，喜欢看跑分讨论的可以看看。
教你怎么把 4B 小模型塞进 agent 框架里替 LLM 做常规决策，成本砍掉八成还更快，做 agent 的都该看看。
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。
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。
DeepSeek 新版 V4.1-Flash-1017 被称比 GPT 5.6 Sol 又快又强，两条线对比一眼看完。
DeepSeek 新出的 V4.1-Flash-1017 在 Terminal-Bench 上跑赢了 GPT 5.6 Sol，价格只有十七分之一，靠 RL 训练编码 agent 环境，写代码的可以看看。
vLLM 官方晒出 DeepSeek-V4.1-Flash-1017 的服务成绩：每美元 1.3B tokens，单卡 830K tok/s，跑智能体循环很省钱。
有人晒出 DeepSeek 跑到 202 tok/s 的实测截图，还说比 Codex 快，编程党可以看看这速度对不对得上自己的体验。
DeepSeek 刚更了 V4.1-Flash-1017，写代码和跑 Agent 任务明显变强，专项基准还赢了 GPT-5.6-Sol，不过综合推理还是 Claude Opus 5 更稳。
有人拿同一个画乌龟的提示词对比了 V4.1 Flash 新旧版本，新版本快很多，但快到 90% 会开始磨蹭，得手动拉一把，实测细节挺有用。
DeepSeek 更新了 V4.1-Flash-1017，编程测试涨到 77.0，还专门改了话痨问题，输出更精简，权重直接开放下载。
DeepSeek 更新了 V4.1-Flash，DeepSWE 跑到 77.0 分，速度更快输出更短，还把 Search API 开放出来了，可以试试。
DeepSeek 刚发的 V4.1-Flash-1017，跑分更高还输出更短，用 CodeBuddy 或 Harness 的可以升级试试。
DeepSeek 新出的 V4.1-Flash-1017 是开源的，DeepSWE 1.1 跑分 77%，把 GPT-5.6 Sol 和 Opus 5 都比下去了，价格还便宜。
博主实测说 DeepSeek 4.1-1017 打平 Opus 5，还压过 GLM5.3 和 GPT-5.6 Sol，国产模型又卷起来了。
DeepSeek 给 V4.1-Flash 做了次小更新，推理、编程、看图都变强，跑任务还更快更省 token，开源党可以关注下。
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。
有人发现 DeepSeek 这两个版本号可能其实是同一个模型，用 DeepSeek 的朋友可以看看自己的 API 版本对应关系。
Meta 放了个 816B 的开放权重多模态模型，两台 Mac Studio 就能本地跑，能改代码剪视频，不过年收入超 2000 万美元要另谈授权。
AMD 卡跑 Kimi K3 吞吐反超 NVIDIA B300 四分之一，每美元 token 还多 87%，文中还有 vLLM 瓶颈排查套路，自己搭推理服务的可以看看。