#DeepSeek
DeepSeek 这版新模型把 Agent Arena 的开源第一拿下了，任务成功率和 Bash 执行可靠性都是开源第一，单任务成本才 1 块多人民币。
一天连发三个模型：DeepSeek、MiniMax 各自出了 Flash 小杯，Inception Labs 也放了 Mercury 3，日报里有个快览。
有人在传华为 Ascend 960DT 明年一季度的产能大头都给 DeepSeek，一季约 20 万颗，真假待验证，但算力分配动向值得盯着。
GEPA 在 MATH-500 上能从 0.828 拉到 0.904，但在 HotpotQA 上完全没用，SkillOpt 还会翻车——如果你在本地跑推理模型做提示词优化，这篇能帮你避坑。
有人把推理过程画成图来做自反思，MATH 上比普通反思高 12 个百分点，还不用训练，搞 QA 的可以看看。
MiniMax 又发了个省钱版 M3.1 Flash，价格砍半还能打平 DeepSeek V4.1 Flash，不过性价比仍输 MiMo-V2.6 Pro，适合预算敏感的场景。
有人实测 deepseek-v4.1-flash-1017，说 Agentic Coding 从 GROK-4.6 水平直接追上国产旗舰，还发现了行为变保守、预算控制的问题。
这篇论文把 LLM 塞进优化器里当决策规划器，替代人工设计的启发式规则，用 DeepSeek 做的版本在 5 种场景里都进前二，思路挺有意思。
做 Agent 长任务的朋友看看这篇：把设计意图存图里、用确定性控制器核对交付物，19 个领域、228 个任务的基准测下来，同一模型约束满足率高出基线 14-25%。
Skills 之间怎么传递输出一直靠模型自己猜，这篇把依赖关系做成 DAG 直接可执行，做 Agent 编排的可以看看实现思路。
SGLang 出了低延迟模式，在 GB300 和 MI355X 上跑 DeepSeek-V4.1-Flash 快了 1.38 到 1.56 倍，做推理部署的可以看看。
医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。
DeepSeek 推了 V4.1 Flash 1017 新权重，Databricks 上能直接调了，写代码、跑智能体和看图任务都比之前强，用 Databricks 的可以试试。
MiniMax 新的 M3.1 Flash 得分涨 13 分还便宜一半，编程基准跟 DeepSeek V4.1 Flash 打平，选模型前可以看看这组数据。
DeepSeek 这版 Flash 模型在 Agent Arena 拿下开源第一，跑任务成本只有 GPT-6.1 Sol 的四分之一左右，写网页还追平了闭源大模型，做智能体的可以看看。
DeepSeek 更新了 V4.1 Flash，智能指数涨到 45 分，追平 GLM-5.3 成开源第二，幻觉还少了好多，价格没变。
网易 LobsterAI 拿自家数据算了笔账：同样跑 Agent，选 DeepSeek 比 GLM 省七倍钱，做编程活的占四成，想省钱选模型前可以看看这份报告。
DeepSeek 新版 V4.1-Flash-1017 上 SiliconFlow 了，DeepSWE 编码基准跑到 77%，跑智能体任务更省 token 也更便宜，可以试试。
作者拿 DeepSeek 4.1 Flash 1017 版和 Opus 5.5 各做了条科普动画短视频，差距明显但国产模型这条路能走通，做视频的可以看看细节。
MiniMax 放出 M3.1 Flash 官方跑分，6 项基准里 4 项输给 DeepSeek V4.1 Flash，但高峰期价格便宜一半，选谁看场景。
国产独立开发者用 DeepSeek 做的皇帝模拟器，大臣全是 AI 演的，会跟你阳奉阴违，Demo 免费试玩，喜欢明末历史的可以先冲。
有人发现 DeepSeek 这个代号奇怪的模型在 Terminal-Bench 4.0 上拿了 42.3，还比 GLM-5.3 强，等 Artificial Analysis 复测。