DeepSeek 相关 AI 资讯 · AITOP

7月31日

16:02

宝玉@dotey

72°

DeepSeek 将 V4-Flash（版本号 0731）从预览升级为正式版 API，总参数 284B、激活参数 13B 的 MoE 架构不变，改动集中在后训练。官方称其在多项 Agent 基准上的成绩大幅超过 V4-Pro-Preview，编程和工具调用能力反超更贵的 Pro 预览版。V4-Flash 原生支持 Responses API 格式，可直接对接 OpenAI Codex，并提供一键配置脚本。API 定价为输入每百万 Token 0.14 美元、输出 0.28 美元，上下文窗口 100 万 Token。

事件专题

推荐理由：Flash 转正后 Agent 能力反超 Pro 预览版，还原生适配 Codex，不用代理直接切，输入每百万 token 才 0.14 美元。

原文

15:45

官方一手歸藏(guizang.ai)@op7418

72°

DeepSeek 官方发布 DeepSeek-V4-Flash 的官方 API，已进入公开测试阶段。该版本重点强化 Agent 能力，官方宣称其基准得分已远远超过 V4-Pro-Preview。V4-Flash 原生支持 Responses API 格式，并已完全适配 Codex 客户端。具体配置方式见 DeepSeek 官方 API 文档。

AI模型 DeepSeek DeepSeek-V4-Flash 智能体

事件专题

推荐理由：DeepSeek 把 V4-Flash API 放出来公测了，Agent 能力比 V4-Pro-Preview 强不少，还直接支持 Codex，想玩可以去翻官方文档。

原文

15:40

官方账号深度求索 DeepSeek@deepseek_ai

DeepSeek-V4-Flash 官方 API 现已进入公开测试版，Agent 能力获得升级。官方基准成绩显示其已远超 V4-Pro-Preview。该 API 原生支持 Responses API 格式，并已完全适配 Codex。具体配置方法见官方文档 api-docs.deepseek.com/quick_start/ag...

AI模型 DeepSeek V4-Flash Codex

事件专题

推荐理由：DeepSeek把V4-Flash的API开放公测了，Agent能力比V4-Pro-Preview强不少，还直接适配Codex，想试新模型可以去看看。

原文

15:23

Geek@geekbb

DeepSeek 发布 V4-Flash-0731，属于 V4-Flash 系列的迭代版本。本次更新仅针对 API 接口，未提及模型能力变化。官方称 V4-Pro 正式版将尽快发布。

AI模型 DeepSeek V4-Flash API接口

事件专题

推荐理由：DeepSeek给V4-Flash刷了个小版本，只动了API接口，想等V4-Pro的可以蹲一下。

原文

14:06

14:06IT之家（博客/媒体）

DeepSeek 7 月 31 日下午通过 API 文档宣布 DeepSeek-V4-Flash 正式版 API 上线公测。版本号 DeepSeek-V4-Flash-0731 与 preview 版结构尺寸一致，仅重新进行了后训练。Agent 基准中 Terminal Bench 2.1 为 82.7，NL2Repo 为 54.2，Cybergym 为 76.7，DeepSWE 为 54.4，Toolathlon verified 为 70.3。Agent Last Exam 为 25.2，Automation Bench (Public) 为 25.1，DSBench-FullStack 为 68.7，DSBench-Hard 为 59.6，全面超过 V4-Pro-Preview。新版本原生支持 Responses API 格式并适配 Codex，V4-Pro API 和 APP/WEB 端本次未改动。

AI模型 DeepSeek DeepSeek-V4-Flash DeepSeek-V4-Pro

事件专题

推荐理由：DeepSeek 把 V4-Flash 转正了，智能体跑分全面压过 V4-Pro 预览版，做开发可直接试。

原文

10:51

10:51IT之家（博客/媒体）

国家发展改革委7月31日表示，将加快《人工智能法》立法进程。上半年，深度求索、月之暗面等本土企业发布了万亿参数开源大模型，国产大模型全球下载量突破100亿次。下一步还将布局国家人工智能应用中试基地，并强化技术监测、风险预警和应急响应体系。

行业国家发改委人工智能法 DeepSeek

推荐理由：发改委今天放话要加快《人工智能法》立法，还提到国产大模型下载量破了100亿次，搞AI的可以关注监管风向。

原文

09:53

官方一手arXiv: DeepSeek@Huiyuan Tian, Bonan Xu, Shijian Li

精选

本研究提出专家子空间分离指数（ESSI）和匹配路由残差等方法，区分路由一致性、候选质量和上下文交互。在六种MoE架构中发现专家子空间高度重叠，但实际路由对token表征的解释优于匹配替代方案。在OLMoE、Mixtral和DeepSeek的39个阶乘单元中，选中专家在每个单元都比最强的未选中候选解释更多残差，但实际前缀在所有交互中均缩小该优势，所有95%置信区间低于零。尽管几何重叠，添加后续专家在39个冻结路由比较中改善24个单元的下一token预测，其余15个不显著，受控训练中三个种子均偏好Top-2优于Top-1。这一模式表明路由从共享几何邻域选择token相关专家，而多专家计算无需不相交线性覆盖即可保持效用。

论文 MoE 稀疏混合专家 OLMoE

推荐理由：这篇论文把MoE路由的几何重叠和功能价值分开了，用了新指标ESSI和受控实验，结论很扎实，比单纯算相似度靠谱。

原文

08:11

08:11IT之家（博客/媒体）

72°

据彭博社报道，DeepSeek 计划在内蒙古乌兰察布建设一座大型 AI 数据中心，新增 1GW（吉瓦）算力。部分算力预计于 2027 年底或 2028 年初投入运行。乌兰察布年平均气温约 4°C，低温环境可降低 AI 服务器散热成本。作为参考，英伟达 CEO 黄仁勋曾预计 1GW 级 AI 数据中心投资达 500 亿美元。DeepSeek 已发布当地数据中心高级交付经理等岗位。

行业 DeepSeek 乌兰察布内蒙古

推荐理由：DeepSeek 要在内蒙建一个超大 AI 数据中心，1GW 算力，2028 年初部分上线，自己建还租别家的，手笔不小。

原文

7月30日

18:35

18:35IT之家（博客/媒体）

78°

欧盟委员会宣布提供100亿欧元（约773.81亿元人民币）支持建设7座AI超级计算工厂，目标吸引200亿欧元私人投资。每座工厂至少配备10万颗先进AI芯片，计算能力约为现有欧盟数据中心平均水平的4倍。当前欧盟计算资源由19个数据中心提供，新工厂将使算力翻倍。美联储2025年评估显示欧洲在AI关键领域落后于美国和中国，且欧盟电力成本是美国的2至3倍。法国AI公司Mistral AI运营欧洲最大数据中心之一，但其发展速度未赶上OpenAI和DeepSeek。

行业欧盟 Mistral AI DeepSeek

事件专题

推荐理由：欧盟砸100亿欧元建7座AI超级工厂，算力直接翻倍，目标追中美。看看欧洲怎么靠公共投资硬刚美国巨头。

原文

09:19

官方一手arXiv: DeepSeek@Zhoupeng Shou, Xiaodong Hong, Congjing Ren, Jingdai Wang, Yongrong Yang, Zuwei Liao

该框架利用大语言模型（如DeepSeek-V4-Flash、Qwen3.7-Plus）模拟工程师工作流，通过闭环响应特征生成并迭代修正PID增益。在100个FOPDT和100个SOPDT测试用例上，托管LLM最终成功率达75-89%和77-79%。对于本地部署的Qwen3-0.6B，监督微调使首次推荐成功率为86.5%，结合物理信息GRPO进一步提高至94.0%，主要改善了首次尝试可靠性和稳定性裕度。

论文 Qwen3 DeepSeek PID整定

事件专题

推荐理由：这篇论文用LLM自动调PID参数，小模型Qwen3-0.6B调参成功率94%，比大模型还稳。

原文

7月29日

12:27

官方一手歸藏(guizang.ai)@op7418

精选

Codepilot 推出了 Subagent 功能，允许用户在一个聊天中启用多个由不同模型驱动的子智能体。例如可用 Grok 检索 Twitter 信息、DeepSeek 生成文案、K3 生成网页、GLM 5.2 统筹。该设计旨在发挥各模型长处，同时减少昂贵模型的消耗，降低使用成本。

技巧 Codepilot Grok DeepSeek

推荐理由：Codepilot 这个 Subagent 功能真香，一个聊天里混用 Grok、DeepSeek、GLM 5.2 等模型，各取所长还省钱，试试看。

原文

12:26

官方一手歸藏(guizang.ai)@op7418

作者使用 Codepilot 的一条提示词，让 Grok 爬取 Twitter 信息、Kimi 生成网页、DeepSeek 撰写文案，并由 GLM 5.2 统筹。该 workflow 成功完成昨天 AI 热点事件统计，时效性与人工搜集相当，甚至补充了漏掉的信息。通过分模型调用，降低了昂贵模型的消耗。

技巧 Grok Kimi DeepSeek

推荐理由：想用最少的成本让不同模型干各自擅长的事？参考这个 workflow：Grok 爬推文、DeepSeek 写文案、Kimi 做网页、GLM 5.2 调度。

原文

12:25

官方一手歸藏(guizang.ai)@op7418

用户通过一句提示词，调用 Grok 进行 Twitter 热点事件信息爬取，Kimi 生成网页，DeepSeek 撰写文案。三个模型分工协作，完成了昨日 AI 热点事件的统计，结果与手动搜集高度一致，并补充了遗漏信息。展示了多模型组合工作流的实际效果。

技巧 Grok Kimi DeepSeek

推荐理由：用一句提示词让 Grok、Kimi、DeepSeek 各司其职，自动统计 Twitter 热点，省时又全面，适合想提升信息搜集效率的人。

原文

11:23

官方一手arXiv: DeepSeek@Jia Liu, Veena Krishnaraj, Kateryna Vovk, Kosuke Aizawa, Adrian E. Bayer, Linda Blot, Jessica Cowell, Suyog Garg, Jonathan Grée, Anamaria Hell, Ben Horowitz, Masaya Ichikawa, Kanyuni Iemoto, Keigo Kondo, Zacharie Lorsin, Kevin McCarthy, Jamie Robinson, Miguel Ruiz-Granda, Leander Thiele, Ievgen Vovk, Mingshen Zhou

该研究测试了大型语言模型（LLMs）在科研项目规划和提案评估中的表现。人类研究者与ChatGPT、Claude、DeepSeek（2025年中模型）分别生成了8个专家构思的研究项目的一页计划，共计32份提案。4位人类评审员和2个前沿LLM（Claude Opus 4.8、ChatGPT Pro 5.5）采用四维度评估标准盲审。人类评审员对AI和人类提案的整体评分相似，而AI评审员对AI提案的评分平均高出约1分（5分制）。人类评审员正确识别人类和AI提案的比例分别为72%和79%，而两个AI评审员均100%正确分类。研究表明当前LLM能生成与人类提案相当的计划，但AI评审员存在系统性偏好。

论文 ChatGPT Claude DeepSeek

推荐理由：这篇论文测试了ChatGPT、Claude、DeepSeek写科研计划的能力，发现人类评委分不出好坏，但AI评委偏爱AI写的。值得一读。

原文

09:16

官方一手arXiv: DeepSeek@Maxim Chupilkin

论文使用动态序数理想点方法，将LLM作为受访者分析1946-2025年5555份联合国决议。支持率从DeepSeek的37.8%到GPT-5的97.3%。在21世纪，GPT-5、Claude Sonnet和Gemini最接近俄罗斯，DeepSeek最接近法国，所有四个模型均远离美国。针对美国反对而中俄支持的2104项决议，GPT-5支持96.1%，Gemini 83.4%，Claude Sonnet 65.2%，DeepSeek 36.1%。

论文 DeepSeek GPT-5 Claude Sonnet

推荐理由：用联合国投票数据测了四个大模型的政治立场，发现DeepSeek最亲法，GPT-5最亲俄，跟开发者国家不一样。

原文

7月28日

16:16

官方一手Pandaily@contact@pandaily.com (Pandaily)

82°

Moonshot AI发布47页Kimi K3技术报告，核心架构包括KDA+Gated MLA混合注意力机制。AttnRes跨层检索层降低推理成本。Stable LatentMoE包含896个专家，支持动态路由。采用51.2M规模的RL沙箱进行强化学习训练，提升模型对齐能力。报告还引入模型参数与推理时间两个缩放轴，重新定义性能前沿。

AI模型 Kimi K3 Moonshot AI DeepSeek

事件专题

推荐理由：Moonshot AI 发了Kimi K3的47页技术报告，混合注意力、896专家MoE和5100万RL沙箱的架构特别硬核，值得看它怎么跟DeepSeek对标。

原文

12:33

官方一手arXiv: DeepSeek@Hong Liu, Yuan Cheng, Lin Niu, Yi Su, Yufei Xue, Anmin Liu, Guanghua Yu, Jianchen Zhu

DeepSeek稀疏注意力（DSA）在生成式系统中实现令牌级稀疏注意力，但索引器仍需对所有前序token打分，复杂度为O(L²)。PIVOT利用附近查询的token重叠性和索引器得分长尾分布，通过共享前缀扫描加速。PIVOT将一组查询聚合成一个代理查询，进行一次全前缀扫描得到候选集，再为每个查询选择top-k。两个变体：PIVOT-Reuse共享代理top-k，PIVOT-Refine重新评分候选集。在DeepSeek-V3.2和GLM-5.1上，在LongBench和RULER基准上，PIVOT匹配精度，索引器加速4倍，端到端延迟降低1.6倍。

论文 PIVOT DeepSeek GLM

推荐理由：PIVOT用共享前缀扫描替代逐查询扫描，加速4倍，端到端延迟降1.6倍，效果不打折。适合长上下文推理场景。

原文

12:31

官方一手arXiv: DeepSeek@Zongyou Yang, Yinghan Hou

精选

语言模型基准将是否到达可评估状态和答案是否正确合并为一个准确率分数。新提出的两层评估框架分离了执行证据（终止、答案暴露、可解析性、完成长度）和正确性。在5个Qwen和DeepSeek配置的2550个输出上，2048 token限制下：Qwen MATH有49/450未终止，DeepSeek MATH有5/300未终止，ARC无未终止。相同300个DeepSeek MATH输出在8192 token下无缺失最终答案终止。覆盖审计的目标验证表明候选选择与聚合策略可显著改变比较准确率估计。

论文 Qwen DeepSeek MATH

推荐理由：这篇论文用具体数字告诉你，准确率分数会骗人：同样2048 token，Qwen比DeepSeek多出近10倍的无答案失败，评估时得分开看执行状态和得分。

原文

12:03

官方一手arXiv: DeepSeek@Bartol Bućan, Nikola Sočec, Sarah Isufi, Morena Granić, Luka Hobor, Agneza Krajna, Mihael Kovac, Mario Brcic

76°

该研究对GPT-5、Claude、Grok、Gemini、DeepSeek、Kimi、Qwen共7个主流模型进行了基于政治轴的可控性压力测试，使用12种意识形态角色提示和70个政治指南针项目，共收集63,700条回答。结果发现，上下文框架解释了经济和社会轴上约88%-93%的方差，而模型自身身份的影响不到3%。在威权提示下，不同模型在相同问题上表现出相似偏移。研究强调需要进行可操控性审计，报告分散性、对称性、饱和度和拒绝底线。数据集和代码已开源。

论文 GPT-5 Claude Grok

推荐理由：这篇论文用70道政治题+12种人格提示，测了GPT-5、Claude、Grok等7个模型，发现提示词比模型本身更能左右回答方向。想了解AI怎么被‘带节奏’的可以看看。

原文

7月27日

10:57

官方一手arXiv: DeepSeek@Deyu Yang, Rundong Wei, Xiaoqi Li

该论文提出一种结合漏洞聚焦代码切片、ERC-721 知识库和约束 DeepSeek 的 NFT 智能合约漏洞检测方法。在 450 个 NFT 合约样本上，完整配置的检测器给出了 437 个正标签，正标签率达到 97.1%。去除外部知识库后，正标签率降至 87.11%；进一步去除代码切片，正标签率降至 73.78%。结果表明，聚焦代码上下文和领域约束显著影响检测效果。

论文智能合约漏洞检测 DeepSeek

推荐理由：研究了一套专门针对 NFT 合约的漏洞检测方法，用 DeepSeek 加代码切片把准确率干到了 97.1%，比纯分析完整合约高了 23 个百分点。做合约安全的可以看看。

原文

7月26日

10:44

10:44IT之家（博客/媒体）

DeepSeek（深度求索）已口头告知部分潜在投资者暂停第二轮融资，公司估值约 5000 亿元人民币。此前首轮融资已完成约 74 亿美元。暂停原因之一为创始人梁文锋对首轮融资期间与投资者交流的言论外流感到不满。此外，DeepSeek 已开始初步研究在科创板上市（IPO）的可行性。

行业 DeepSeek 梁文锋融资

事件专题

推荐理由：DeepSeek 刚融74亿美元，现在暂停第二轮融资，因为老板嫌内部聊天记录被泄露。吃瓜。

原文

7月24日

21:30

21:30IT之家（博客/媒体）

小米一款型号为2608BPX34C的新机入网，备案了包括文心一言、DeepSeek、通义千问、混元等在内的多款大模型。该新机预计搭载澎湃OS 4系统，或支持多款大模型切换。此前小米已将小爱同学升级为“超级小爱”，并推出基于MiMo大模型构建的AI智能体Xiaomi miclaw，官方称miclaw能力将融入超级小爱。

行业小米文心一言 DeepSeek

推荐理由：小米新机备案了一堆大模型，文心一言、DeepSeek、通义千问都能用，以后手机能直接切换不同AI助手，有点意思。

原文

16:54

宝玉@dotey

AI博主@dotey在推文中表示不理解DeepSeek至今不支持多模态。刘江引用梁文锋讲话后给出负面评价。该帖获得10条回复、7个点赞和4459次浏览，反映社区对DeepSeek多模态缺失的关注。

行业 DeepSeek 多模态 Coding Agent

事件专题

推荐理由：有人吐槽DeepSeek连多模态都没有，还聊了梁文锋的讲话，挺有意思的八卦。

原文

16:34

官方账号阿里云 Alibaba Cloud@alibaba_cloud

精选

阿里云发布Token Plan，用一个信用池整合Qwen、Wan、HappyHorse、DeepSeek和GLM等模型的使用费。用户只需为实际调用的token付费，无需管理多个订阅。该计划旨在简化AI工具成本管控，适用于企业和开发者。

AI产品 Alibaba Cloud Token Plan Qwen

推荐理由：阿里云搞了个Token Plan，把Qwen、Wan这些模型的花费统一到一个池子里，按实际用量扣钱，省去多个订阅的麻烦。

原文

09:22

官方一手arXiv: DeepSeek@Zibin Lin, Shengli Zhang, Taotao Wang, Yihan Xia, Deen Ma, Guofu Liao

WML方法通过Node--Mechanism Attribution识别失败工作流节点、原因机制及最小编辑目标，将单机制缺陷路由到L3资源，跨机制缺陷路由到L2协议。在SpreadsheetBench上，WML使用DeepSeek达到90.33±1.53 Hard Accuracy，使用Qwen3.6-Flash达到74.67±3.51。无额外优化时，学到的技能迁移到WikiTableQuestions取得84.00±2.00和83.00±2.00 Denotation Accuracy。在Compiler-Supported50上，WML同时取得最高hard-PASS率和最低每次成功任务成本，编译执行相比直接SkillAgent大幅减少token和调用次数。代码和工件已开源在GitHub。

论文 DeepSeek Qwen3.6-Flash SpreadsheetBench

推荐理由：这篇论文提出了WML方法，能精准定位Agent工作流失败节点并复用外部技能知识，在SpreadsheetBench和Compiler-Supported50上表现亮眼，比直接SkillAgent省不少token。

原文

09:21

官方一手arXiv: DeepSeek@Paolo Modesti, Syed Ahmed, Ioannis Sfyrakis, Derek Enodolomwanyi

一篇论文评估了GPT和DeepSeek在符号安全协议分析中的能力，使用130个混淆的AnB/AnBx协议涵盖388个安全目标，与ProVerif和OFMC工具对比。Chat模式召回率69%-81%，但精确率低于31%。推理模式将GPT精确率提升至66.5%，DeepSeek至45.4%，但仅检测到一半以上攻击。在保密性目标上，推理模式F1达到95.7%。各模型在认证目标上表现最差，且判断不稳定。

论文 GPT DeepSeek ProVerif

推荐理由：这篇论文用具体数据告诉你，GPT和DeepSeek在形式化验证上还比不上ProVerif这些专业工具，但推理模式能把精确率拉到66%，可能当个预筛选过滤器。

原文

7月23日

21:39

岚叔@lufzzliz

梁圣（梁文锋）在内部发言中提出组织采用双轨模式，正式任务不超过一半时间，其余用于自主研究。技术路线为语言模型→CoT→Agent→持续学习→自我迭代→具身智能，持续学习是关键门槛。开源商业逻辑依赖持续提供强模型和官方部署成本优势。API定价约十个月收回设备成本，主动放弃短期利润。公司首要目标是提高做AGI的概率。

行业 DeepSeek 智能体成本策略

推荐理由：梁文锋的深度内部分享，讲了DeepSeek怎么管人、怎么选技术路线、怎么定价，全是硬核战略。

原文

08:59

官方一手Pandaily@contact@pandaily.com (Pandaily)

Kimi K3在多项全球编程基准测试中取得第一，综合排名位列第三，仅次于Fable 5和GPT-5.6。Moonshot AI的K3在代码能力上表现突出，但其定价和算力约束限制了商业规模化。与DeepSeek相比，K3的生态系统成熟度不足，尚未形成类似DeepSeek的突破性时刻。

AI模型 Kimi K3 Moonshot AI

事件专题

推荐理由：Kimi K3编程很猛，但DeepSeek那种破圈效应还差得远。想知道差距在哪？看这篇。

原文

08:16

08:16IT之家（博客/媒体）

75°

梁文锋在投资人会议中强调，DeepSeek 不追求商业收益最大化，目标是实现 AGI。公司不会重点投入 3D 生成或视频生成方向，而是将 Coding Agent 视为当前最重要的发展方向。DeepSeek 坚持开源策略，开源模型与内部使用版本一致，价格曾降至原来的四分之一。梁文锋认为中美 AI 差距主要在算力资源而非人才，DeepSeek 将通过更高计算效率缩短差距。他预计国内大模型行业将经历整合，DeepSeek 不会争夺 C 端流量或 To B 收入。

行业 DeepSeek 梁文锋开源模型

事件专题

推荐理由：DeepSeek 创始人亲自聊战略，说了为什么不做视频生成、怎么靠开源和低成本搞 AGI，还有对中美竞争的看法，挺实在的。

原文

00:24

官方一手歸藏(guizang.ai)@op7418

精选

Codepilot即将发布新版本，允许用户为每个SubAgent单独指定模型。例如，可用Grok检索Twitter内容，用DeepSeek生成文案，用Kimi K3生成网页。该功能让不同模型发挥各自特长，提升协作效率。

AI产品 Codepilot SubAgent Grok

事件专题

推荐理由：以后一个任务里可以让Grok搜推、DeepSeek写稿、Kimi做页面，想怎么混搭都行。

原文

7月22日

19:54

19:54IT之家（博客/媒体）

76°

英伟达CEO黄仁勋表示，美国无需害怕中国开源AI模型，反而应警惕国内封禁呼声。他反对OpenAI和Anthropic的担忧，认为开源模型能扩大市场，最终有利于闭源商业服务。针对近期Kimi K3和DeepSeek模型，黄仁勋认为市场误解了它们的影响，更便宜的AI模型反而会刺激更多芯片和算力需求。他还呼吁开放Anthropic的网络安全模型Claude Mythos，并指出限制开源模型会让美国更脆弱。关于美国财政部长贝森特提出的知识产权调查，黄仁勋认为模型蒸馏是智能形成的基础，监管应针对违法行为而非模型本身。

行业英伟达黄仁勋 Kimi K3

事件专题

推荐理由：黄仁勋跟OpenAI、Anthropic唱反调，说美国别封中国开源AI，开源反而利好英伟达，观点直接不绕弯子。

原文

15:29

berryxia@berryxia

据X平台用户爆料，DeepSeek V4正式版即将发布，被形容为将重现2024年12月DeepSeek R1发布时的轰动效应。该模型据称在性能上超越K3和Qwen等竞品。目前尚无官方确认或具体基准数据，消息主要来自社区传闻。

AI模型 DeepSeek V4 DeepSeek K3

推荐理由：听说DeepSeek V4又要来了，据说比K3和Qwen都强，像R1那样震撼。关注一下这波传闻。

原文

13:55

13:55IT之家（博客/媒体）

DeepSeek 的联网搜索功能因技术原因暂停，用户使用时提示“联网搜索暂不可用”。IT之家测试发现，模型内部知识截止至 2025 年 5 月，无法获取实时新闻。DeepSeek 团队计划在 7 月中旬上线 V4 正式版，发布后还将调整 API 定价策略，引入峰谷定价机制。此前腾讯云、百度搜索等平台已集成 DeepSeek 并支持联网搜索。此外，DeepSeek 正在灰度测试历史聊天记录搜索功能。

AI产品 DeepSeek 联网搜索 V4

推荐理由：DeepSeek 联网搜索挂了，但 V4 马上就来，顺便改了 API 收费规则，老用户留意一下。

原文

11:24

官方一手arXiv: DeepSeek@Yin Wu, Yixuan Liu, Yi Li, Chenyang Peng, Hao Wu, Ming Fan, Ting Liu, Haijun Wang

论文系统化分析了ERC-20代币合约中隐蔽陷阱的分类，提出基于代币功能生命周期的分类法。TrapHunter框架结合抽象行为树（ABT）与增强路径图（APG）统一语义表示，利用LLM推理行为意图偏差，并通过分叉动态验证确认可攻击性。在269份真实合约上使用DeepSeek、GPT和Gemini三种LLM进行测试，平均精确率81.8%，召回率85.4%，显著优于现有工具。

论文 TrapHunter DeepSeek GPT

推荐理由：想防智能合约陷阱？这篇论文把隐蔽代币合约的六类套路全解剖了，用三种大模型验证，精确率81.8%，比现有工具强一截。

原文

11:22

官方一手arXiv: DeepSeek@Xin Sun, Daniel Ståhl, Kristian Sandahl, Christoph Kessler

这篇论文通过两个案例研究分析了Claude和DeepSeek的四代模型在SWE-bench Lite上的非功能性质量差异。静态分析显示大多数CodeQL配对差异为零，且无CodeScene比较在Holm校正后显著。CPU时间差异较小且不一致，峰值内存略高但绝对差异很小。整体上，较晚模型解决更多实例，但在共同解决的任务中非功能性指标无一致改进。

论文 Claude DeepSeek SWE-bench Lite

推荐理由：这篇研究不只看模型能修复多少问题，还比较了Claude和DeepSeek不同代际的代码质量、CPU时间和内存使用，发现新模型虽修得多但代码质量没明显提升。

原文

11:21

官方一手arXiv: Anthropic@Maxim Khailo

前沿大模型提供商（如Anthropic、OpenAI、Google、DeepSeek）缓存已处理的提示前缀，后续相同前缀请求仅需支付约10%输入价格并跳过大部分预填充延迟。然而智能体工作流因工具调用或等待常间隔数分钟，导致缓存被清除而需全额重新预填充。本文提出客户端保活机制，在空闲期间定时重放前缀以保持缓存热度，在Anthropic的5分钟TTL下最优为4分钟间隔，可将后续请求成本降低最多12.5倍。盈亏平衡分析显示，对于Anthropic，若空闲超过约46分钟则保活不再优于重新预填充。

论文 Anthropic OpenAI DeepSeek

事件专题

推荐理由：智能体程序调用API因中间等待导致缓存失效重复收费？这篇论文给出简单解法：每隔4分钟发个ping请求保持缓存，能省12倍成本，很实用。

原文

08:51

berryxia@berryxia

数据集包含620个标准问题、近19万条去重后的AI引用记录，覆盖豆包、DeepSeek、Kimi、千问、文心等8大平台。初步发现：Top10信源贡献41%引用，品牌官网内容可见度仅4.33%。数据附清洗规则、字段字典、可视化分析报告及arxiv论文。开源后中文GEO研究从经验判断转向可量化复现。

行业豆包 DeepSeek Kimi

推荐理由：姚金刚开源了620道题、近19万条AI引用数据，覆盖豆包、DeepSeek等主流平台，做中文GEO优化终于有真数据可用了。

原文

03:09

@koltregaskes@koltregaskes

78°

Axios报道特朗普政府考虑通过采购规则和实体清单限制美国使用中国AI模型，源于Kimi K3发布。Financial Times称中国正咨询阿里巴巴、字节跳动和智谱，拟收紧训练数据出口和禁止海外下载开源模型权重，但保留API访问。此举与习近平在世界AI大会上的开放表态形成对比。Coinbase已使用中国模型削减50%AI支出，DeepSeek在OpenRouter上token份额超过谷歌、Anthropic和OpenAI各自份额。问题在于已公开的权重难以追溯限制，下一代模型可能面临更严管控。

行业 AI出口管制 Kimi K3 DeepSeek

事件专题

推荐理由：中美两边都在卡AI模型出口，但权重早就挂在Hugging Face上了，这管制能执行吗？看看Coinbase和DeepSeek的实际依赖就知道了。

原文

7月21日

17:58

向阳乔木@vista8

该数据集包含620个标准问题，覆盖6个研究维度31种问题类型，收集214,119条AI引用观察，去重后保留189,845条。数据涵盖豆包、DeepSeek、元宝、千问、Kimi、文心、百度AI等8个平台的搜索结果与信源特征。信源按9个一级类型、39个二级类型分类，去重引用分类覆盖率达99.77%。分析发现Top10信源贡献41.47%去重引用，抖音、腾讯网、今日头条、百度百科排前四；跨平台Jaccard相似度最高仅34.94%，表明单个平台经验不可外推。

论文豆包 DeepSeek Kimi

推荐理由：姚金刚团队开源了8个国内AI平台的真实数据，620个问题、19万条引用，帮你看到各平台信源差异和头部效应。

原文

17:17

Yangyi@Yangyixxxx

精选76°

姚金刚与好友拔刀刘开源了国内8个AI平台（豆包、DeepSeek、元宝、千问、Kimi、文心、百度AI等）的搜索数据集，包含620个标准问题、214,119条AI引用观察，去重后保留189,845条。数据覆盖6个研究维度、31种问题类型，引用来源归并为9,878个规范域名、107,659个规范页面。初步分析显示，Top10信源贡献了41.47%的去重引用，抖音、腾讯网、今日头条、百度百科排前四；平台与社区类信源仅占4.68%域名却获29.63%引用。跨平台Jaccard相似度最高仅34.94%，表明各平台引用偏好差异显著。

行业姚金刚 AI搜索开源数据集

推荐理由：这批数据太香了，覆盖豆包、DeepSeek、Kimi等8个平台的搜索引用，21万条记录随便分析，搞AI搜索和信源生态的别错过。

原文