#DeepSeek
腾讯开源了 Octop，功能接近 WorkBuddy，能接 DeepSeek 等模型，还支持无上限的子智能体，这篇从安装到上手一步步带你了。
有人给 DeepSeek Harness 写了个插件，能开一队各有角色和记忆的机器人，群聊还走主机器人省 token，数据留本地。
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。
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。
有人统计了 OpenRouter 的数据，DeepSeek 一家跑的 Token 比 OpenAI、Google、Anthropic、xAI 四家加起来还多，可以看看。
DeepSeek 在 OpenRouter 上的调用量超过了 OpenAI、Google、Anthropic 和 xAI 四家加起来，开源模型的真实使用量值得看看这组数据。
国庆七天AI圈一口气出了 Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon，中档模型半价反超旗舰，还有 OpenAI 安全负责人辞职，一篇看完全部大事。
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%
Bindu Reddy 说中国公司不能套壳 Claude 或 OpenAI，只能硬做模型，所以 DeepSeek、GLM、Kimi 越来越强，观点挺有意思。
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。
一个人用调 DeepSeek 和 GLM 的开源工具就黑了多家韩国银行，Shinhan Bank 丢了 2.5 万条记录，AI 安全的现实案例。
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。
研究者在 DeepSeek Engram 这类条件记忆架构上做了知识编辑，改一条事实不用重训模型，CoT 推理准确率是基线的近 3 倍，方法细节都在论文里。
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。
arXiv 上的新论文，教长期智能体把过往推理经验压成一个轻量策略，实验里把 DeepSeek 的推理 F1 从 0.789 拉到 0.868，做智能体记忆的可以看看。
一个专门测地理空间智能体的开源基准，103 个任务打九个模型，Claude Sonnet 4 第一但 DeepSeek V3.2 便宜 11 倍，做 Agent 评测的可以拿来就用。
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 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。
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。
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。
Bindu Reddy 直接开炮，说 Haiku 5.5 不如 DeepSeek 和 Luna，Anthropic 该发的其实是 Fable 5.5。