Import AI 479 探討低延遲任務中的 LLM 表現、太空安全與 Google DeepMind Genie 4
Import AI 479 聚焦 LLM 即時任務表現、太空安全、Metis 推理架構及 Google DeepMind Genie 4。Realtime-Bench 涵蓋 50 項互動遊戲及網頁任務,wall clock 條件下最高通過率為 36%,暫停時鐘下部分高推理模型的成功率接近 70% 至 80%;Genie 4 以研究預覽形式向部分可信測試者開放。
Import AI 479 聚焦 LLM 即時任務表現、太空安全、Metis 推理架構及 Google DeepMind Genie 4。Realtime-Bench 涵蓋 50 項互動遊戲及網頁任務,wall clock 條件下最高通過率為 36%,暫停時鐘下部分高推理模型的成功率接近 70% 至 80%;Genie 4 以研究預覽形式向部分可信測試者開放。
Hugging Face 官方基準排行榜截至 2026-11-03 收錄 57 項基準及 1,274 個排行榜項目,並新增 97 個項目。deep-swe、MMLU-Pro 和 aime_2026 均出現新的榜首模型;排行榜資料來自公開 API,參賽項目多由模型開發者自行申報,並非獨立評測。
DeepSeek-V4.1-Flash-1017 的 IQ2_XXS GGUF 標示 2.00 bpw,若計入 Engram 則整體為 2.66 bpw。作者核對分配檔及 GGUF shards,指出 Engram 有 196.6B 參數,以 4.5 bits 儲存,佔 IQ2_XXS 下載容量 44.4%。
DeepSeek Harness 團隊於 2026 年 10 月 31 日開源 Super-Agent 研究原型,讓智能體監察 GitHub 活動並主動完成工作,通常以 pull request 交付。
DeepSeek 開源 Super-agent,這是一款以減少佔用開發者注意力為目標的自主編碼智能體原型。它可監察開發者羣組聊天,發現未被點名的潛在錯誤後嘗試在背景重現及修復;但只有獲授權人士提出要求或團隊規則允許時才會開始工作。
多宗 AI 輔助網絡攻擊中,攻擊者結合 AI Agent、自動化工具及傳統手段,可能以較低門檻攻擊更多目標;韓國金融機構遇襲是文中案例之一。CrowdStrike 報告稱,攻擊者主要透過 ARTEX 呼叫 DeepSeek V4.1-Flash,外露的 Claude Code 會話紀錄及 ARTEX 設定檔則為調查提供線索。權限配置、敏感檔案保護、憑證管理及日誌安全等基本防護仍然重要。
DeepSeek 公開 Super-agent 設計探索及部分公開原型,旨在透過 Router 分派、Worker 執行,讓 AI 在羣聊與 GitHub 間接續處理任務。
多間初創公司正重新調校中國開放權重模型,以降低美國企業採用時對審查和安全的顧慮;這些模型在基準評分上僅落後美國頂尖封閉模型 3%。其中,Hirundo 透過編修權重加強網絡安全、公平性並減少危險知識,Lazarus AI 則移除阿里巴巴千問(Qwen)模型的強制審查。受訪研究者指出,模型對齊須按文化及應用場景調整,並非單一西方價值標準即可普遍適用。
何小鵬稱,車企要證明智駕實力,就應把產品帶到海外接受全球市場檢驗;奇瑞高管回應智界獨立,表示希望團隊更像新勢力企業。DeepSeek第二輪融資籌集1055億元人民幣,近30家投資者參與,vivo、美團、小紅書等位列投資者名單。
Meta與上海機器人公司傅利葉合作開發人形機器人原型,並推進第二個版本;原型目前用於內部研究和實驗,沒有銷售計劃。這台內部代號為Max的原型重約48公斤,配有五指手和可顯示面部表情的螢幕,雙方約用三個月完成原型。文中亦提及其他模型公司透過投資或合作佈局機器人,指出原型要成為可長期使用的機器,仍須應對環境變化及動作失敗。
DeepSeek 發佈名為 Super-Agent 的自主編碼智能體原型,旨在追趕 Anthropic 的 Claude。該智能體據稱將以開源方式提供,可監察開發者之間的溝通,並在無需提示下分享回饋及建議方案。
這套 GEO 監測方案把 AI 搜尋排名追蹤定義為對生成式引擎輸出的可重複採樣與量化,並以提及、位置、引用、情感四項指標觀測結果。流程包括問題池管理、多平台採樣、輸出結構化、定期復測,以及歸因與迭代;平台例子包括豆包、DeepSeek、騰訊元寶和通義千問。每週或每兩週對同一問題進行多輪採樣,取均值或中位數以降低隨機性,並以原始數據開放程度和指標口徑可審計性作為服務商選型標準。
新智元文章比較 DeepSeek 的 Super-agent 理念與 AFK-surf 開源組織的 Comma,稱 Comma 已實踐 Router 與 Worker 分工、長期 Session 及多任務並行等相近設計。
作者指出,編碼智能體的 worktree 只隔離任務修改的位置,不能限制程序可讀取的檔案、可使用的憑證或可連接的網絡。DeepSeek 的 dsh-superagent-prototype 部署指南指出,其已發布預設設定會在操作者的作業系統帳戶下使用 danger-full-access,並建議採用專用作業系統帳戶;這不代表所有 coding agent。
The Information 報道指,DeepSeek 最新一輪融資增至人民幣 1055 億元,估值達人民幣 6155 億元,投資方名單涵蓋近30家企業。作者將這批投資解讀為連結算力基建、手機家電終端,以及出行和製造場景的生態佈局。
在上榜模型中,中國 AI 大模型上週調用量達99.55萬億Token,連續27週高於美國。全球 AI 大模型總調用量為194萬億Token,環比增長3.19%;美國大模型周調用量為20.68萬億Token,環比下滑7.97%。全球調用量排名前五的模型中,中國模型佔四席,DeepSeek V4.1 Flash 1017排名第一;MiniMax M3.1 Flash升至第八,周調用量環比增長690%。
文章比較 OpenAI、Anthropic、Google、DeepSeek 和 Alibaba Cloud Qwen 五個模型家族,建議按實際任務用自有材料測試,而非只看排名或單位 token 價格。價格整理自原文於 2026 年 10 月 7 日查閲的官方資料,Qwen 因無法按同一口徑核實而未列價格;比較時還應把輸入、可見輸出、計費思考 token、工具、重試和人工修改計入完成任務的總成本。
DeepSeek Harness 團隊於 2026 年 10 月 31 日在 GitHub 以 MIT 授權發佈研究原型 dsh-superagent-prototype,透過 Router 接收事件,再把 Ticket 分派給各自隔離的 Worker 執行編碼工作。
DeepSeek 發佈開源 AI 編碼智能體 Super-Agent(dsh-superagent-prototype),以常駐 Router 分流任務,再由隔離的 Worker 平行執行。
作者以「大腸癌會否引發帕金森病」測試豆包、DeepSeek 和 Gemini,並交叉核對文獻及 DOI,發現三者各有錯漏,沒有一家可單獨信任。三個模型對醫學結論的大方向相近,但核查揭示 DOI 錯誤、研究方向混淆及對研究結果轉述過度等問題。文章建議嚴肅問題使用循證提示詞、多模型比對並逐篇核對論文摘要,健康與診療問題仍須向專業醫生求證。
IT Square 編輯部實測 DeepSeek Super Agent,指出它是面向單一 GitHub 倉庫的長任務 coding 研究原型,並非日常寫碼環境的替代品。
GDPx 是 SemiAnalysis 與 14 家專業數據合作方建立的基準,評估前沿模型在 11 個高價值領域的通用智能體能力。它為任務設置貼近領域工作的環境,各領域等權,總分採三次嘗試的 pass@1;文中指出,最高總分僅為 12%。
文章以 Alphabet 第三季度財報分析 AI 投資尚未形成穩定盈利循環,並將回報難題歸於價值分配、服務商利潤和基建資本回收。Alphabet 第三季度收入同比增長25%至1275.8億美元,但淨利潤同比下降約25%、自由現金流為負90.7億美元,2026年全年資本開支預計達1950億至2050億美元。
中國人民銀行、中國證監會等金融監管部門今日將召開兩場會議,研究支持資本市場工具使用及優化股票回購增持再貸款政策。中國人民銀行並調整公開市場操作安排,自2026年11月2日起每日開展隔夜逆回購操作,目前操作利率為1.25%。中國稀土正籌劃發行股份購買中稀涼山股權並募集配套資金,股票停牌。
Loukas Tzekos 公開了為 DeepSeek Harness(DSH)編寫的 12 款插件及一項配套服務,插件可從 GitHub 和 npm 取得。插件涵蓋檔案預覽、電郵、電話、加密通道、工作區、筆記、語音及 Agent 編排;dsh-seal 是需自行複製原始碼並建置的 Go 服務。
作者在本地部署 DeepSeek 開源 Super-agent 原型,並實測開啟自動接單後,它可無需 @ 處理 GitHub Issue 並提交修復 PR。一次修復只改 1 行程式碼,CI 通過,從提交到交付不到 2 分鐘、花費 4 分錢;文中亦示範安裝、設定接單規則及管理工單。
Multi-layer Indexer(MLI)重用相鄰層選取的 token,讓索引器掃描與注意力運算重疊,提升長上下文解碼吞吐量,且無需重新訓練或新增權重。MLI 結合 IndexCache 後,在相同保留率下,DeepSeek-V3.2 解碼速度最高提升 14.5%,GLM-5 最高提升 9.8%;在 128K 上下文、保留率 1/4 時,吞吐量達原模型的 1.32x。
文章整理了 2026 年 10 月 29 至 31 日推出或開放使用的三款 AI 智能體工具:DeepSeek Super-Agent、Cartesia Managed Agents,以及 Herdr 桌面應用程式與 herdr-core。
VAPOR PANDA 以 ARTEX 鎖定 200 多個組織,CrowdStrike 確認其中 9 個出現入侵後活動。CyberScoop 引述約 70% 目標已確認受損或有中等信心的入侵跡象,換算約 140 個;CrowdStrike 報告本身沒有列出這個數字。另有至少 12 個組織遭密碼噴灑及憑證掃描,但沒有報告確認其系統已被入侵。
推薦理由:文章對照來源口徑,説明 200 多個受攻擊目標、9 個確認出現入侵後活動的組織,以及由確認受損和中等信心案例構成的約 140 個估算。
字節跳動 TikTok 電商歐洲負責人陳熙即將離職,後續歐洲及英國區域業務將由宋騏負責。Meta 個人 AI Agent 產品 Muse 正式在新加坡上線,Shopee、Lazada、Grab 等成為合作夥伴。茶百道過去 3 個多月在海外新開超過 40 家門店,今年上半年在海外完成超過 120 次 SKU 上新。
Vals 的研究發現,受測中國 AI 模型對中國政府立場的傾向差異甚大;多數模型較少拒答,部分會採納官方立場。多數模型以簡體中文提示時,答案較親政府;經 Thomson Reuters 微調的 Thomson 1.0 Small,採納官方立場的比例由基礎模型 Qwen3.6 35B 的 84.6% 降至 15.0%。
DeepSeek發佈全新智能體架構。阿里千問AI眼鏡透過OTA升級,新增通話翻譯、媒體翻譯等功能。OpenAI宣佈ChatGPT部分功能將與Codex共享額度。
DeepSeek Harness 團隊公開 Super-agent 架構設計並開源研究原型,探索讓個人智能體更自主地參與日常工作。架構以 Router 分派任務、Worker 執行工作,並結合事件驅動、非同步執行和 Watchdog 監督。原型目前主要面向單一 GitHub 儲存庫,可選擇接入飛書,部分設計尚未實現。
將 KV cache 從 BF16 降至 FP8,在相同顯存下可令可容納序列數恰好倍增;吞吐量增幅則取決於快取讀取量相對權重讀取量的比例。例如,Qwen3-32B 在 H100 上使用 128k context 時,可容納序列數由 0.59 升至 1.18,吞吐量提升 21%。Llama-3.3-70B 在 80 GiB H100 上連權重都無法放入,改用 FP8 KV 也無法解決。
CXMT 向國內晶片設計商送交 HBM3E 樣品,宇樹科技第三季度收入按年增長 69.9% 至 RMB665 million。CXMT 計劃兩個月內有限量產 HBM3E,據報良率僅 20–30%;宇樹科技歸屬淨利潤下跌 17.4%,研發開支約增 250%。此外,摩爾線程雖恢復季度盈利,股價仍受到其後科技股拋售影響。
DeepSeek 已在 GitHub 以 dsh-superagent 名稱開源 Super-Agent 的程式碼;它是面向軟件團隊編碼工作的實驗性 AI 智能體,採用 MIT 授權。
DeepSeek Harness 團隊於 2026 年 10 月 31 日發佈 dsh-superagent,這是一個供參考的 MIT 授權開源主動式編碼 Agent 研究原型,並非 DeepSeek 官方產品。
DeepSeek 開源 Super-agent 原型,讓 AI 在無人 @ 它時也能自主監聽羣聊、復現 Bug、尋找修復方案並向 GitHub 提交 PR。在約 300 條訊息的模擬測試中,Super-agent 任務完成時間 p50 為 12.4 分鐘、p95 為 15.7 分鐘,傳統單會話方案 p95 為 29.5 分鐘。
DeepSeek 開源了其內部使用的 dsh-superagent 智能體;它持續在線、自主接手工作,完成後提交 PR 並回報結果。任務准入由程式碼閘門先檢查允許名單及是否被 @,再由模型根據周邊上下文判斷;開始工作前,智能體會發布工作徽章,列明規則版本、可修改範圍及批准者。系統限制並行任務數,同時保留一個名額處理人員訊息,讓人可以調整執行中任務的方向或查詢狀態。
價格追蹤器發現,DeepSeek V4.1 Flash 五天內兩度調價,GPT-6.1 Terra 的四個模型 ID 亦在 OpenRouter 出現。