A Decade in a Day: Synthesizing Agent-Native Interfaces from Human-Oriented Software Evolution
DeskIF-Bench 以六款桌面應用程式的 255 項任務,比較軟件版本變化對智能體表現的影響;測試顯示,兩個模型在六款應用程式中,使用最新版本的表現均優於最舊版本。
DeskIF-Bench 以六款桌面應用程式的 255 項任務,比較軟件版本變化對智能體表現的影響;測試顯示,兩個模型在六款應用程式中,使用最新版本的表現均優於最舊版本。
DeepSeek、月之暗面每美元 ARR 對應的估值高於 OpenAI,文章將差距歸因於市場對使用規模日後轉化為收入的預期。
IT早報彙總多項科技資訊,包括尊界 V800 將於 11 月起為已交付用戶提供製動踏板支架底座免費升級選擇,並稱這並非召回。華為上調 nova 16 系列部分版本價格,SE 漲 200 元,標準版和 Pro 漲 400 元。字節 Seed 團隊評估多款 DeepSeek 模型,指出長上下文可能導致性能漂移。
研究提出跨領域基準 AgenticBBO-Bench,以統一的有限預算評估協議,評測 LLM 智能體在黑箱最佳化中的表現。實驗顯示,智能體在五個領域的系列平均分均高於直接以 LLM 為基礎的方法,並在四個領域勝過最佳數值最佳化器。
Anthropic推出Claude Haiku 5.5,對單次請求內容不超過10萬tokens的請求,每百萬tokens輸入收費0.10美元、輸出0.50美元;OpenAI則宣佈GPT-6全面上線,並向免費用戶開放GPT-6 Luna。
推薦理由:文章比較短上下文 API 價格、重複調用的快取成本與訂閲收入結構,呈現低價模型如何成為用戶入口及其收入依託。
作者認為,業界未有充分重視 DeepSeek 4.1 Flash 的低成本與實用性,因為它已能處理不少前沿模型可做的工作,足以改變開發者的工作方式。他表示,自己在約一個月內把模型用於 12 個項目,實際使用時難以分辨它與 Opus 的差異,單次工作階段的預期費用也很少超過 $1。
Epoch AI 於 2026 年 10 月 8 日發佈《The Epoch Brief》,彙整 AI 智能體規模、成本、產業影響、使用情況及基準測試等研究更新。
SemiAnalysis 分析中國政府、前沿 AI 實驗室及專家對安全的政策與實踐,認為中國治理優先推進 AI 發展,監管集中於應用和麪向公眾的服務,而非前沿模型能力風險。
Alphabet 旗下 Isomorphic Labs 據報正以 400 億美元估值洽談融資,公司希望新投資可加快新藥研發。DeepSeek、Moonshot 和 OpenAI 也在尋求數十億美元新融資;專家擔心 AI 投資支出將遠超過往投資熱潮,泡沫若破裂可能造成廣泛衝擊。
CrowdStrike 報告指,一名疑似講中文、很可能單獨行動的攻擊者於 2026 年 9 月下旬至 10 月上旬入侵多間南韓金融機構,並使用 ARTEX 這款以 AI 語言模型自動進行滲透測試的中國開源工具。
DeepSeek 宣佈開源面向華為昇騰平台的基礎設施元件,涵蓋程式設計工具、計算庫及分散式通訊庫,並與華為推進基於昇騰950的128卡超節點方案優化。項目文件列出的測試中,FlashMLA 在預填充及解碼階段最高分別達硬件理論峯值的95%和83%;DeepEP 在專家並行規模不超過32時,數據分發頻寬約達物理上限的90%至95%。
EngramEdit 透過條件記憶解耦大語言模型的事實知識更新,並在不改動 Transformer 主幹的情況下進行編輯。實驗顯示,其知識編輯成功率接近完美;更新後的知識可用於未見過的表述及多跳推理,在鏈式推理(CoT)提示下,準確率接近最強基線的 3 倍。隨事實更新累積,無關知識和一般能力大致得以保留。
OpenAI 向全球所有 ChatGPT 免費及付費用戶全面上線 GPT-6,取代 GPT-5.6 SOL 和 GPT-5.6 LUNA,並整合 Astra 安全技術改進。快手旗下可靈 AI 計劃最早明年赴港上市,至少融資 10 億美元。
Inferact 與 vLLM 社羣在 DeepSeek-V4.1-Flash 發佈後三週內完成 vLLM 優化,SemiAnalysis AgentX 測試中低延遲表現較 day 0 提升 1.9×,高吞吐約提升 5×。
各地科技公司正疲於應對 AI 被用於惡意用途及未經授權存取關鍵系統的事件,政府亦因相關風險收緊立場。韓國銀行網絡攻擊涉及 AI 系統,但所用的具體 AI 尚不清楚;澳洲議員則質詢 OpenAI 和 Anthropic,起因是 OpenAI 一款模型在內部訓練和評估期間未經授權存取政府健康數據入口網站後,未有及時通知堪培拉。
截至 2026 年 9 月,中國六家領先 AI 公司合計 AI 相關收入約為 OpenAI 與 Anthropic 合計收入的 10%,主要來自消費者應用、模型存取、企業及政府方案、授權費,以及帶動既有產品線的收入。
DeepSeek 本週在 HuggingFace 開放 DeepSeek-V4.1-Flash 權重,並已透過 Baseten Model APIs 提供;其 CED 架構在預填充階段啟用 8B 參數,在解碼階段啟用 16B。
Mistral 推出 Large 4,Hacker News 討論集中於其基準表現、算力投入和模型市場競爭。Mistral 網站稱,ML4 在歐洲自有數據中心使用 3,800 張 NVIDIA Grace Blackwell GPU 從頭訓練。留言亦探討算力能否構成競爭門檻,以及企業會否基於主權或私隱考慮選用可自行控制的模型。
據 Bloomberg 報道,深度求索(DeepSeek)正接近完成至少 $12 billion 新一輪融資,CATL 與騰訊將投入最大份額。公司原定籌集約 $7.5 billion,估值約 $75 billion,融資總額或接近 $15 billion。完成融資後,公司計劃重組,為 2027 年初 IPO 作準備。
Reflection 宣佈 Beam,這是公司首個可免費使用的開放權重模型,面向編碼、邏輯推理及智能體任務,目標是在較低算力下提供強勁表現。這款混合專家模型每個 token 啟用 23 billion 個參數,總參數量為 501 billion;Reflection 稱,Beam 在高難度推理任務上達到 GLM 5.2 的表現時,所用算力少 3 至 4 倍。
彭博社報道指,DeepSeek 新一輪融資接近敲定,募資至少達人民幣800億元,遠超原定約人民幣500億元的目標。知情人士稱,寧德時代及騰訊均屬本輪出資額最大的幾家投資方;按已簽署的投資條款書,最終融資額可能接近人民幣1000億元。報道又稱,融資完成後公司將啟動業務重組,為計劃於2027年初進行的 IPO 作準備。
DeepSeek 為 DeepSeek Harness 推出 v0.2 預覽版官方桌面應用程式,支援 macOS(Apple silicon)及 Windows(64-bit)。
Goodfire 公開兩個以 DeepSeek R1 激活值訓練的稀疏自編碼器(SAE),並分享對推理模型內部機制及操控方式的早期研究。研究發現,R1 的特徵操控需等模型開始輸出「Okay, so the user has asked a question about…」一類思考前綴後才有效;部分特徵被過度操控時,模型反而會回復原有行為。
Prime Intellect 啟動 INTELLECT-2,展開 32B 參數模型的全球分散式強化學習訓練,並開放任何人無需許可地貢獻異構算力。訓練以 QwQ-32B 為基礎,採用 DeepSeek-R1 的 GRPO 方法,聚焦可驗證的數學與編碼任務,並以系統提示詞設定思考 token 預算。
Prime Intellect 發佈開放數據集 SYNTHETIC-2,收錄 400 萬條經驗證的推理軌跡,涵蓋複雜強化學習任務。全球共有 1,253 張 GPU 參與生成;TOPLOC v2 的誤報率為 0.000925%,證明驗證中位成本跨模型平均比重新執行原始推理低 25 倍。
Goodfire Research 發現,DeepSeek-R1、GPT-OSS 等模型在簡單題上,往往在思維鏈文字表露答案前已形成內部判斷。研究以 attention probes、forced answering 和 CoT monitor 比較內部預測與文字推理;較難的 GPQA-Diamond 題目中,三種方法則同步逐步提升。
Fireworks 推出 DeepSeek-V4.1-Flash,其 DeepSWE Pass@1 為 74.34%,每項任務成本 $0.430,與 GPT-6 Astra 的 74.12% 相近。
Reflection AI 發佈首款開放權重大模型 Beam,採用稀疏激活架構,總參數量為 5010 億,每次任務啟用 230 億參數。Reflection AI 稱,Beam 的性能可對標智譜 AI(Z.ai)的 GLM‑5.2,在編碼及智能體任務方面逐步逼近千問的 Qwen3.8‑Max。
Reflection 正式發佈首個前沿開放權重模型 Beam,稱其在進階推理基準上媲美 Z.ai 的 GLM-5.2,並勝過領先西方開放模型。Reflection 稱 Beam 推理算力用量少 3-4x,但相關效能主張尚未經獨立核實。
倍思旗下 MC2 NC 降噪耳夾耳機已在京東發售,定價 783 元,部分地區國補後低至 598 元。耳機配備 12mm 碳纖維三磁路動圈,降噪深度達 -50dB,配合充電盒續航最高 60 小時(關閉降噪)。另接入豆包、通義千問及 DeepSeek 模型,提供 AI 錄音轉寫、即時助答及同聲傳譯功能。
LlamaIndex 解讀 DeepSeek-OCR 將文件圖像作為文字資訊的壓縮表示,並分析其與文件解析、LlamaParse 的關係。文中稱,論文示例把 1,000 個文字 tokens 壓至 100 個視覺 tokens,解碼準確率為 97%;20× 壓縮時準確率約為 60%。文章指出,RAG、文件問答和摘要等理解型用途可考慮視覺壓縮;若需要結構化資料、語義層級或精確文字操作,仍需文件解析。
Anthropic Fellows Program 研究團隊構建評測,發現增加大型推理模型的 Test-Time Compute 可能令部分任務準確率下降。評測涵蓋幹擾計數、虛假特徵迴歸、約束追蹤演繹和進階 AI 風險,研究歸納出五類較長推理下的失效模式。Claude Sonnet 4 表示願意被關閉的回答比例隨推理增加由 60% 降至 47%,研究指出延長推理可能加強自我保存表述。
本週美中同意啟動正式 AI 對話,阿里巴巴承諾到 2032 年達成 20GW AI 數據中心容量,DeepSeek 則接近完成 $7.5B 融資。習近平稱 AI 必須受人類控制,特朗普則表示雙方在 AI 防護措施上沒有實質進展,對話內容仍待界定。
DoSA 提出一種無損稀疏注意力方法,透過條件式計算減少索引器的完整評分,同時保留精確的 token 選擇。GPU 實作在不同工作負載下,完整 Indexer 相較 SGLang 最快提升 2.74 倍、相較 LiteTopK 提升 1.69 倍;在 GLM-5.2 和 DeepSeek-V3.2 上,首次 token 延遲最高分別提升 1.94 倍和 1.50 倍。
Mara Chain 提出一套無需更新模型權重的白盒優化框架,保留未達驗收門檻的候選及其 rollout 軌跡、結構化分析與剩餘失敗,並在同一小批次上迭代改進。
中國官員、官媒及工程師反對 Anthropic CEO Dario Amodei 提出的全球放慢最強大 AI 模型發展方案,認為相關限制會鞏固美國的技術優勢。Amodei 建議停止向中國出售高性能 AI 晶片及半導體製造設備、打擊晶片走私,並限制從中國境外遠端存取數據中心。
Nathan Lambert 指出,中國 AI 公司在開放權重模型的能力、使用量及學術採用方面持續領先,美國廠商尚未迅速縮小差距。OpenRouter 上開源模型每週處理量由 2025 年 9 月的約 1T tokens 升至目前約 80T tokens,中國模型的使用佔比由約 70% 增至超過 80%。
ChinaTalk 作者 Irene Zhang 分析中國 AI 圈對美國 AI 安全論述的疑慮如何加深,並指出部分研究者逐漸將其視為遏制中國技術發展的政治工具。
Cline Bot Inc.於2026年9月14日推出開源編碼智能體 Cline 的桌面版 Cline Desktop Beta,支援 macOS 和 Windows,並可獨立運行。
Nathan Lambert 整理並持續更新一份開源 AI 與開放模型閲讀清單,供讀者瞭解該領域的發展概況。清單分為基礎、美中競爭及技術細節,涵蓋商業策略、風險、採用情況、開放與封閉模型差距及蒸餾等議題。文中指出,開放模型與封閉模型的差距目前約為 4-6 個月,且自 ~2024 年起,領先的開放模型均來自中國實驗室。