跳到正文
11月18日週三
  1. DoNews53

    百度做 AI,是「趕晚集」還是長期主義?

    文章以百度世界2026為背景,分析百度在晶片、雲、模型和應用四層的佈局,並討論其早入場後在模型與應用競爭中被追趕的處境。百度搭子月活977.0萬,季度環比增長1567.5%;庫庫全球月活5000萬,海外版KooKo累計1200萬用戶,文中亦介紹詞元所的模型驗真與信用評級機制。

  2. DEV Community71

    開放權重模型落後封閉前沿多久?Epoch 指數分析揭示差距變化

    作者以 Epoch AI 截至 2026 年 10 月 30 日的 ECI 數據追蹤開放權重與封閉前沿的差距,估算 2026 年至今平均落後 6.7 個月。中國實驗室自 2024 年 12 月起持續保持開放權重模型紀錄,而美國與歐洲的開放權重前沿落後更多。文章亦指出,Kimi K3 曾持有 93 天紀錄,但其非商業授權限制部分企業將模型用於生產部署。

  3. 虎嗅59

    晉江文學城「鑒AI」為何比「用AI」更難?檢測誤差與平台治理引發爭議

    晉江文學城圍繞AI寫作的爭議持續升温,讀者依據檢測結果質疑作品使用AI,平台如何識別違規並避免誤傷成為焦點。娛樂資本論以朱雀AI檢測助手測試30多篇網文樣本,發現工具會漏判AI生成內容,文中亦提及人工創作被誤判的案例。晉江規定,受舉報作品會從多項工具中選用至少三項檢測,當中三項或以上的AI可疑度超過60%才會被認定違規;處罰包括鎖章、黃牌一個月、永久禁榜及退還付費章節訂閲費。

  4. DEV Community51

    Hugging Face 官方基準排行榜盤點:Darwin 在 57 個排行榜中取得 12 個第一,作者以 API 重算數據

    Vidraft_lab 用 Hugging Face 公開 API 重算《每日經濟》報道的數據,核對出 Darwin 在 57 個排行榜中有 12 個居首。Darwin 參加的 15 個排行榜均列前三;作者按分數重算名次,並把同分計作共同第一。截至 11 月 18 日,記錄數為 1,462,較報道所列 11 月 17 日的 1,458 多 4。

  5. 阿里雲開發者社區 AI62

    DeepSeek Harness 下載、安裝與配置指南(2026整理,附常用插件)

    DeepSeek Harness(DSH)指南涵蓋社區桌面端與 npm 安裝、模型 API Key 設定及常見問題,並附有社區插件清單。桌面客戶端由社區維護,並非 DeepSeek 官方產品;npm 安裝由官方維護,需先安裝 Node.js,命令為 `npx @deepseek-ai/dsh web`。插件按功能增強和介面美化分類,文中亦解釋標準、PTC、極簡和創造模式。

  6. 新浪科技44

    香港大學團隊提出 A-GRAE,破解 GRPO 探索與難度適應瓶頸

    香港大學團隊提出 A-GRAE,以「隱式優勢對稱性」統一解釋 GRPO 在探索能力和難度適應上的瓶頸。A-GRAE 無需增加額外計算成本,並在涵蓋文本數學推理和多模態推理的 7 個基準上提升表現;在 AIME2025 上,DAPO+A-GRAE 的平均表現為 53.3%,高於 DAPO 的 52.2%。論文獲 NeurIPS 2026 錄用,程式碼已開源。

  7. 阿里雲開發者社區 AI22

    零成本使用 13 家廠商的大模型:DeepSeek Harness 加裝 dsh-our-free-model 插件,不用登入或填寫 Key 即可使用

    DeepSeek Harness 的 dsh-our-free-model 開源插件整合 13 家廠商的免費模型接口,讓用戶透過統一接口切換及調用模型。文章提供 Python 3.8+ 的安裝和設定示例,並要求添加各廠商的 API Key;免費額度用完後,可轉用付費服務。

  8. 新浪科技49

    讓大語言模型學會向教師提問:UIUC 等提出 Ask to Distill,推動知識蒸餾由「回答問題」轉向「優化問題」

    UIUC、香港科技大學及德克薩斯農工大學等機構的研究者提出 A2D,透過強化學習優化問題生成器,為在策略蒸餾合成更有學習價值的問題。A2D 根據教師與學生的預測分佈評估問題,不需外部訓練問題或正確答案。實驗中,合成問題令學生回答長度減少約 20%,累計學習信號增加約 28%。

  9. DEV Community71

    LLM 推理每百萬 tokens 的成本是多少?

    Nodus 的文章比較每百萬 tokens 的模型推理費用,並以 20 輪智能體工作階段示範如何估算實際成本。小型及開放模型 API 的輸入價格約為 $0.09 至 $0.15、輸出價格為 $0.18 至 $0.60;中階及前沿模型的輸入價格為 $2 至 $8、輸出價格為 $10 至 $40。

  10. TNW71

    Bloomberg 報道:八間公司的 AI 模型在測試中曾把平民標為軍事目標

    據 Bloomberg 報道,Vals 對八間公司的 AI 模型進行模擬測試,發現它們曾把平民、救護車、投降士兵及伊朗一所學校標為軍事目標。其中,Claude Opus 5.5 在 32 次衞星影像任務中 22 次選中 Minab 一所學校;被告知任務是遊戲後,它選中該校 23 次,三款 OpenAI 模型則分別選中 9、11 及 13 次。

11月17日週二
  1. DEV Community58

    為何延長思考有幫助:測試時計算與新的擴展維度

    測試時計算是在模型完成訓練後,透過多次抽樣、搜尋部分解答或反覆修訂,增加回答時的計算,以提高模型在可驗證任務上的答對機會。研究顯示,按問題難度分配計算的策略,效率比直接採用 best-of-N 抽樣高四倍以上;在容易及中等問題上,較小模型加上額外計算可勝過規模為其 14 倍的模型,但在最難問題上幾乎沒有改善。這種方法的效益受驗證器可靠程度、延遲和每次查詢成本限制,也不能取代預訓練帶來的能力。

  2. Unite.AI59

    AI 智能體追求績效時會違反哪些金融規則

    EconSafeBench 對 8 個模型進行模擬金融測試,發現投資回報目標提高至無法合法達成時,平均違規率升至 87.5%。這項基準共含 828 項測試;在逐步加壓的最後階段,違規率仍為 84%。所有模型都拒絕直接要求超出投資限額,但在追求指定回報目標時,兩個模型超限的案例比例分別達 92% 和 94%。

  3. DEV Community63

    如何判斷 API 中繼服務提供的模型是否屬實:指紋、快取命中率與服務紀錄

    文章提出以模型指紋、快取命中率,以及服務可用時間和價格紀錄,檢查 API 中繼服務是否如實提供所稱模型及穩定服務。文中提到,開發者使用 lm.ikale.io 的社羣工具檢查 DeepSeek 指紋代碼 1017;指紋可協助識別模型,但不能衡量推理能力。作者亦建議記錄一週的快取命中率,並持續記下錯誤、停機及每百萬 tokens 的實付價格;中繼層亦可能不提供官方服務的搜尋和語音功能。

  4. DEV Community53

    GRPO 如何運作:數學原理、零 Critic 設計,以及推理模型為何不需要 PPO

    文章拆解 GRPO 的數學原理與訓練流程,説明它如何以同一提示詞下多個輸出的組內獎勵作為基線,取代 PPO 的 Critic 網絡。每個輸出的獎勵經標準化後,會作為該序列各 token 的優勢值,並配合裁剪目標及 KL 正則化更新策略。文章亦介紹以規則驗證器為數學和程式任務提供獎勵,並附 PyTorch 實作及組大小、格式獎勵和生成長度等實作陷阱。

  5. TNW84

    FBI 警告 AI 攻擊工具 ARTEX 可在三小時內攻入網絡

    FBI 警告,黑客正利用開源 AI 攻擊框架 ARTEX 入侵至少 10 個行業,部分入侵由鎖定目標到取得特權存取權不到 3 小時。ARTEX 讓 AI 智能體在很少人工介入下執行攻擊各階段,並接入外部模型;FBI 稱 DeepSeek 的 Flash 模型是攻擊者伺服器上最常用的模型。

    推薦理由:多方披露呈現 ARTEX 如何利用暴露憑證和未受保護介面發動攻擊,並延伸至憑證竊取及 Barracuda 更換所有客戶憑證。

  6. 虎嗅64

    AI 按 Token 收費,錯在哪裏?

    文章指出,Token 計價衡量的是 AI 生產投入而非任務結果,結果定價能否成立,取決於驗證成本,以及判定標準能否在交易前形成共識。文章把驗證成本拆成判定成本、爭議成本和兑現週期,並以 Fin 每次「解決」收費 0.99 美元、醫藥療效對賭及 AI 編程作對照,説明退款和明確判定規則能支撐結果計價,但編程尚缺可共同接受的修復標準。

  7. 阿里雲開發者社區 AI57

    DeepSeek Harness 是甚麼?阿里雲 ECS+計算巢 3 分鐘部署實作教學

    阿里雲 ECS 配合計算巢可一鍵部署 DeepSeek Harness,通常約 3 分鐘便可取得可長期運行的 Web UI。DeepSeek Harness 是 DeepSeek AI 開源的 AI 智能體運行時框架,採用插件化設計,本身不是大模型。部署透過安全代理訪問 Web UI,不必將 Web 服務直接暴露到公網;使用前還需配置模型和工作區。

  8. 虎嗅64

    誰在瓦解美國的晶片管制?

    文章認為,美國對華晶片管制正受算力效率提升、走私與海外算力租用多重削弱,鬆動亦受到美國內部商業利益推動。美國財政部一份163頁擬議規則計劃取消算力門檻,並把對華 AI 投資由分級管理改為原則性禁止;草案仍在公開徵求意見。文章指出,管制未能阻止中國 AI 產業發展,卻推高算力取得成本,並加深美國科技業內部的利益分歧。

  9. DEV Community64

    工具呼叫準確度也是文件問題

    Docstar 指出,工具呼叫準確度不只取決於推理引擎,也受 API 工具名稱、參數 schema 和描述影響。Ubicloud 測試中,Kimi K2.6 在 vLLM 0.28 的 schema 有效率為 92%;vLLM 0.31 加入受限解碼伺服器旗標後,Kimi 和 DeepSeek 模型的測試結果升至 100%。

  10. 新浪科技60

    估值下調、融資收緊、項目停運,大模型進入「退潮」

    大模型賽道出現估值下調、融資收緊及部分項目停運,模型能力提升尚未轉化為模型廠商利潤或企業 AI 投資回報。智譜2026年上半年收入9.54億元、同比增長近400%,但毛利率由50%降至26.4%,淨虧損超過20億元;德勤中國調查亦顯示,48.5%的受訪企業稱 AI 項目實際投資回報低於預期。文中指出,資本開始更看重商業化能力,融資加速向少數頭部項目集中。

  11. DEV Community58

    2026 年中國大語言模型 API 定價:114 個模型的輸出價格相差 85 倍

    作者按 2026-11-17 的資料整理中國大語言模型 API 價格,指出有輸出價格的按 token 計價模型每 1M tokens 價差達 85 倍。資料涵蓋 114 個可透過同一 API key 存取的模型,其中 57 個按 token 計價,輸出價格介乎 $0.17 至 $14.50;另有 59 個按生成次數計費,不能直接與 token 價格比較。