Gemini 4 Argon 與 DeepSeek V4.1-Flash-1017 定價、編碼及推理表現對比
Google 於 2026 年 10 月 13 日推出 Gemini 4 Argon,DeepSeek 於 10 月 17 日推出開放權重的 V4.1-Flash-1017;文章比較兩者的定價及基準表現。
推薦理由:文章將兩款模型的定價與編碼、推理資料並列,並提醒 Argon 優惠價於 11 月 30 日翻倍,呈現成本與能力取捨。
Google 於 2026 年 10 月 13 日推出 Gemini 4 Argon,DeepSeek 於 10 月 17 日推出開放權重的 V4.1-Flash-1017;文章比較兩者的定價及基準表現。
推薦理由:文章將兩款模型的定價與編碼、推理資料並列,並提醒 Argon 優惠價於 11 月 30 日翻倍,呈現成本與能力取捨。
SGLang、NVIDIA 與 AMD 團隊引入 SGLang Low-Latency Mode,透過插件框架接入專用核心,以降低 GPU 推理延遲。
Anthropic 的 Claude 不足 30 分鐘找出 ECDSA 標準中部分曲線參數種子的生成方式,這些種子由 NSA 提供,但未附解釋。種子來自以 1997 年 5 月至 1998 年 4 月間 Unix 時間戳初始化的 C 隨機數生成器 lrand48;其 31 位元輸出令部分種子的高位元呈現系統性歸零。Anthropic 表示,這令刻意植入後門的可能性降低。
Anthropic 的 Claude 將 NIST 五組 ECDSA 曲線種子的來源追溯至舊版 C 函式庫的 lrand48 偽隨機數生成器,相關初始化時間落在 1997 年 5 月至 1998 年 4 月。
Reflection AI 本週開源 Beam 的 501B 參數權重及實際訓練工具 Mirror CLI,權重採用 Apache 2.0 授權。Beam 是稀疏混合專家模型,總參數為 501B、每個 token 啟用 23B,提供 BF16、FP8 和 NVFP4 三種權重格式。目前沒有獨立基準測試,文中的效能説法來自廠商資料。
推薦理由:Mirror CLI 隨 Beam 一同開源,讓讀者看到權重以外的訓練流程,並評估其對微調及預訓練研究的參考價值。
Llmspeed 提供本地 LLM 單設備速度估算頁面,讓用戶可按硬件和模型查看短提示詞的運行速度。部分數值來自社羣基準,其他數值則由相近配置推算或按硬件規格預測。
華碩推出旗下首款 Intel Arc Pro B70 顯卡 UGen Intel Arc Pro B70 32GB GDDR6,面向 AI 推理及工作站市場。產品配備 32GB GDDR6 ECC 顯存,INT8 AI 算力最高 367 TOPS,典型板卡功耗 310W。
GPT-5.6 的 JSON 抽取示例顯示,每次呼叫 token 單價不變時,100,000 項任務仍可能因驗證通過率不同而花費 $667 至 $1,100。每次呼叫以 1,500 個輸入 tokens、300 個輸出 tokens 計價為 $0.0066;文中的通過率只是示例,並非實測。
OpenAI於2026年9月8日宣佈,其AI系統在88小時內完成納維-斯托克斯方程證明,並發布166頁的Lean形式化驗證版本。多國數學家指出,證明未遵循主流研究路徑,且未解決無外力條件下的核心問題。專家亦質疑方法原創性及智能體實際貢獻率不足10%,全球數學界仍在審查。
DeepSeek 將 V4.1 Flash 更新至 V4.1-Flash-1017,並向公眾開放自研搜尋 API 的 Search 與 Fetch 接口。Search 與 Fetch 兩個接口均定價為 5元/千次;官方稱搜尋支援多語言,並會過濾 SEO 作弊、GEO 操縱及低質 AIGC。
無問芯穹已以保密形式向港交所遞交 IPO 申請,計劃募資數億美元,最早可能於2027年上半年上市。公司正以「前店後廠一中心」框架,由出售算力轉向提供 Token 服務;截至2026年4月底,平台日均 Token 調用量較2025年底增長超20倍。文章指出,這套商業模式的盈利能力尚未經財報驗證,並面對上下游擠壓風險。
深度求索更新 DeepSeek-V4.1-Flash-1017,這是 DeepSeek-V4.1-Flash 的小幅更新,在推理、編碼、智能體任務及視覺基準上提升表現,同時縮短任務執行時間並減少輸出長度。
DeepSeek-v4.1-Flash-1017 是 DeepSeek-V4.1-Flash 的小幅更新,在推理、編碼、智能體任務及視覺基準方面均有顯著改進。討論者稱該模型本地運行成本很高,亦有人質疑基準測試結果是否可信。
StepFun 以開放權重形式發佈 Step 5 Preview,FP8 和 BF16 checkpoints 已上架 Hugging Face 及 ModelScope;模型總參數為 600B,每個 token 啟用 27B 參數,上下文窗口最高達 1M tokens。
TypeSafe 於 2026 年 9 月 15 日推出 Jev,約 4 週內至少出現 20 個替代方案。文章比較這些決策模型的規模、授權、硬件需求、價格、Jev API 相容性及基準成績,涵蓋託管服務與可自行部署的模型。多數基準由發布方自行測試,不同測試集的分數不可直接比較;Respan 測試中 Jev 準確率為 0.932,Tev1 為 0.901。
Harper Xu 提出免費推理服務的三平面設計方法,把狀態、模型推理,以及跨越單次請求的工作分置處理。文章建議自有帳本先預留估算用量,超出上限便將工作排隊,批次前以 canary 檢查可達性,並令工作具冪等性,以便伺服器重啟後重播。MonkeyCode 是文中案例,提供免費模型存取及免費伺服器選項;文中稱撰寫時宣傳額度為 10M tokens,並提醒重新查看現行條款。
文章提供 shell script,測量已部署應用程式的暖啟動、冷啟動及伺服器端模型呼叫延遲,讓開發者在分享 Demo 前掌握首次請求耗時。作者建議重複測試三次,並比較首字節時間與總耗時;連結發出前 60 秒手動預熱,可讓訪客避開一次冷啟動。
Autotrust 維護的 JEV-27B-VL 是 27B 參數視覺語言模型,System 1 可直接為指定選項輸出概率。System 1 支援是非、2–256 個選項的選擇及 0–5 評分,提示詞最多 256K tokens;System 2 基於未修改的 Qwen3.8-27B,可接收圖像並生成文字或逐步推理。
Anthropic 的 Claude 內部研究模型在不到半小時內,追溯出五條 NIST 橢圓曲線種子由 C 語言庫的 lrand48 生成器產生,並以 Unix 時間戳初始化。
許地生團隊以書生科學多模態大模型 S2 協作完成三維 Ghys 猜想證明,董彬、劉若川團隊則用 SHEAF 框架作形式化驗證。S2先產出400頁推導報告,經7批接續推演及人類篩選、提示後,問題圖由15個節點擴展至389個,推導總量達千頁。報道探討這種人機協作可能擴大數學家可探索的問題範圍,同時提及成果核驗、歸屬及學術交流等疑慮。
推薦理由:這個案例呈現模型提出跨領域思路、研究者篩選校準並完成證明的協作鏈路,也交代成果核驗與歸屬引發的爭議。
vLLM 為 Kimi K3 在 NVIDIA GB300 上建立統一 CuTe DSL 解碼路徑,涵蓋注意力、MoE 和跨 GPU 通訊,提升多種測試配置的解碼效能。
作者分享一套測量 LLM 推理效能的方法,指出 30 秒基準測試可能高估 GPU 長時間運行時的吞吐量。其團隊曾測得 42 tokens/s,長時間運行後實際只有 37–38 tokens/s,產能因此短缺近 10%。文章建議至少測試 10–15 分鐘,同步記錄 SM 時鐘、温度和功耗,並分開比較 prefill 與 decode 的穩態數據,採用 median 和 p10。
Finn Liu 分享本地運行 LLM 前的檢查方法,將模型記憶體是否足夠與速度測量是否可比視為兩個不同問題。70B 模型在 Q4 下約需 40 GB 權重空間,還要預留 KV cache 和 runtime 等額外用量;速度數據則應附上硬件、checkpoint、量化、runtime 版本、上下文及並發等條件。
較強模型可透過建立 Harness,在不重新訓練下把能力轉移給較弱模型,提升其推理時表現。四項 Theory-of-Mind 評測中,弱模型平均分由 0.49 升至 0.91;提升來自把不穩定推理交由確定性程式碼處理、路由及嚴格答案格式限制。最弱的目標模型獲益最大。
Reflection AI 已在 Hugging Face 開放其首個大語言模型 Beam 的權重,並發布供開發者自訂模型的技術資源。配套包括標準版及多個量化版本、微調配方、評估定製對模型能力及安全護欄影響的工具、drafter model、多種 serving engine 的即用配置,以及 fused kernels。
NVIDIA 的 Qwen3.8-Flash-Next-FP4-Local 須在 Blackwell 硬件配合社羣容器中的 vLLM 執行,驗證硬件為 RTX PRO 6000 Blackwell 和 DGX Spark。
Anthropic 表示,其內部研究用 Claude 在不到 30 分鐘內追溯出五條 NIST 標準橢圓曲線種子的來源,為延續約 26 年的密碼學疑問提供可復現答案。
Anthropic 表示,Claude 將 NIST 的 ECDSA 曲線種子追溯至偽隨機數生成器,挑戰外界對該演算法暗藏 NSA 後門的數十年疑慮。
Progress-Aware Distillation(ProD)透過偵測及懲罰蒸餾小型語言模型智能體的進展停滯,提升其推理效率和任務成功率。它把學生模型與教師模型之間的停滯差距編碼為自適應邊際,以動態懲罰可能的停滯。涵蓋 8 個、參數規模由 0.6B 至 8B 的小型語言模型實驗顯示,ProD 能減輕停滯,並提升成功率及任務完成效率。
ECHO 將多視野預測整合至骨幹模型的自遞歸機制,並以動態深度取樣提升預訓練效率及推理草擬能力,毋須輔助模組。預訓練在推理與程式碼任務上提升下游準確度,開銷僅為訓練所有深度的 MTP 一半。推理時,模型可生成超出訓練深度的草稿,並在開放式高熵生成中維持草稿與目標模型的對齊。
RLAWM 透過懲罰模型內部公理化世界模型與題目所指定物理世界之間的偏差,提升 LLM 的物理推理表現。方法在訓練時以建模和解題兩個層級分別評分,推理時不增加額外成本;在 PhysReason 和 PHYSICS 上分別較基線提升最多 +12.2 和 +5.2 分。 RLAWM 在奧林匹克級物理和數學題上較最強基線提升 2.45x 和 +10 分。
HybridResearcher 是一款以合成跨來源軌跡和強化學習訓練的 4B 智能體,能跨結構化與非結構化數據推理。在 HybridDeepResearch 基準上,其 pass@8 比基礎模型 Qwen3.5-4B 高 30.0 分,並超越規模大得多的 Qwen3.5-397B-A17B 8.3 分;在 BrowseComp 和 BrowseComp-Plus 上亦優於基礎模型。
作者提供一個翻轉率測試腳本,讓每個項目重複執行多次,以觀察模型輸出在不同運行間改變的頻率,而非只依賴平均分。文章建議記錄項目數及輸入檔雜湊值,並根據實測波動設定評測門檻。翻轉率不代表答案正確;腳本僅供示例,並非基準測試,作者亦提醒 seed 的行為因服務供應商而異。
Anthropic Frontier Red Team 報告稱,內部 Claude 研究模型找出 NIST ECDSA 曲線種子源自以 Unix 時間戳初始化的 C 函式庫 lrand48 隨機數生成器。
Claude 找出 NIST P-192、P-224、P-256、P-384 和 P-521 曲線種子的來源,發現它們由以 Unix 時間戳初始化的 C 函式庫 lrand48 生成,而非雜湊算法。研究指出,這不是 ECDSA 的密碼學破解或新弱點,結果令曲線含有刻意後門的可能性降低。部分曲線基點及 B-163 種子的來源仍未解明。
推薦理由:文章把種子位元模式、PRNG 狀態恢復與時間戳線索串成可重現的追查路徑,並交代尚未解明的基點及種子來源。
StarSkirmish Bench v0.2 比較 9 個大語言模型在一小時內編寫 Protoss C++ Bot,對抗人類編寫 Bot 和示範 Bot 的成績。
作者以 llama.cpp 在 RTX 3050 OEM 和 GTX 1650 Ti Max-Q 上測試 Gemma 4 E2B、E4B 的 MTP drafter,單一請求時兩款模型均提速,E4B 分別達 1.72x 和 1.49x。
ClearPix 更新瀏覽器影片升頻工具,支援升頻至 4K,靜態片段處理速度達原來的 4.7–7 倍,固定背景而主體移動的片段約達 1.8 倍。升頻在瀏覽器本機執行,影片不會上傳;工具提供 Fast、Balanced、Best 三檔,預設檔位按裝置能力及影片估算處理時間選擇。
rStation 推出共享研究平台,讓用戶提供的 AI 智能體圍繞研究問題交流、發表論文,並累積共享科學文獻。平台涵蓋包括千禧年大獎難題在內的問題,並以 GPT-6 Astra 自動審核論文中的數學主張。智能體自行組織研究方向,系統會定期提供隨機提示,讓它們檢視方向是否有前景並挑戰社羣共識。
Elorian 發佈首個模型 Glimpse,作為研究預覽推出並提供 API 存取,聊天介面則僅限候補名單用戶使用。Glimpse 可在推理過程中裁切圖像區域、擷取影片影格,或執行程式碼測量及比較視覺內容,Elorian 稱這套機制為「visual scratch space」。
最多提供 50 頁,更早的內容請使用搜尋或主題頁。