搜索“DeepSeek”

ARC Prize公布DeepSeek V4.1 Flash在ARC-AGI-3的评测成绩

ARC Prize 公布评测成绩 DeepSeek V4.1 Flash在ARC-AGI-3的成绩

查看事件：ARC Prize公布DeepSeek V4.1 Flash在ARC-AGI-3的评测成绩

Fireworks评测DeepSeek新模型

2026年9月14日,Fireworks AI 发布并评测 DeepSeek-V4.1-Flash。据其公布结果,该模型在 DeepSWE 上 pass@1 为 74.34%,与 GPT-6-Astra 的 74.12% 处于同一水平;单任务成本 0.43 美元,约为 Astra 的 1/15。该模型为 552B 参数 MoE,采用输入 8B、输出 16B 的分离激活预算,KV Cache 的 HBM 占用降至上一代 V4 的 1/4。在 HLE 上它得分 34.52%,低于 Astra 的 50.40%,Fireworks 认为它更适合智能体编码而非高难推理。9月28日,Fireworks AI 发布首个缓存感知路由器 FireRouter with Opus,已在 CLI 上线并首次作为独立路由模型提供,可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、提示词缓存成本和切换代价选择模型;其一个多月内部 A/B 测试显示,编码任务每次会话成本从 15.36 美元降至 6.63 美元,降幅 57%(±19 个百分点),准确率为纯 O

DeepSeek V4 Pro代码评测领先

2026 年 8 月 26 日,Fireworks AI 发布对 DeepSeek V4 Pro 0813 的评测结果,并宣布该模型的训练支持已在 Fireworks 上线,支持 SFT、DPO 和 RFT。评测使用 SWE-Bench Verified、LiveCodeBench v6、Aider Polyglot 和 Terminal-Bench 2.1 四组基准。Fireworks 称,DeepSeek V4 Pro 在 SWE-Bench Verified 上得分 95.2%,高于 Kimi K3 的 92.6% 和 Fable 5 的 85.4%;在 LiveCodeBench v6 上得分为 92.0%。成本方面,该模型在 SWE-Bench 上每解决一个任务花费 0.309 美元,Fable 5 为 0.808 美元;在 LiveCodeBench 上分别为 0.040 美元和 0.225 美元。在 409 个任务的合并样本上,DeepSeek V4 Pro 与 Fable 5 的 oracle 路由准确率为 92.4%,高于单用 Fable 5 的 86.6%,每任务成

DeepSeek开源智能体运行框架

2026年8月13日,DeepSeek发布并开源DeepSeek Harness v0.1开发者预览版,采用MIT许可证,面向全球构建智能体运行框架的开发者。该项目由Cordis元框架驱动,将模型、工具、技能、会话、沙箱、文件系统、循环、编排和用户界面设计为可组合、替换及扩展的插件。目前输入材料仅提供此次发布信息,故事仍处于活跃状态。

DeepSeek-V4支持百万上下文

DeepSeek开放模型持续演进

2025年12月3日的技术梳理显示,DeepSeek开放权重模型从V3逐步演进至R1、V3.1、V3.2-Exp、DeepSeekMath V2及V3.2-Speciale。V3.2延续V3系列架构,并加入DeepSeek稀疏注意力、自验证、自改进以及多项GRPO训练调整;相关演进还涉及MLA、RLVR和混合推理模式。后续更新介绍了mHC残差路径研究,用于改善训练稳定性与收敛表现。

Fireworks评测DeepSeek新模型

2026年9月14日,Fireworks AI 发布并评测 DeepSeek-V4.1-Flash。据其公布结果,该模型在 DeepSWE 上 pass@1 为 74.34%,与 GPT-6-Astra 的 74.12% 处于同一水平;单任务成本 0.43 美元,约为 Astra 的 1/15。该模型为 552B 参数 MoE,采用输入 8B、输出 16B 的分离激活预算,KV Cache 的 HBM 占用降至上一代 V4 的 1/4。在 HLE 上它得分 34.52%,低于 Astra 的 50.40%,Fireworks 认为它更适合智能体编码而非高难推理。9月28日,Fireworks AI 发布首个缓存感知路由器 FireRouter with Opus,已在 CLI 上线并首次作为独立路由模型提供,可在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、提示词缓存成本和切换代价选择模型;其一个多月内部 A/B 测试显示,编码任务每次会话成本从 15.36 美元降至 6.63 美元,降幅 57%(±19 个百分点),准确率为纯 O

查看事件：Fireworks评测DeepSeek新模型

DeepSeek V4 Pro代码评测领先

2026 年 8 月 26 日,Fireworks AI 发布对 DeepSeek V4 Pro 0813 的评测结果,并宣布该模型的训练支持已在 Fireworks 上线,支持 SFT、DPO 和 RFT。评测使用 SWE-Bench Verified、LiveCodeBench v6、Aider Polyglot 和 Terminal-Bench 2.1 四组基准。Fireworks 称,DeepSeek V4 Pro 在 SWE-Bench Verified 上得分 95.2%,高于 Kimi K3 的 92.6% 和 Fable 5 的 85.4%;在 LiveCodeBench v6 上得分为 92.0%。成本方面,该模型在 SWE-Bench 上每解决一个任务花费 0.309 美元,Fable 5 为 0.808 美元;在 LiveCodeBench 上分别为 0.040 美元和 0.225 美元。在 409 个任务的合并样本上,DeepSeek V4 Pro 与 Fable 5 的 oracle 路由准确率为 92.4%,高于单用 Fable 5 的 86.6%,每任务成

查看事件：DeepSeek V4 Pro代码评测领先

Fireworks AI公布DeepSeek V4 Pro在CyberGym上的评测结果

2026年8月26日,Fireworks AI公布了对DeepSeek V4 Pro 0813在CyberGym安全基准上的评测结果。测试覆盖697个共同有效任务,DeepSeek V4 Pro的奖励率为53.7%,每个成功任务成本2.502美元,约为Kimi K3的一半。同一批结果中,Kimi K3奖励率最高,为68.4%,每个成功任务成本4.914美元;GPT-5.5奖励率47.6%,每个成功任务成本9.641美元;Claude Opus 4.8奖励率5.9%,每个成功任务成本33.275美元。Fireworks AI还称,DeepSeek V4 Pro在840个任务上全部产生原生工具调用,没有出现拒答或输出截断;一旦通过第一阶段验证,它完成完整补丁的比例为94.7%。目前没有后续进展。

查看事件：Fireworks AI公布DeepSeek V4 Pro在CyberGym上的评测结果

Fireworks AI公布DeepSeek V4 Pro在CyberGym上的评测结果

2026年8月26日,Fireworks AI公布了对DeepSeek V4 Pro 0813在CyberGym安全基准上的评测结果。测试覆盖697个共同有效任务,DeepSeek V4 Pro的奖励率为53.7%,每个成功任务成本2.502美元,约为Kimi K3的一半。同一批结果中,Kimi K3奖励率最高,为68.4%,每个成功任务成本4.914美元;GPT-5.5奖励率47.6%,每个成功任务成本9.641美元;Claude Opus 4.8奖励率5.9%,每个成功任务成本33.275美元。Fireworks AI还称,DeepSeek V4 Pro在840个任务上全部产生原生工具调用,没有出现拒答或输出截断;一旦通过第一阶段验证,它完成完整补丁的比例为94.7%。目前没有后续进展。

DeepSeek发布Harness v0.1

DeepSeek 发布并开源 DeepSeek Harness v0.1开发者预览版

查看事件：DeepSeek开源智能体运行框架

DeepSeek-V4支持百万上下文

DeepSeek-V4 支持 100万token上下文窗口

查看事件：DeepSeek-V4支持百万上下文

解析DeepSeek模型演进

DeepSeek 发布并演进 从V3到V3.2的开放权重模型系列

查看事件：DeepSeek开放模型持续演进

Cognition推出编码基准FrontierCode 2.0

2026年10月28日,Cognition推出编程基准FrontierCode 2.0,用于评估模型产出的代码能否真正合并,最高分的Opus 5.5也仅得45%,基准远未饱和。据Cognition博客,相比1.1版本,参考解平均多改67%的文件、89%的代码行,代码库规模大25%,任务覆盖仓库增加55%、阻断性评分标准增加43%;DeepSeek V4.1 Flash从43.9%降至19.3%,Kimi K3从44.2%降至17.7%。同日,Artificial Analysis发布Intelligence Index v5,将FrontierCode 2.0列为新增基准之一,60%评测基于私有测试集或留出答案,Claude Opus 5.5(max)以58分居首。

blakeandersonw开源ai-app-playbook

2026年10月28日,Blake Anderson开源「ai-app-playbook」,这是一份供coding agent执行的操作规程,覆盖选品、搭建、上架到首月盈利。该playbook分两层:面向人的playbook/00–13章节,以及面向Agent的AGENTS.md(Phase 0–14,每步标注[AGENT]或[HUMAN]),动手前需通过Gate A评分。技术栈固定为Cloudflare Workers、D1、Better Auth、OpenRouter转DeepSeek、Superwall加Stripe等,并明确列出Vercel、Supabase、Next.js等不用项。目前仅有该开源发布信息,暂无后续发展。

PromptArmor称中国模型遭网络攻击成功率更高

PromptArmor于2026年10月29日发布测试结果,称将自家传播最广的攻击样本在多个模型上测试后发现,DeepSeek、Kimi、GLM和Qwen模型对网络攻击的易感度比GPT、Claude和Gemini模型高88%。测试覆盖钓鱼、数据外泄和运行恶意软件的倾向等多个网络风险维度,PromptArmor称差异显著。目前尚无其他机构回应或独立验证,该结论仍为PromptArmor单方发布。

PromptArmor称中国模型遭网络攻击成功率更高

PromptArmor于2026年10月29日发布测试结果,称将自家传播最广的攻击样本在多个模型上测试后发现,DeepSeek、Kimi、GLM和Qwen模型对网络攻击的易感度比GPT、Claude和Gemini模型高88%。测试覆盖钓鱼、数据外泄和运行恶意软件的倾向等多个网络风险维度,PromptArmor称差异显著。目前尚无其他机构回应或独立验证,该结论仍为PromptArmor单方发布。

查看事件：PromptArmor称中国模型遭网络攻击成功率更高

PromptArmor称中国模型更易受网络攻击

PromptArmor于2026年10月29日发布测试结论,称DeepSeek、Kimi、GLM和Qwen模型受网络攻击的可能性比GPT、Claude和Gemini模型高88%。该机构表示,测试使用多款高传播攻击样本,覆盖钓鱼、数据外泄和运行恶意软件倾向等网络风险。上述结论来自PromptArmor的主推文,推文未说明具体测试方法和样本规模。目前尚无其他机构回应或独立验证,事件状态停留在PromptArmor单方发布阶段。

PromptArmor称中国模型更易受网络攻击

PromptArmor于2026年10月29日发布测试结论,称DeepSeek、Kimi、GLM和Qwen模型受网络攻击的可能性比GPT、Claude和Gemini模型高88%。该机构表示,测试使用多款高传播攻击样本,覆盖钓鱼、数据外泄和运行恶意软件倾向等网络风险。上述结论来自PromptArmor的主推文,推文未说明具体测试方法和样本规模。目前尚无其他机构回应或独立验证,事件状态停留在PromptArmor单方发布阶段。

查看事件：PromptArmor称中国模型更易受网络攻击

Arena将Kimi K3.1 Pro (Max)纳入Agent Arena排名第11

Arena 于 2026 年 10 月 24 日将 Kimi K3.1 Pro (Max) 纳入 Agent Arena 排名,位列第 11。该排名基于 4K 多真实智能体会话,取得 +7.6% 净提升,较 Kimi K3 (Max) 的第 25 名上升 6 个百分点。其每任务中位成本为 $1.03,比上一版本低 13%;在 Work、Code、Chat 三个类别中分别排第 8、第 9 和第 10。Arena 表示该模型开放权重即将发布,届时将成为 Agent Arena 中排名第一的开源模型,超过 DeepSeek-v4.1-Flash。目前尚无后续发展事实。