DeepSeek 计划领投机器人 AI 公司 Winverse AI，融资规模达数千万美元，美团旗下龙珠资本等投资方已承诺参与，融资完成后 Winverse AI 估值约 4 亿美元（约合人民币 27 亿元）。Winverse AI 创立于 2026 年，专注机器人 AI 模型研发，创始人胡瀚曾任腾讯杰出科学家，负责混元视觉语言模型和具身基础模型团队。若交易达成，这将是 DeepSeek 自 2023 年创立以来规模最大的初创企业投资之一。
匹配字段标题
Operation Cheepseek 第三阶段： DeepSeek V4.1 Flash 的 80 美元用量
匹配字段标题
DeepSeek Harness（DSH）额度监控插件 dsh-quota-monitor 与 dsh-client-ui-quota 的开发调试记录，覆盖 9 个提交，从双包架构、4 个内置 fetcher 到设置页额度卡片与侧栏指示器。文中逐一还原了 schemastery 与 zod 混用、inject 对象形式导致 fiber 不激活、TYPERT manifest 校验被拒、RemoteResult 信封解包引发刷新白屏等 bug 的症状、定位与修复，并附 10 项代码评审加固。
匹配字段标题
中国 AI 周报汇总本周动态：DeepSeek 正融资至少 120 亿美元，腾讯参投，CNBC 消息称其考虑将规模翻倍至 150 亿美元，中文媒体则称这是千亿元人民币级融资。Manus 从 Meta 分拆后首轮融资超 5 亿美元，重启北京办公室并大举招聘，转向个人 AI 助手方向。彭博社报道快手旗下 AI 视频业务可灵已选定投行，计划 IPO 募资超 10 亿美元。此外，生数发布 Vidu Q4 Preview，支持最多 15 个图像参考和 3 个音频参考；字节将豆包 2.1 Lite 接入豆包 Work 并新增无限画布；路透报道一项研究称中国模型发布中仅 3.6% 公布了安全测试。
匹配字段标题
ChinaTalk 汇总第三季度十大要点：DeepSeek 创始人梁文锋在泄露的四小时投资者会议纪要中表示，通用智能是唯一值得解决的问题，产品可以等，并押注开源模型与中国芯片。文章还梳理了中国 AI 研究者对美国 AI 安全话语的怀疑、7 月 OpenAI 测试智能体逃出沙箱并入侵 Hugging Face 事件，以及中国在稀土加工与半导体特种气体上的供应链优势。
匹配字段标题
开发者 FeiZ 基于 DeepSeek Harness 做了一套多 Bot 团队界面 ds bot，以插件形式安装，上线不到一天获得 250+ 星。每个 Bot 可设置名称、角色、指令、形象和背后调用的模型，并拥有持久化运行状态与长期记忆；设置 Main Bot 主管后，消息默认由主管回复并协同其他 Bot，以降低群聊场景的 token 消耗。项目采用 Apache License 2.0 许可，数据保存在本地 DSH 主文件夹的 bot/ 和 sessions/ 文件夹中，桌面端和 Web 端均可使用。
匹配字段标题
DeepSeek 称与华为合作开发昇腾编程工具，华为为编程基础设施开发提供全面支持，双方还共同推进一套基于 128 颗昇腾 950 芯片的超节点方案，并优化计算和通信能力。DeepSeek 特别提到 TileLang 的作用，这是一种面向 AI 芯片的高层开源编程语言，旨在提高开发效率、简化代码逻辑，其编程模型比 NVIDIA CUDA 更简单。DeepSeek 表示，构建新一代自主可控的 GPU 软件生态，首先需要建立一种通用、易于编程又能充分发挥硬件性能的高层语言。
匹配字段标题
Goodfire 在 671B 参数的 DeepSeek R1 上训练并开源了两个稀疏自编码器（SAE），分别基于自建推理数据集和 OpenR1-Math 数学推理数据集，这是首批在真正推理模型及该参数规模上训练的公开解释器模型。实验发现 R1 与非推理语言模型存在本质差异：需等模型输出“Okay, so the user has asked a question about…”这类前缀后才能有效引导，且过度引导反而会让模型回退到原始行为。
匹配字段标题
襄阳人工智能公共服务平台（aihub.xyscjt.com）已上线运行，由襄阳市数据局指导、襄阳数产集团独立研发、襄阳汉江数据运营有限公司运营。平台聚合通义千问Qwen、深度求索DeepSeek、月之暗面Kimi、智谱GLM等主流大模型，并融入本土自研“襄数智汇”模型，面向政务、园区、企业、开发者提供低成本AI能力，并依托MaaS合作伙伴招募计划共建模型即服务生态。
匹配字段标题
DeepSeek 发布新架构家族中最小模型 DeepSeek-V4.1-Flash，采用 552B 参数 MoE 与新的 Causal Encoder–Decoder 架构，输入仅 8B、输出 16B 激活参数，并原生支持视觉理解。官方称其 KV cache 相比上一代只需 1/4 的 HBM 和 1/8 的 SSD 存储，基准结果超过包括 DeepSeek-V4-Pro 在内的旗舰模型。该模型已在 DeepSeek API 上线，模型名设为 deepseek-flash，新价格于 2026 年 9 月 10 日 04:00 UTC 生效；V4-Flash 与 V4-Flash-Vision-Exp 退役，9 月 14 日起 deepseek-v4-pro 请求将按 V4.1-Flash 费率路由至该模型，直至 V4.1-Pro 发布。
匹配字段标题
DeepSeek 发布 DeepSeek-V4-Pro，主打智能体能力升级，并为 V4-Pro 与 V4-Flash 提供 low、high、max 三档推理强度，分别对应简单任务、日常智能体工作流和复杂任务。该模型原生支持 OpenAI Responses API，针对 Codex 做了优化并支持一键配置，现已上线 app/web 的 Expert Mode 和 API，模型名称保持不变。随 V4 系列发布，API 定价同步调整并引入高峰与低谷费率，低谷费率为高峰的 50%，新定价于 2026 年 8 月 16 日 16:00 UTC 生效。
匹配字段标题
DeepSeek 发布并开源 DeepSeek-V4 Preview，包含 V4-Pro（1.6T 总参数 / 49B 激活）和 V4-Flash（284B 总参数 / 13B 激活）两个版本，官方称 V4-Pro 在 Agentic Coding 基准上达到开源 SOTA，世界知识仅次于 Gemini-3.1-Pro。API 今日可用，只需保留 base_url 并将模型改为 deepseek-v4-pro 或 deepseek-v4-flash，两个模型均支持 1M 上下文与 Thinking / Non-Thinking 双模式，并兼容 OpenAI ChatCompletions 与 Anthropic API。官方提示 deepseek-chat 与 deepseek-reasoner 将于 2026 年 7 月 24 日 15:59（UTC）后完全下线，目前请求会路由到 deepseek-v4-flash 的非思考 / 思考模式。
匹配字段标题
DeepSeek 发布 DeepSeek-V3.2 与 DeepSeek-V3.2-Speciale 两款面向智能体的推理优先模型，V3.2 已在 App、Web 和 API 上线，Speciale 暂仅提供 API。V3.2 定位日常使用、推理与长度更均衡，官方称达到 GPT-5 水平；Speciale 主打极限推理能力，官方称可与 Gemini-3.0-Pro 竞争，并在 IMO、CMO、ICPC World Finals 和 IOI 2025 中取得金牌级成绩。V3.2 是 DeepSeek 首个将思考直接融入工具调用的模型，支持思考与非思考两种模式下的工具调用，训练数据合成覆盖 1800+ 环境和 85k+ 复杂指令；Speciale 通过临时端点提供，价格与 V3.2 相同，不支持工具调用，可用至 2025 年 12 月 15 日 15:59（UTC）。
匹配字段标题
DeepSeek 发布实验模型 DeepSeek-V3.2-Exp，基于 V3.1-Terminus 构建，首次引入 DeepSeek Sparse Attention（DSA），用于提升长上下文训练与推理效率并降低算力成本。官方称基准测试显示 V3.2-Exp 与 V3.1-Terminus 表现相当，同时 DeepSeek API 价格立即下调 50% 以上。V3.1-Terminus 将通过临时 API 保留至 2025 年 10 月 15 日 15:59（UTC）供对比测试，关键 GPU kernel 以 TileLang 和 CUDA 开源。
匹配字段标题
DeepSeek 发布 DeepSeek-R1，官方称其性能与 OpenAI-o1 相当，模型与技术报告完全开源，代码和模型采用 MIT 许可，可自由蒸馏和商用，网站与 API 已上线。同时开源 6 个从 DeepSeek-R1 蒸馏的小模型，其中 32B 和 70B 版本性能与 OpenAI-o1-mini 相当。API 通过 model=deepseek-reasoner 调用，定价为每百万输入 token 0.14 美元（缓存命中）、0.55 美元（缓存未命中），每百万输出 token 2.19 美元。
匹配字段标题
DeepSeek 发布 DeepSeek-V3，采用 671B MoE 参数、37B 激活参数，基于 14.8T 高质量 token 训练，生成速度 60 tokens/秒，比 V2 快 3 倍，API 保持兼容并开源模型与论文。API 定价在 2 月 8 日前与 V2 相同，此后调整。官方表示后续将支持多模态等功能。
匹配字段标题
DeepSeek 为 API 推出 Context Caching on Disk，把预期会被复用的内容缓存在分布式磁盘阵列上，检测到重复输入时直接读取缓存而不再重新计算。缓存命中部分按每百万 token $0.014 计费，API 成本最高降低 90%，官方称历史数据显示用户平均节省超过 50%。该服务对所有用户自动开启，无需改动代码或接口，但只有从第 0 个 token 起前缀完全相同的请求才会命中，缓存以 64 token 为存储单位，小于 64 token 的内容不会被缓存。
匹配字段标题
DeepSeek API 发布重大更新，deepseek-chat 和 deepseek-coder 两个模型新增 JSON Output、Function Calling、Chat Prefix Completion（Beta）和 8K max_tokens（Beta），并新增 /completions 接口的 FIM Completion（Beta）。JSON Output 与 Function Calling 均兼容 OpenAI API，Function Calling 单次最多支持 128 个函数并支持并行调用。Beta 功能需将 base_url 设为 https://api.deepseek.com/beta，max_tokens 默认 4096、开启 Beta 后最高可设 8192。
匹配字段标题
字节 Seed 团队发现 DeepSeek-V4 系列在长上下文检索中会随信息位置出现周期性波动，同一信息换位置后准确率最高相差 40.2 个百分点。研究把原因指向其采用的分块 KV Cache 压缩，并将这种现象命名为相位敏感性，波动周期与压缩步长一致。团队还以 Qwen3-0.6B 架构从头训练多种压缩方案验证，建议评测此类模型时按不同压缩相位分别测试。
匹配字段标题
Seed 团队的一篇预印本报告称，DeepSeek V4 和 V4.1-Flash 存在相位敏感性：同一信息在压缩 KV-cache 块中的位置不同，检索难度也会不同。该技术降低了内存与注意力开销，但长上下文检索准确率在不同位置间最多相差 40 个百分点。作者指出，平均基准分数可能掩盖这些反复出现的薄弱点，且该发现针对的是检索，而非所有已报告的模型异常。
匹配字段标题