DeepSeek 推出 DeepSeek-V4.1-Flash：更智能、更快速、更高效
DeepSeek 推出 DeepSeek-V4.1-Flash，这是其新架构模型族中最小的模型，具备原生视觉理解能力。该模型旨在增强能力、加快推理、提高吞吐量，并支持扩展至更大模型。
匹配字段标题
←搜索结果
搜索“DeepSeek”
SGLang 与 Miles 为 DeepSeek-V4.1 提供 Day-0 支持
SGLang 与 Miles 宣布为 DeepSeek-V4.1 提供 Day-0 支持。SGLang 支持将 189 GiB 的 Engram fp8 表放入主机内存，在 4x GB300（TP4/EP4）上使 KV cache 容量提升 36%，解码吞吐与 TTFT 基本持平，28 项贪心探测补全与基线一致；Miles 则完成强化学习侧验证。
匹配字段标题
中国 AI 周报：智谱认领神秘模型、DeepSeek 估值接近 $74B、北京举办机器人奥运会
中国 AI 周报汇总本周三项焦点：智谱认领神秘模型“Ox Alpha”为 GLM-5.3-Flash，DeepSeek 以接近 $74 billion 的目标估值推进上市前融资，北京举办第二届世界人形机器人运动会。GLM-5.3-Flash 采用 320-billion-parameter、18B active 的多模态架构，并完全运行于中国国产芯片；智谱随后以 MIT license 开放 GLM-5.3 权重。同期还有 Hy4、Qwen3.8-Flash、Ling-3.0-flash-Fin 等模型进展，以及 AI 产品整合、监管和安全动态。
匹配字段标题
SGLang 用 SSD Expert Pack 在消费级硬件上运行 DeepSeek-V4-Flash 与 Kimi-K3
SGLang 发布 SSD Expert Pack 方案，把放不进显存和内存的路由专家权重留在 NVMe SSD 上，只按路由器选择读取专家，并用 direct I/O、pinned 缓冲和 GPU 缓存把 SSD 容量变成可用的权重层。在 Intel Ultra5 230F、32 GB 内存、TiPro9000 2 TB 磁盘和 RTX 5090 32 GB 的消费级机器上，DeepSeek-V4-Flash 相对 Ollama 基线在 Alpaca 和 MMLU 上 prefill 提升 2.28x 和 3.39x，decode 提升 6.92x 和 6.55x；Kimi-K3 相对 llama.cpp 的 prefill 提升 6.96x 和 5.80x，decode 提升 3.30x 和 3.52x。该路径不裁剪、不跳过专家，也不改变 Expert Top-K，属于显式开启的加载格式，需要额外 SSD 容量和数十分钟的 Pack 构建时间。
匹配字段标题
GLM-5.3 的漏洞利用、AI 模型与硬件提速、DeepSeek 新智能体框架
DeepLearning.AI 的 The Batch 第 368 期关注 GLM-5.3 的漏洞利用、AI 模型与硬件的提速，以及 DeepSeek 的新智能体框架。Andrew Ng 在信中强调，即便用编码智能体写代码，软件工程基本功仍不可少，否则智能体容易在延迟、可用性、一致性、可靠性、可维护性、简洁性和成本上做出错误取舍。
匹配字段标题
Fireworks 评测 DeepSeek V4 Pro 与 Fable 5、Kimi K3
Fireworks 用 SWE-Bench Verified、LiveCodeBench v6、Aider Polyglot 和 Terminal-Bench 2.1 四套基准测试 DeepSeek V4 Pro 0813，其在 SWE-Bench Verified 上得分 95.2%，高于 Kimi K3 的 92.6% 和 Fable 5 的 85.4%，在 LiveCodeBench v6 上为 92.0%。成本方面，DeepSeek V4 Pro 在 SWE-bench 上每解决一个任务花费 $0.309，Fable 5 为 $0.808；在 LiveCodeBench 上分别为 $0.040 和 $0.225。短板在 Aider Polyglot 的多语言广度，Java 仅 48.9%，Fable 5 为 74.5%。在 409 个任务的合并集合上做 oracle 路由后准确率 92.4%，高于单用 Fable 5 的 86.6%，每任务成本 $0.279 对 $4.510，86.3% 的任务被路由到 V4 Pro。
匹配字段标题
Fireworks 评测：DeepSeek V4 Pro 在 SWE-Bench 领先，单任务成本约为 Fable 5 的三分之一
Fireworks 用 SWE-Bench Verified、LiveCodeBench v6、Aider Polyglot v1 和 Terminal-Bench 2.1 四组基准测试 DeepSeek V4 Pro 0813，其在 SWE-Bench 上每解决一个任务花费 $0.309，Fable 5 为 $0.808，LiveCodeBench 上为 $0.040 对 $0.225。在 409 个任务的合并样本上，DeepSeek V4 Pro 与 Fable 5 的 oracle 路由达到 92.4% 准确率，高于单用 Fable 5 的 86.6%，每任务成本 $0.279 对 $4.510，其中 86.3% 的任务路由到 V4 Pro。该模型在 Aider Polyglot 的 Java 子集上仅 48.9%，明显低于 Fable 5 的 74.5%，Fireworks 认为 Java 为主的代码库更适合多模型路由；DeepSeek V4 Pro 的训练已在 Fireworks 上线，支持 SFT、DPO 和 RFT。
匹配字段标题
Fireworks 实测 DeepSeek V4 Pro 在 CyberGym 安全任务上的成本与通过率
Fireworks 在 CyberGym 的 697 个共同有效任务上测试 DeepSeek V4 Pro 0813，其奖励率为 53.7%，每个成功任务成本 2.502 美元，约为 Kimi K3 的一半。Kimi K3 的奖励率最高，为 68.4%，但每个成功任务成本为 4.914 美元；GPT-5.5 的奖励率为 47.6%，每个成功任务成本为 9.641 美元；Claude Opus 4.8 的奖励率仅为 5.9%，每个成功任务成本为 33.275 美元。测试中，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%。
匹配字段标题
Fireworks AI 实测：DeepSeek V4 Pro 在 CyberGym 安全任务上零拒绝、成本低一半
Fireworks AI 在 CyberGym 的 840 个对抗性安全任务上测试 DeepSeek V4 Pro 0813，全部产生原生工具调用，零拒绝、无输出截断。在 697 个四模型共同有效任务中，DeepSeek V4 Pro 进入验证阶段的比例为 97.3%，每解决一个漏洞的成本比最高分模型低一半，并比 GPT-5.5 准确率高 6.03 个百分点、成本仅为其四分之一。
匹配字段标题
DeepSeek API 新增多模态支持
DeepSeek API 通过实验模型 deepseek-v4-flash-vision-exp 支持文本与图像混合输入，并兼容 Chat Completions、Messages 和 Responses。图像可通过 base64、外部 URL 或 Files API 提供，每张最多按 384 tokens 计费，采用 V4-Flash 定价。
匹配字段标题
DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API Platform
DeepSeek 在 API Platform 上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，其文本能力与 DeepSeek-V4-Flash 相当，涵盖智能体、推理和世界知识。该模型在多模态智能体评测中较 V4-Flash 显著提升，表现接近 Opus-4.8；DeepSeek Harness 0.1.1 已提供开箱即用的支持。
匹配字段标题
LMSYS 如何在 H20 上优化 DeepSeek-V4-Pro 推理服务
LMSYS 针对 1.6 万亿参数 MoE 模型 DeepSeek-V4-Pro 在 H20 GPU 上的推理服务做系统优化，batch size 1 时单节点 H20-141GB 达到 271 output tokens/s，与 B300 的 383.7 tokens/s 相比性能比缩小到 1.42×。优化后的 prefill 每节点达 8.45k input tokens/s，43.7 秒处理 100 万 token 提示；面向吞吐的 DP16-EP16 每节点达 4.67k output tokens/s，平均 TPOT 27.4 ms。
匹配字段标题
DeepSeek V4 Pro 0813 与 GPT-5.6 Sol 在 DeepSWE 上的成本与编码对比
Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次对比 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol：Sol 单次通过率 72.7% 领先 Pro 的 62.8%，但 Pro 每次 rollout 仅 0.24 美元，约为 Sol 8.37 美元的 35 分之一，pass@4 上 Pro 以 88.5% 反超 Sol 的 85.8%。先用 Pro、测试失败再升级到 Sol 的级联方案可解决 83.0% 的任务，单任务成本 3.35 美元，高于 Sol 单独使用的 72.7%，也高于理想单次路由的 80.8%。Sol 更快更简洁（中位 53 步、17 分钟、59k 输出 token），但失败时 20% 会破坏仓库原有测试套件，Pro 这一比例为 11%。
匹配字段标题
DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的成本、编码与路由对比
在 113 项 DeepSWE 任务各 4 次试验中，Claude Fable 5 单次通过率 69.7%，高于 DeepSeek V4 Pro 0813 的 62.8%，但每次 rollout 成本 21.63 美元，是后者的 90 倍（0.24 美元）。先跑 DeepSeek V4 Pro 0813、失败再升级到 Fable 的级联方案可解决 82.7% 任务，每任务 8.28 美元，比单用 Fable 高 13 个百分点且便宜逾一半。两者任务相关性仅 0.39，Fable 仅在 Rust（85% 对 65%）和序列化（88%）上明显领先。
匹配字段标题
China AI Weekly Digest 回归，聚焦 DeepSeek Harness、宇树 IPO 热潮与 Manus 回归
China AI Weekly Digest 恢复更新，汇总 2026-08-08–2026-08-15 期间追踪的 263 条中国 AI 新闻。重点包括 DeepSeek 发布 V4 Pro、开源 DeepSeek Harness 并上调 API 价格，腾讯成为恢复独立运营的 Manus 最大股东，以及模型发布、融资、政策与产品进展。
匹配字段标题
DeepSeek Harness v0.1 开放开发者预览并以 MIT 许可证开源
DeepSeek Harness v0.1 现已开放开发者预览，并以 MIT 许可证开源，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 UI 均实现为可组合、替换和扩展的插件。
匹配字段标题
DeepSeek 随 V4 系列发布更新 API 定价
DeepSeek 随 V4 系列发布更新 API 定价并引入高峰与低谷费率，低谷费率比高峰低 50%，便于灵活安排工作负载。新价格将于 2026 年 8 月 16 日 16:00 UTC 生效。
匹配字段标题
DeepSeek 发布 DeepSeek-V4-Pro
DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力，并为 V4-Pro 与 V4-Flash 提供 low、high 和 max 三档推理强度。该模型原生支持 OpenAI Responses API，并针对 Codex 优化；现已通过 app/web 的“Expert Mode”和 API 提供，模型名称保持不变。
匹配字段标题
中国 AI 周报：Qwen3.8-Max、Unitree 的 $9B IPO 估值与 DeepSeek 涨价
Recode China AI 汇总了本周追踪的 247 条中国 AI 新闻，重点涵盖 Qwen3.8-Max、Unitree 约 $9 billion 估值的 IPO，以及 DeepSeek API 涨价。周报还梳理了多款模型更新、美国对中国 AI 组件的潜在进口限制、融资动态、产品调整与模型安全事件。
匹配字段标题
DeepSeek-V4-Flash 超越 Pro 版本，迄今最大 GitHub 抓取，为更安全代码设计系统提示词
DeepSeek-V4-Flash-0731 在架构不变的情况下通过新一轮微调，在独立测试中超越更大的 DeepSeek-V4-Pro，Artificial Analysis 智能指数达 50 分，仅比 GPT-5.6 Luna 最高推理模式低 1 分。该模型为 284B 总参数、13B 激活参数的 MoE 架构，支持最高 100 万 token 输入与 384,000 token 输出，MIT 许可下权重可免费商用，API 价格为每百万输入/缓存/输出 token $0.14/$0.0028/$0.28。
匹配字段标题