搜索“DeepSeek”

l Large 4 Preview（25）高 1 分，主要差异在于 token 效率提升和幻觉减少。它比美国开发的开源权重领先模型 Muse Spark Open（xhigh，25）高 1 分。 在 Artificial Analysis Cyber Index 上，Mistral Large 4（high）得分 51，在现有开源权重模型中排名第三，落后于 DeepSeek V4.1 Flash 1017（max，57）和 MiMo-V2.6-Pro（56）。 主要结论： ➤ 以微弱优势领先非中国开源权重模型：Mistral Large 4（high）领先 Muse Spark Open（xhigh）——后者是下一个最佳的非中国开发开源权重模型——最大差距出现在 Terminal-Bench 4.0（25% 对 8%）。它在 Intelligence Index 上落后于领先的开源权重模型 DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）6 分，主要原因是编码和智能体知识工作表现较弱：FrontierCode 2.0 上为 15%（两者分别为 29

匹配字段正文

帮助企业搭建专业数字助理和相应的运营平台。 企业微信与WorkBuddy之间，则更侧重能力互补。 企业微信提供组织沟通、员工与客户交互等业务上下文，WorkBuddy利用这些信息执行任务、交付结果。 王慧星认为，未来面向个人生活与企业生产力的Agent可能形成不同的产品体系，未必会最终收敛到单一入口。 Q16：WorkBuddy会不会过度依赖混元？腾讯还会与DeepSeek等第三方模型厂商进行联合优化吗？ 王慧星称，CodeBuddy团队与DeepSeek相关团队此前就已保持产品、工程和模型层面的沟通。 在他看来，不同模型厂商会针对具体场景优化端到端效果和成本，云平台与Agent产品也可以从这些优化中受益。 腾讯会继续保持开放接入，与不同开源模型团队开展交流和技术协同，而不是让WorkBuddy只能使用单一模型。 刘毅也提到，混元、DeepSeek、Kimi等模型的优化目标并非只针对某一个Agent平台，而是面向用户实际使用的任务场景。 当模型在日常办公、内容生成、代码开发等高频任务上的能力提升后，WorkBuddy可以直接将这些能力引入产品。 Q17：Agent完成复杂任务会消耗大量

匹配字段正文

4 preview实现了全面大幅提升，尤其强化了各类长程和真实生产力任务的能力，显著提升了思维链效率，并首次引入了视觉理解。 Hy4 flash也会在近期发布，提供极致性价比的实用模型，在继承Hy4视觉、Agent等强大能力的基础上，通过模型和产品的深度Co-Design高频进化。 腾讯始终坚持开放的策略，基于TokenHub平台，用户可通过API调用混元、DeepSeek、GLM、MiniMax、Kimi等主流开源大模型。配合Token Plan统一计费服务，企业能以极低切换成本，在多模型之间按需选用。 在内容生产场景，我们也推出腾讯云音视频AI WAND产品家族，提供主流的多模态模型、WAND-Vega多模态应用模型，与100余款自研的媒体处理工具，覆盖了90%的头部短漫剧出海客户，日均生成450万张图片、300万秒视频。 另外，在Agent Infra方面，今天我们也全新升级了Agent Runtime，围绕上下文管理、工具调用、安全沙箱、可观测、评测等关键环节做了系统性增强，让Agent跑得更稳、更可控，综合性价比更高，稍后我的同事会做详细介绍。 三、拦截高危操作、记录调用过程

匹配字段正文

提升该模型的网络安全能力。在 Artificial Analysis 网络安全指数中的 CyberGym E2E（用于测试防御性网络安全能力）中，这款法国模型再次领先于大部分竞争对手，得分为 79%，而 GLM-5.3 为 29%（不过在同一图表中，Z.ai 更小的 GLM-5.3 Flash 得分为 74%）。在 Mistral 的对比中，ML4 超过了 DeepSeek v4.1 Flash 1017 的 76%，并与 MiMo-V2.6-Pro 的 79% 持平。 点击放大图片。（来源：Mistral） 就此，Stock 解释了部分 Mistral 客户如何已将这一模型投入使用，用它支持自动化渗透测试，由专门的智能体分析应用程序日志并测试潜在的入口点。 以极低成本实现飞速提升 当 Mistral 于 10 月初公开发布 ML4 预览版时，该模型已在其欧洲数据中心约 3,800 块 Nvidia Grace Blackwell GPU 上训练了约两个月。Stock 表示，在过去三周里，该模型经历了“显著提升”，他将此归功于团队的强化学习。Mistral 自己的 Terminal-B

匹配字段正文

沿模型支出曾无约束地增长。随着开源权重模型的到来，工程师每人每月被限制在 300 美元的配额，以鼓励他们为任务选择正确的模型。 这些配额是实验性的，工程师可以向经理申请例外。Watt 说，外部托管模型的成本从失控到趋于平稳，再到现在的“急剧下降”。 未来，涉及中国 AI 模型的地缘政治问题可能会加剧。美国国土安全部本月禁止联邦民事机构使用中国 AI 开发商 DeepSeek 的 AI 技术，理由是存在“多种威胁向量”，包括可能向中国传输数据。但该命令并未区分 DeepSeek 的托管版本和企业可在本地服务器上运行的版本。 自主攻击性安全公司 Xbow 的 AI 负责人 Albert Ziegler 表示，该公司测试过 GLM，但未在生产中使用。但他并未排除开源权重模型。他的标准是相对于成本的性能、安全基准和客户接受度。 在 Xbow 的测试中，GLM 有时需要比闭源模型多得多的 token 来解决问题，抵消了其大部分价格优势。Ziegler 说，对于其生产应用，其他闭源模型——在此例中是埃隆·马斯克的 SpaceXSI 的 Grok——效率更高。 Ziegler 的一个广泛担忧是开源权

匹配字段正文

据，其在Terminal-Bench 4.0（一项命令行编程测试）上的得分从28%升至41%，仅领先中国的GLM-5.3一个百分点（40%）。在咨询公司Artificial Analysis的代码指数上，它获得48%，与同一GLM-5.3持平，同时每个任务平均少消耗47%的token（计费文本单位）。在Terminal-Bench上，Mistral还将其排在DeepSeek V4.1 Flash（31%）、Kimi K3（21%）和Muse Spark Open（6%）之前。 来源：Mistral 不过，Mistral在Hugging Face的文档中承认，中国最好的开放模型在同一公司的综合指数上仍然领先，Le Chonk在该指数上获得26分，是西方开放模型中的最高分。而恰恰是中国模型被搜索引擎Ecosia选中，于10月初取代Mistral。替代者中包括Qwen、Kimi以及GLM。Ecosia的老板Christian Kroll曾批评Mistral模型的质量，并称其落后竞争对手约一年。 API价格减半：输入每百万token 0.70美元（约0.63欧元），输出2.10美元（约1.89

匹配字段正文

另一个来自OpenAI，大多数公司会选择OpenAI的。也许OpenAI的模型确实更先进，它的benchmark更有代表性。但总体而言，人们本能地更信任美国的标准、指标和定义。这是事实。 Irene：第一部分我理解。发展中国家的购买力更低，所以投资者更相信那些能打动美国消费者的商业模式。但在技术层面，我的观察是，西方研究者理解并尊重中国实验室的能力，尤其是在DeepSeek之后。比如Kimi K3出来时，很多人都仔细读了它的论文。如果中国公司想影响技术术语，我认为绝对会有受众。 咸鱼：这是心态和自信的问题。中国人根本想不到要这么做。 Irene：这很有意思。我去年跟朋友开玩笑说，AI让中式英语复活了。中国媒体写AI技术时现在会混入大量英文词。我们终于有了“token”的中文翻译“词元”，但还有“agent”“benchmark”，甚至公司本身也用英文名。我一直觉得这很难理解。把自己叫DeepSeek或MiniMax，不会影响你们在中国的营销吗？ 咸鱼：Kimi的公司有中文名，月之暗面，“the dark side of the moon”，听起来挺不错。MiniMax的中文名是稀宇科技

匹配字段正文

gence Index v5：重建后的指数有 60% 基于私有测试（@TheRundownAI）。 Carbon 之前的排名：Opus 5.5 得分为 58，其次是 GPT-6 Astra（57）、GPT-6.1 Sol（55）、Sonnet 5.5（54）和 GPT-6.1 Terra（51）。 开放模型：Kimi K3.1 Pro 从 55 降至 46。DeepSeek V4.1 Flash 和 GLM-5.3 均为 32 分，低于 Claude Haiku 5.5 的 36 分。 中美差距：scaling01 认为在 AA Progress Index 上的差距约为 3.3 个月（@scaling01）。 FrontierCode 2.0 神秘模型：Cognition 数据中包含一个隐藏的“Obsidian 3”，得分为 46.8%，而 Opus 5.5 为 45.5%。由于它在 claude-code 框架中运行，一些人推测它是 Fable 5.5；这尚未证实（@kimmonismus）。 DeepSeek 更正：scaling01 更正了先前的识别，并表示 Artificia

匹配字段正文

萨芙拉·卡茨相信甲骨文真的能从与OpenAI达成的3000亿美元、为期五年的交易中获得任何实质收益， 她本不会卖出18亿美元的股票 在2025年第二季度, 更不用说 辞去CEO一职 在交易宣布两周后。 这笔交易 也宣布了。同样的情况也适用于 英伟达CEO黄仁勋他于2025年10月前通过一项2025年3月启动的计划卖出了10亿美元的股票——而2025年3月正是DeepSeek让市场对开源威胁感到恐慌的那个月——以及董事会成员马克·史蒂文斯，他卖出了 2026年第二季度9.46亿美元的股票出售. 引用彭博社2026年7月的报道，美国高管正以二十多年来第二快的速度抛售股票，仅次于2021年的狂热盛况。与此同时，据彭博社数据，企业回购规模为69亿美元，略高于七年低点67亿美元。 换句话说，尽管科技界和人工智能领域的每个人都在劝你 现在就买入，抢占先机，他们的实际 行动 表明他们不愿继续等待，看看接下来会发生什么。 那些你开始看到的、规模庞大且仓促达成的人工智能债务交易也是如此。据报道，博通的陈福阳举行了（据《华尔街日报》报道），“周末与银行高管的最后时刻谈判”以敲定他们为Anthropic一笔

匹配字段正文

型上的俄罗斯和伊朗影响力行动后，搜寻 ChatGPT 的滥用情况。 Artificial Analysis 发布了其“智能指数”AI 排行榜的 v5 版本，如今更多依赖私有测试，中国开源模型在排名中进一步落后，而 OpenAI 的新 Terra 模型尽管处于中端水平，表现却更胜一筹。 新 AI 初创公司 Particle 发布了 Particle-1，这是 DeepSeek V4.1 Flash 的一个变体，经过训练在编码任务上减少推理，使用的 token 减少约 45%，准确率几乎相同。 Anthropic 扩大了其政府采购协议，提供 40% 的 Claude 折扣，称民事机构的使用量一年内增长了约 20 倍，此前一名法官阻止了特朗普要求放弃该协议的命令。 Google 开放了一个需排队等候的预览版，允许美国开发者构建面向 Gemini 和 Search 的应用，多个合作应用也将在数周内登陆 Search。 🎓 亮点：新闻、指南与活动 Google 的 AI 世界现在可以回话了 AI 泡沫遇上 Anthropic 的真实数据 Zach Mink • 8 分钟AI Rowan Cheu

匹配字段正文

stral Large 4 现支持三种推理模式： 模式 推荐用途 低 简单任务；替代“无”推理模式 中 日常任务 高（默认） 需要高精度和深入推理的最难用例 除基准测试外，Mistral Large 4 的编码能力还得到了人类偏好的验证。在 Surge Code 的盲测成对评估中，Mistral Large 4 相比包括 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 在内的领先开放权重模型更受青睐，在受评估模型中仅次于 Claude Opus 5.5。 Surge Code - 代码上的人类偏好 与其他模型盲测对比的胜率 Mistral Large 4 胜 其他模型 评分者更偏好 Mistral Large 4 回答而非对手回答的提示占比。 为防御者而生。 自预览以来，我们一直与领先的网络安全厂商合作，在真实环境中评估 Mistral Large 4，以检验其在漏洞复现和修补方面的优势。 Mistral Large 4 在 Artificial Analysis Cyber Index 上得分为 51%，该指数衡量模型发现代码库中的漏洞、复现并验证漏洞，以

匹配字段正文

ent首字延迟较H200降低约10%—30%；多模态生成推理吞吐，天垓300相较H200提升约2%—5%；在搜广推等在线业务中，推荐推理吞吐提升21%、轻量计算时延降低26%。 训练方面，在基于Qwen3-32B模型的8卡整机FP8精度训练演示中，天垓300每卡有效吞吐达到H100的1.33倍。 强化学习已成为OpenAI、Google、Meta、xAI以及DeepSeek、Qwen、MiniMax、Kimi等国内外主力模型公开采用的核心后训练路线。据条件性工程估算，天垓300以1024张卡对已有预训练基座开展一次强化学习，在40B激活参数的中心情景下，约26天可完成约1T总参数MoE模型的500亿生成Token强化学习任务。 单天逸现场实测了天垓300与H200在文生图、文生视频方面的性能。 其生成了“一个亚麻发色、穿白色连衣裙的女生在冰面行走，赛博朋克风格”的图片，天垓300 4秒就生成了第一张图片。 此外，其现场生成了“豆包穿着骑士装迎娶奶龙”的视频。天垓300的吞吐量为0.628，相比H200更高，且任务的完成速度、服务端的推理速度更快。 在规模化交付层面，单天逸透露，天垓30

匹配字段正文

到 75%。 没有它，正确率会下降。 从 5 个条目到 200 个条目，没有代码模式时的成功率从 92-100% 下降到 62-79%。启用代码模式后，在 200 个条目时成功率仍为 92-100%。 这与往返次数无关。 模型已经在批处理：一次响应携带了 200 次工具调用。在 200 个条目时，对八个模型取平均，每个任务的模型请求减少了 1% 到 22%；deepseek-v4.1-flash 单独来看下降得更多。代码模式削减的是进入 每个请求的内容。 每个请求。 小型任务反而要付出代价。 在 5 个条目的任务上，代码模式在五个任务中的三个上成本更高（+21% 到 +38%）。在 50 个日常任务上，它总体便宜了 16%，但成功率持平（+1.6 个百分点，属于噪声）。 它运行在沙箱中，并且会留下痕迹。 在 Pydantic AI Harness 中，模型生成的代码在 Monty 中运行，Monty 一开始无法访问宿主机，并且默认会在代码片段执行 30 秒后或堆内存达到 256 MiB 时将其停止。借助 Pydantic Logfire 对智能体进行追踪, 代码发起的每一次工具调用都会

匹配字段正文

al-AA、SciCode 和 AA-LCR。四个类别各占 25% 的权重（权重）。 领先者：Claude Opus 5.5（max）得 58 分，GPT-6 Astra 57 分，GPT-6.1 Sol 55 分，Gemini 4 Argon 50 分。 开放权重差距：差距从 3 分扩大到 12 分。权重未公开的 Kimi K3.1 Pro 得 46 分。DeepSeek V4.1 Flash 1017 和 GLM-5.3 得 32 分，低于 Claude Haiku 5.5 的 36 分。 成本：在前十名中，GPT-6.1 Terra 每任务成本为 0.96 美元，Claude Fable 5.1 为 13.04 美元。评论者认为该指数的性价比曲线由 OpenAI 主导（Boris Power）。 FrontierCode 2.0（Cognition）：该基准使用刻意描述不充分的提示，并评判维护者是否应合并该变更。最高分为 45%（发布）。 排名变化：Muse Wonder 1.0 和 Gemini 4 Argon 在 DeepSWE v1.1 中领先，但在此处仅处于中游（讨论串）

匹配字段正文

由来已久。2021年，他与妹妹丹妮拉等人创立Anthropic，就是希望建立一家更加重视AI安全的公司。 2024年10月，阿莫迪发表了著名的长文《Machines of Loving Grace》（充满爱与恩典的机器），描绘了AI在医学、经济和科学研究等领域可能带来的巨大进步，同时也警告，先进AI可能被用于监控、信息操纵等危险用途。 到了2025年初，随着DeepSeek突然崛起，这些原本偏向长期风险的讨论，也有了更加现实的对象。 1月，DeepSeek-R1在硅谷引起轰动。阿莫迪随即发表文章《On DeepSeek and Export Controls》，承认DeepSeek取得了技术进步，但认为其成本优势被外界夸大，先进芯片依然重要，并进一步强调了限制技术扩散的必要性。 2025年2月，他接受ChinaTalk采访时，主持人就问了一个相当直接的问题：中国拥有全球约六分之一的人口，你一方面希望AI造福全人类，另一方面又支持限制中国获取先进AI能力，这两件事难道不矛盾吗？ 阿莫迪认为并不矛盾。他举例说，可以通过API向中国提供AI服务，用于药物研发、能源生产等有益的工作，同时限制军

匹配字段正文

值逻辑，投资人相比上半年本就更为谨慎。Astra之后，本已收紧的资金只会更加挑剔。 另一方面，头部大厂下场具身领域已经不是新闻，行业内认为，具身赛道的企业未来将不得不直面更为激烈的市场竞争。 最近，字节Seed Model团队密集更新数十个机器人岗位；OpenAI则在今年3 月就在湾区签下20万平方英尺的场地做机器人业务，9月机器人相关岗位招聘更是大幅增加；DeepSeek不久前也被曝领投腾讯前杰出科学家胡瀚创立的Winverse AI。相比这些庞然大物们，具身公司身量可谓尚未长成，在资金、算力、人才等资源的储备上都远不及通用大模型公司，可以想见接下来的严峻考验。 国内头部具身企业也有人主动谈及Astra带来的影响。以机器人本体能力见长的宇树科技，创始人王兴兴在10月中旬和下旬两次公开谈及GPT-6 Astra 带来的震撼，并坦言自己过去最大的错误是“对 AI 的相信还不太够”。 王兴兴提到，宇树没有对模型进行任何的训练，GPT模型就能控制机器人自主识别调色盘，更换颜料、清洗画笔等。快的话今年底或明年，机器人就有可能按照指令完成整理房间等任务。 他甚至预言，明年GPT-7出来，“可能直

匹配字段正文

业，毛利率终将回落到10%至20%的水平。朱啸虎甚至直言，Anthropic之所以急着在今年冲刺上市，也是因为心里清楚，等将来算力普及，靠前沿模型和编程工具赚60%到70%毛利的日子根本不可持续。 其言外之意，便是API业务今天能赚钱，全部得益于头部模型还有技术壁垒；将来难赚钱，是因为技术壁垒迟早会被摊平。 资本市场对这种终局风险的反应比谁都快。9月10日，DeepSeek发布了V4.1 Flash模型并宣布降价，当天智谱的股价还是下跌了10.34%，投行杰富瑞随后也将智谱API业务的估值倍数从50倍下调至30倍。 大模型的竞争从收入转向成本 提起中国大模型市场，外界最直观的印象就是出色的“性价比”。数据显示，Silicon Data的Token价格指数从今年5月底的2.04美元一路跌到9月初的0.97美元，首次跌破每百万Token 1美元的关口，背后的主要推手正是中国的开源模型。 但摩根士丹利的调研数据却指出：中国大模型API的实际平均价格非但没跌，反而在涨：2026年第二季度，国内模型平均输入价格为4.9元/百万Token，输出价格为21.9元/百万Token，比2025年第一季度

匹配字段正文

江大学后加入百度，从技术研发岗位起步，是文心一言模型早期的主要技术负责人之一。 2025 年 11 月，百度成立基础模型研发部，吴甜出任负责人，直接向 CEO 李彦宏汇报。此后百度基础模型团队经历组织调整：今年 5 月，吴甜不再负责基础模型研发部门，转任百度研究院副院长；7 月，大模型领域技术专家孙天祥加入百度，接管基础模型研发部。 就在 10 月 27 日，百度发布并开源了文心 Unlimited OCR 2，将文档解析的处理上限从数十页扩展至任意页数。该模型在面向多页文档的 MPDocBench 和评估百页级超长文档的 MarathonDocBench 上综合得分分别为 84.6 分和 77.1 分，达到端到端性能 SOTA。其技术核心是稀疏参考滑动窗口注意力机制，在百页文档场景中，单步解码速度相比 Full Attention 和上一代方案分别提升 7 倍和 5.6 倍。实测中，该模型可一次性解析《哈利 · 波特》全系列 7 部作品、累计超过 3600 页。 相关阅读： 《百度开源 Unlimited OCR 模型：基于 DeepSeek OCR，解析文档告别 AI 越生成越慢》

匹配字段正文

融资数亿元，零一万物要搬去DeepSeek大本营了智东西下载客户端 独家抢先看2026年10月30日 10:40:49 来自北京 作者 | 王涵 编辑 | 李水青 智东西10月30日消息，今天，零一万物宣布其于10月28日与杭州市、杭州市临平区达成合作，由市区两级国资联动投资，合计向零一万物投资数亿元。同时，零一万物总部将落地杭州临平区，打造产业AI转型基地。 零一万物由李开复博士在2023年创立于北京，作为早期的“大模型六小龙”之一，这家公司的发展方向已经从前沿大模型研发，转向面向企业的产业AI落地，主打把大模型能力落地到企业经营环节。 由商业查询平台天眼查可知，创立至今，零一万物已累计完成了3轮融资。2023年11月，零一万物完成一轮新融资，估值到达10亿美元，跻身独角兽行列；2024年8月，其又完成一轮数亿美元融资。不过这两轮融资都并非官宣，而是由媒体爆料而来。 ▲零一万物融资轮次（来源：天眼查） 目前零一万物搭建逐步搭建起了一套企业AI产品体系，覆盖基础大模型、企业Ontology（本体）、多智能体应用以及配套部署能力。 其自研万策AI平台依托企业Ontology，对接企业内部

匹配字段正文

GmbH 的外部内容，但我们无法获取你的同意设置。 请重新加载页面或手动调整你的同意设置。 与此同时，在智能体编程能力方面（Coding Agent Index），Gemini 4 Carbon 不得不让位于 Anthropic 的 Claude Opus 5.5。在 Terminal-Bench 和 Frontiercode 基准测试中，Anthropic 也处于领先地位。 初期仅面向选定用户开放 此外，据 Trendingtopics 报道，Carbon 目前仅向网络安全防御专家等选定用户开放。只有在完成美国政府的自愿预审流程后，新的 Gemini AI 才会向开发者、企业和消费者开放。广告广告 查看 4 张图片 Deepseek 是这样工作的——这也是它与其他 AI 模型的不同之处 来源：（图表：Dall-E / t3n） 无论如何，Google 通过发布 Gemini 4 Carbon 至少确保了一件事：在 Anthropic 计划上市前让其感到不安。观察人士认为，这家 AI 供应商有可能在 IPO 前夕再推出一款自己的更强 AI 模型，例如 Claude Opus 6。 首页

匹配字段正文