跳到正文
10月19日周一
  1. 掘金81

    DeepSeek-V4.1-Flash-1017 上手实测:3D 直出效果到底如何

    作者花半天用 DeepSeek-V4.1-Flash-1017 直出四个项目(雨夜公交站、3D 飞行特斯拉、3D《千里江山图》、折叠掌机),都能跑但都不达预期:模型能把元素堆上去,却看不出比例、相机穿模、折叠结构等空间关系问题。

    推荐理由:作者用四个有现实参照的 3D 项目实测,发现模型能交付初版但缺乏空间自检能力,读者可据此判断它适合接哪类任务。

  2. 掘金48

    16 项 RAG 技术终于整理明白了:它们各自解决什么问题

    文章以虚构的企业技术知识助手为主线,将 16 项 RAG 相关技术按解决的问题分类梳理,帮助理解它们之间的关系与适用边界。这些技术并非从低级到高级的升级路线,而是围绕不同问题形成的解决方案——Hybrid Search、Reranking 属于单环节增强,Agentic RAG 则改变整个系统的运行方式。技术并非用得越多越好,关键在于判断何时需要、为何需要。

  3. 掘金25

    AI 热点日报(2026-10-19):DeepSeek V4.1-Flash 落地,国产十万卡超集群亮相,Meta 开源 816B 大模型

    DeepSeek 正式发布 V4.1-Flash-1017,网页端、APP、API 三端同步切换上线,被视为国产大模型又一重磅迭代。Meta 开源总参数 8160 亿、激活参数约 42B 的多模态大模型 Muse Spark Open,支持 100 万 token 上下文,专为编码与智能体任务训练。我国首个全国产十万卡 AI 超集群真机也在 2026 全国高性能计算学术大会上亮相。

  4. 掘金48

    ZoomCap:「写得长」不等于「信息全」——草稿路由 + 自适应放大,把漏掉的小字小物补回来

    蚂蚁集团与浙江大学提出 ZoomCap 稠密描述框架,用草稿描述驱动检索、OCR 与定向放大三路证据按需路由,补回长描述漏掉的小物体与图中文字。配套 FactCycle 评测显示每图可回放事实 52.4 条,是最强基线 ScaleCap 的 1.7 倍;35B 教师模型在人类盲评中以 81.9% 偏好分胜过 Qwen3.5-397B-A17B。

10月18日周日
  1. 掘金46

    RAG 进阶:Agentic RAG 与多智能体协作(系列二·第3篇):多模态 Agent

    本篇讲解如何用 LangGraph 搭建多模态 Agent,把感知能力从纯文本扩展到图片、PDF/Excel 与图像生成。路由节点按模态分流:图片转 Base64 交由 GPT-4o / Claude 3.5 / Qwen-VL 分析,PDF 按原生文本或扫描版分层提取,Excel 生成数据摘要后交模型决策,画图调用 DALL·E 3 / Stable Diffusion。

  2. 掘金83

    实测 DeepSeek V4.1-Flash-1017:一句话生成可玩游戏,但思考会吃掉大部分输出预算

    DeepSeek 于 10 月 17 日 18:07 将 V4.1 Flash 更新到 V4.1-Flash-1017,网页端、App、API 三端同步切换,API 名 deepseek-flash 与价格均不变。

    推荐理由:实测发现 high 推理档下思考会吃掉大部分输出预算,代码生成需把 max_tokens 给足 32,000 以上,否则交付物被截断。

10月17日周六
  1. 掘金61

    从能读取到能研究:我们如何把 Agent 的 PDF 工具升级为可追溯的多模态能力

    作者团队把投研 Agent 的 PDF 工具从纯文本提取升级为可导航、可核对证据的多模态研究能力。核心做法是把阅读拆成搜索、定位、读取三类接口,由 Reader 签发有效页面位置并独立记录文本、表格、页面图像的实际覆盖范围,资源上限按 PDF 与网页等内容类型分别约束(PDF 统一为 10 MiB,网页仍受 2 MiB 响应限制管理)。

  2. IT之家49

    223 道题、2651 条标准:阿里 Qwen 开源 BlenderWorld,给 AI 出了一套 3D 建模大考

    阿里 Qwen 团队开源 BlenderWorld 基准,用于评测视觉智能体在 Blender 中完成真实 3D 创作任务。该基准含 223 个任务和 2,651 条评分标准,要求 AI 交付可编辑的 .blend 工程文件,而非仅生成图像。项目采用 MIT 许可证,代码与数据集已发布至 GitHub、Hugging Face 和 ModelScope,支持任意生成框架接入测试。

10月16日周五
  1. 掘金23

    开发者视角:AI 无限画布工具选型需要关注哪些指标

    AI 无限画布开发者选型的核心是底层渲染引擎、多模态节点编排、API 开放能力、算力调度、数据安全、运维容错六大工程化指标,而非单纯的生图效果。星宇智算无限画布开放瓦片尺寸、重叠率等分片渲染参数,配套星桥 API、组织/项目/画布/节点四级权限与星元按量计费,同时支持 SaaS 与私有化部署。技术团队应先明确业务场景、并发规模与合规约束,再以基准、压力、并发等 POC 用例的实测数据完成选型决策。

  2. 量子位23

    京东11.11:首日下单用户数同比双位数增长、超百项服务首次全景亮相

    京东11.11于10月12日晚8点全面开启,首日下单用户数实现同比双位数增长,同时正式宣布服务全面升级,首次全景展示超百项细分服务并推出服务“333”计划。京东AI成果已在零售、物流、健康等3000多个场景应用,包括AI购物助手“东东”、数字人JoyAvatar及“超脑”大模型3.0。京东体系生产性服务规模已超3000亿元,服务企业客户超1000万家。

  3. 掘金44

    用豆包工作「无限画布」,我也能把小说做成漫画

    豆包工作"无限画布"可读取小说项目并自动生成漫画:Agent 负责规划、拆分镜与推进,图像模型负责作画。实测将一部 70 章小说的第一章生成 6 屏 18 格全彩竖屏条漫,耗时约 18 分钟,还能自查重绘、按框选修改对话气泡。用户可在电脑端下载"豆包工作"体验,限时免费领取 30 天会员。

  4. 阮一峰科技周刊29

    科技爱好者周刊(第 415 期):3D 版《看不见的城市》

    有人用 GPT-6 Astra 和 Claude Opus 5.5 为卡尔维诺小说《看不见的城市》中的 55 座城市生成 3D 可视化版本,Claude Opus 5.5 对原著意境的还原远胜于 GPT-6 Astra。本期周刊还收录了 Deno 被 Cloudflare 收购并将彻底停止维护、花 600 美元在 Qwen3.5 0.8B 和 4B 上微调本机决策模型等内容。

  5. Hugging Face Blog88

    Meta 发布开源前沿多模态 MoE 模型 Muse Spark Open

    Meta 发布开源多模态混合专家模型 Muse Spark Open,总参数约 816B、每 token 激活约 42B,上下文窗口最长 1M tokens,支持文本、图像、音频、视频输入并输出文本。

    推荐理由:文章给出 816B 参数 MoE 模型从推理部署到 LoRA 微调的完整配方,可作为同类开源大模型落地的参考路径。