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。
技术方向
文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。
57 条精选近 30 天 36 条共收录 386 条
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。
DeepSeek 发布新模型 DeepSeek-V4.1-Flash-1017,官方网页端、APP 与 API 已同步变更。
推荐理由:原文给出新模型在性能提升的同时压缩运行时间和费用,并开放自研搜索 API,读者可据此评估 Agent 工作流的成本变化。
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。
NVIDIA 发布开源 120B 参数模型 Nemotron 3.5 Super VL,面向多模态智能体任务,并同步推出面向端侧的 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB。
推荐理由:原文列出了三款模型的参数规模、性能对比与部署入口,读者可据此为从数据中心到端侧的智能体选型。
Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。
推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。
阶跃今日正式开放 Step 5 Preview 模型权重,同步发布技术博客与配套开源开发工具。模型面向长程 Agent 任务,采用稀疏 MoE 架构,总参数量 600B、每 token 激活参数 27B,支持 100 万 token 上下文窗口,原生支持文本与视觉输入,近期在 OpenRouter 周调用量与日调用量榜单均位居全球第二。
推荐理由:原文给出了 600B 稀疏 MoE 与百万 token 上下文的关键设计,读者可据此判断它在长程 Agent 场景中的适用性。
10 月 15 日消息,上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型 S2,基于“通专融合”技术路径通过人机协同完成三维 Ghys 猜想证明,论文已在 arXiv 发布。
推荐理由:原文展示了人机协同证明数学猜想的完整闭环,读者可了解专家直觉接入机器求解回路这一可迁移的科研范式。
Google Research 公布 Earth AI 地理空间推理智能体的三项更新,涵盖技术报告、合作伙伴实测结果与早期访问扩展。技术报告在 GeoExpertQueries、GeoKTools、CBGB、UnivEARTH 四个基准上对比四种智能体配置,表明领域专用技能与前置规划显著优于开箱即用的 LLM,两个新基准的开发集已全部开放。
推荐理由:报告用四档配置在四项基准上对比表明,领域技能与前置规划是通用 LLM 应对真实空间推理任务的关键。
OpenAI 宣布 GPT-6 在 ChatGPT 全球推出,并带来 Intelligent UI。新版本提供更快响应,支持可视化内容与可直接探索和使用的交互体验。
推荐理由:官方宣布 GPT-6 在 ChatGPT 全球推出并带来 Intelligent UI,读者可据此了解响应速度与可视化交互的变化。
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 与实验性 d1-omni-600M,d1-3B 在 Decision Index 0.2.1 得 48.57 分,超过 Decider 35B-A3B(47.11)。
推荐理由:d1-3B 在 Decision Index 0.2.1 上以 48.57 分超过 Decider 35B-A3B,为端侧结构化决策提供了可复用的开源权重方案。
Google 推出全新 SynthID 网站,向所有用户开放验证图片、视频和音频是否由 AI 生成,此前该工具仅限部分记者、媒体从业者与研究者测试。网站支持 JPG、PNG 等图片格式、MP4 等视频格式和 WAV 等音频格式,Gemini、Veo、Lyria 等模型与工具已用 SynthID 为生成内容添加水印,OpenAI、Nvidia 和 Kakao 也支持该标准。
推荐理由:对比 OpenAI 自建检测站点与 Microsoft、Meta 各自标准,可以看出 AI 内容溯源仍缺乏统一方案。
Google DeepMind 发布 EmbeddingGemma 2,一个基于 Gemma 4 架构、740M 参数的开源轻量级多模态嵌入模型,采用 Apache 2.0 许可,可将文本、图像、音频和视频统一映射到同一嵌入空间。
推荐理由:原文给出了参数量、模态拆分与量化后的内存占用,便于读者判断它能否直接落到自家端侧检索链路中。
Mistral AI 发布 Mistral Large 4(ML4)公开预览,1 万亿参数、490 亿活跃参数的原生多模态模型,为其迄今最大最强模型。权重将于本月底开放,模型在 Mistral 自有欧洲数据中心基于 3,800 块 NVIDIA Grace Blackwell GPU 完成训练。
推荐理由:官方公布 ML4 在网络安全、编码与多模态基准上与闭源模型的对比数据,读者可据此判断开放权重模型的当前位置。
Microsoft Research 发布 Quine,一个面向生物学的多模态世界模型与交互式研究系统,把模型、科研工具、文献与湿实验连接进闭环。在与 Broad Institute(哈佛与 MIT)合作的胰腺导管腺癌研究中,Quine 用一个周末完成数千化合物的预测与排序,最高排名化合物在多个湿实验中产生了最大的靶向细胞状态转变。
推荐理由:原文展示了多模态生物世界模型如何与湿实验形成闭环,读者可据此判断 AI 在药物筛选与实验设计中的实际作用边界。
Google Research 发布面向连贯长视频生成的研究框架套件,将长视频生成建模为全局优化与世界状态追踪问题,在多镜头叙事一致性与角色持久性上取得显著提升。
推荐理由:原文把长视频生成拆解为全局优化与世界状态追踪四个框架,并给出各基准上的量化提升,可据此对照现有 Agent 编排管线的短板。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,将近实时视频生成与语音结合,为 Gemini 实时对话模型增加能看、能听、能说的动态虚拟形象。该功能今天起在 Gemini Enterprise 可用,支持后台异步工具调用、97 种语言间的无缝语音同步切换,以及基于参考图像定制品牌虚拟形象,所有音视频输出均带 SynthID 水印。
推荐理由:原文列出了实时视觉形象、后台异步工具调用与 97 种语言同步能力,读者可据此评估企业级虚拟客服的落地方式。
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,前者主打规模与成本效率,后者面向高复杂度任务的多步推理。
推荐理由:原文给出两款模型在语音对话质量榜和多项 agent 基准上的具体得分,并说明开发者与企业的分阶段获取入口,可据此评估落地成本。