Vulnerability rediscovery is becoming a measurable benchmark for frontier models, and a Chinese model matching a top US lab result suggests the capability gap on security-relevant reasoning has narrowed. Security researchers and red teams can weigh these pass@3 scores when picking models for bug-hunting workflows. The poster argues the result reflects data scale rather than copying a competitor's outputs.
NVIDIA 新一代 Vera Rubin NVL72 的跑分出来了，跑 DeepSeek V4 Pro 每兆瓦吞吐量是上一代的 5.7 倍，还刷出 906 tok/s 的单用户最快速度。
The MI355X's 288GB of HBM3E per GPU gives it an edge on very large models like the 1.6T-parameter DeepSeek V4 Pro, but serving-stack maturity on ROCm remains the bottleneck at higher loads. Teams evaluating accelerator purchases for agentic inference can now compare AMD and NVIDIA on realistic coding-agent workloads rather than synthetic throughput numbers. All results run on ROCm nightly builds of vLLM and SGLang, so scores should improve as the software stack matures.
Agent benchmarks that measure office-app workflows, rather than chat or coding, are becoming a separate leaderboard from traditional evals, and Mistral is staking its position on it. Developers building automation agents on Gmail, Sheets or Salesforce should check whether the benchmark's task design matches their use cases before switching models. Comparisons against Kimi K3 and DeepSeek V4 Pro also frame it as a European lab competing on agentic execution.
有人把多个模型混着调用，30 个智能体任务测下来追平 GPT-6 Astra，成本只要 1/3，混合路由这事有数据了。
Bolt 上开源模型首周，开发者选最快 DeepSeek V4.1 Flash，该版本在 Bolt Forge 中上线，使用量是 DeepSeek V4 Pro 的 10 倍。
Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
DeepSeek不仅发布了新模型V4 Pro 0813，还开源了评估工具，让开发者能透明复现性能并自定义评估框架。
看 DeepSeek V4 Pro 翻车实测，便宜版 Flash 反而更强，High 模式干翻 Max，还有 Harness 能否救场。
GLM-5.3开源发布了，743B后训练，主打编码和网络安全。蹲个价格，看它能不能背刺Grok和DeepSeek。
GLM-5.3来了，这周还有Grok 4.6和DeepSeek V4 Pro，模型更新扎堆，看看哪个最强。
Gemini 3.7 Flash 转正了，编码和智能体跑分大涨，价格还砍半。生产环境被 Preview 并发坑过的话，可以上手试试。
DeepSeek V4 Pro 0813 正式更新，峰值定价是原来的四倍多，用 API 的朋友注意钱包。
Deepseek正式发了V4 Pro 0813，价格也定了，峰值输出贵4倍多，要调用的话得挑空闲时段。
DeepSeek把V4 Pro的智能体能力一口气拉高了，DeepSWE涨了快50分，写代码和操作终端都更顶了，现在就能在OpenRouter上直接用。
DeepSeek 悄悄改了 V4 Pro 版本号，但更新日志和公告都没跟上，连跑分也只比 V4 Flash 高 1 分，想确认是不是撤了模型的可以看看这个讨论。
DeepSeek V4 Pro正式版被曝比V4 Flash只强1分，涨价还可能取消，买之前建议先看看这条。
DeepSeek V4 Pro不开思考模式就能按提示词生成鹈鹕撞大象的SVG动画，效果挺逗，价格和限流也都摸清了，来看看。
vista8用Deepseek V4 Pro 0813跑了三个活：网站部署、60种设计风格、3D游戏，视频挺直观。
有人用同一组提示词跑Grok 4.6和DeepSeek V4 Pro，Grok在打砖块场景和Bento样式上都很惊艳，部分比DS 4 Pro还好看。
DeepSeek出了V4 Pro 0813，多项跑分超过Opus 4.8，比Fable便宜100倍，想省钱又想要性能的可以看看。
有人拿Grok 4.6和DeepSeek v4 Pro 0813比了比，说成功率Grok稍好，但DeepSeek便宜不少，预算有限选它更香。
DeepSeek V4 Pro 到底行不行？这条推文用公开数据聊了聊它为什么不够惊艳，顺便夸了 Flash 和 GLM-5.2，观点挺实在。
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
DeepSeek 悄悄放出了 V4 Pro 的 API 文档，想抢先试新模型的开发者赶紧去 api-docs.deepseek.com 看看快速开始。
中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
DeepSeek V4 Pro 跟 Claude Fable 只差 0.3%，又赶上新一轮融资，colaos.ai 的六倍 DeepSeek 额度还能撑多久真不好说。
DeepSeek V4 Pro编程只比Claude旗舰差0.3%，API价格便宜很多，还适配国产芯片，性价比拉满。
OpenRouter按真实花费给模型排名，DeepSeek V4 Pro拿下Shell执行第一，Kimi K3拿下工具调度第一，开放模型领先。
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
geekbb 晒图：同 Flash-preview 架构，重训后超 V4-Pro，但没有具体分数。
阿里云发了个 2.4T 参数的开源模型 Qwen 3.8 max preview，性能接近 Fable 5，首月才 4 美元，还能在 Claude Code 里用，可以试试。
Moonshot 的 Kimi K3 在前端编码上打败了所有美国模型，而且模型更小，值得关注。
