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。
The non-obvious detail is the self-test-and-fix loop: rather than stopping after generating code, Step 5 Preview verified the game actually ran, which is what separates deliverable output from demo code. Builders choosing between Chinese flagship models for agentic coding work can use this hands-on comparison as a practical reference, since the three models faced the same unconstrained prompt and had to pick their own architecture and project structure.
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…
This matters because it's a new, more efficient 552B model from DeepSeek that reduces hardware requirements and costs, making it more accessible for developers and businesses.
Cost-effective for developers needing multimodal capabilities, with lower input activation costs than comparable models.
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。
国家超算互联网上线了 DeepSeek V4 Pro 和 Harness，部署开发一站式，性能对标 Claude Fable 5，国产算力党可以关注。
国产超算平台直接上线 DeepSeek V4 Pro 正式版，还能一键部署和二次开发，Harness 框架也开源了，搞智能体开发的朋友可以看看。
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把V4 Pro转正，开源了Harness v0.1，但缓存涨价到6倍，跑智能体工作流得多算算账。
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。
DeepSeek 又发新版本了，V4 Pro 正式版 API 已上线，智能体能力更强，还支持 Codex，性能直逼 Fable 5。
DeepSeek 新模型只走 API，OpenRouter 上能直接试。三档推理等级画出来的鹈鹕都不一样，想玩可以拿同一道题对比看看。
DeepSeek 的新旗舰 V4 Pro 上线了，多项测试快赶上 Fable 5，关心模型性能的可以留意。
DeepSeek的V4 Pro正式版出来了，好几项直接对标Fable 5，现在开发者调用就能用上完全体，想试的赶紧上手。
DeepSeek V4 Pro正式版来了，实测跟Fable 5有得一拼，还藏了个大招，想玩智能体的朋友可以看看。
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。
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…
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-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…
