Chinese contentDeepSeek-V4.1-Flash-1017 发布，性能提升成本更低
DeepSeek 刚发了 V4.1-Flash-1017，跑分更强、响应更快、输出还更省 token，官网和 API 都能直接用了。
Latest
Every published item, in order · 648 items
10月17日
Chinese contentDeepSeek-V4.1-Flash-1017 发布：Terminal-Bench 4.0 从 31.2 升至 42.3
DeepSeek 这个所谓小更新在 Terminal-Bench 4.0 上直接涨了 11 分，还超过 Opus 5 和 GPT-5.6 Sol，权重又是 MIT 开源，写代码的可以试试。
DeepSeek-V4.1-Flash-1017 replaces Gemini 4.1 Flash on RSS site
A real-world swap test between DeepSeek's latest flash model and Google's 4.1 Flash on a production translation pipeline, with thinking intensity set to High as the variable. Developers running cheap bulk-translation or summarisation workloads can copy this setup to benchmark latency, output length and quality on their own content. Those already using DeepSeek Harness should update to v0.2.1-rc.1 before adopting the new model.
Chinese contentKimi V4.1-1017 编程任务表现平平：想法多但常被丢弃
有开发者实测 Kimi V4.1-1017 编程能力，说它想法很酷但老是半途丢弃，值得跑分前看看真实体验。
Chinese content10月17日AI简报：DeepSeek、OpenAI、Google、NVIDIA 多家模型与产品更新
DeepSeek 开源了推理更强的 V4.1-Flash-1017，Perplexity 也开源了两款决策模型，程序员和折腾党今天能下载的好东西不少。
Chinese contentvLLM 团队庆祝 DeepSeek-V4.1-Flash-1017 发布，达成 1.3B tokens/美元 TCO
vLLM 官方晒出 DeepSeek-V4.1-Flash-1017 的服务成绩：每美元 1.3B tokens，单卡 830K tok/s，跑智能体循环很省钱。
Chinese content用 DeepSeek harness 和 V4.1-Flash-1017 做 SVG 相机
有人用 DeepSeek V4.1-Flash-1017 做了个 SVG 相机，作者说效果像 Sonnet 5.5，想看实际效果的可以点开视频。
Chinese contentDeepSeek V4.1-Flash-1017 发布：编程与 Agent 执行能力明显提升
DeepSeek 刚更了 V4.1-Flash-1017，写代码和跑 Agent 任务明显变强，专项基准还赢了 GPT-5.6-Sol，不过综合推理还是 Claude Opus 5 更稳。
Chinese contentGLM-4.1V-1017 Flash 生成速度大幅提升，但后半程需要人工干预
有人拿同一个画乌龟的提示词对比了 V4.1 Flash 新旧版本，新版本快很多，但快到 90% 会开始磨蹭，得手动拉一把，实测细节挺有用。
Chinese contentDeepSeek-V4.1-Flash-1017 发布：DeepSWE 编程成绩升至 77.0
DeepSeek 更新了 V4.1-Flash-1017，编程测试涨到 77.0，还专门改了话痨问题，输出更精简，权重直接开放下载。
Chinese contentDeepSeek V4.1 Flash-1017 编程基准超越 GPT-5.6 Sol，价格低一个量级
DeepSeek 新版开源模型，编程基准打平或超过 Opus 5，价格却只有零头，想省 API 成本的可以看看测试细节。
Chinese contentDeepSeek 开源 DeepSeek-V4.1-Flash-1017 模型
DeepSeek 把 V4.1-Flash-1017 的权重直接放上 Hugging Face 和 ModelScope 了，想本地跑的可以去下载试试。
Chinese contentDeepSeek-V4.1-Flash-1017 发布，性能与成本同步优化
DeepSeek 更新了 V4.1-Flash-1017，跑分更高、出结果更快、输出还更省，写代码工具也做了适配，可以直接在 API 里换上试试。
Chinese contentDeepSeek 发布 V4.1-Flash-1017：性能更强、输出更短
DeepSeek 刚发了 V4.1-Flash-1017，跑分更高还更快，输出更短更省钱，用 CodeBuddy 的人可以直接升级试试。
Chinese contentDeepSeek V4.1 Flash 1017 上线 OpenRouter
DeepSeek 的 V4.1 Flash 1017 已在 OpenRouter 上线，更省 token、智能体任务表现更好，可以直接调来试试。
Chinese contentDeepSeek 发布 V4.1 Flash 1017 版本，开放自研搜索 API
DeepSeek 的新版本在自家 SWE V1.1 基准跑分领先，成本更低还开放了搜索 API，做开发工作流的可以看看
Chinese contentDeepSeek 发布 V4.1-Flash-1017：性能更强、输出更短
DeepSeek 刚发的 V4.1-Flash-1017，跑分更高还输出更短，用 CodeBuddy 或 Harness 的可以升级试试。
Chinese contentDeepSeek 发布开源模型 DeepSeek-V4.1-Flash-1017
DeepSeek 新出的 V4.1-Flash-1017 是开源的，DeepSWE 1.1 跑分 77%，把 GPT-5.6 Sol 和 Opus 5 都比下去了，价格还便宜。
Chinese contentDeepSeek 发布 V4.1-Flash-1017 并下调 API 价格
DeepSeek 周末更新的 V4.1-Flash-1017，性能更强还降价，搜索直接做成 API，5 元一千次，Agent 开发者可以马上试试。
Chinese contentDeepSeek V4.1 Flash 1017 发布，强化从零构建完整项目能力
DeepSeek 周末悄悄更新了 V4.1 Flash 1017，主打一句描述就能生成完整游戏或 3D 项目，做独立开发 or 玩编程的可以试试。
Chinese contentV4.1 Flash 1017 通过自反馈 RL 强化从零搭建完整项目能力
V4.1 Flash 1017 更新了，用自反馈 RL 让模型能从零做出完整游戏和 3D 项目，搜索功能被网友点赞。
DeepSeek V4.1 RL environment counts still hard to compare
RL environment counting has become a reporting gap: different labs may describe the same training run with wildly different sandbox numbers, making cross-lab comparisons unreliable. Practitioners tracking frontier RL scaling should read both the DeepSeek paper and the Beam blogpost before citing either figure. The expectation that V4.1F-1017 outperforms Beam sets up a concrete head-to-head comparison to watch.
Chinese contentDeepSeek-V4.1-Flash 小幅更新：推理、编程与多模态基准提升
DeepSeek 给 V4.1-Flash 做了次小更新，推理、编程、看图都变强，跑任务还更快更省 token，开源党可以关注下。
Chinese content博主点赞 DeepSeek V4.1 的多视角智能体表现
有博主晒 DeepSeek V4.1 跑多视角智能体的效果，说分歧视角输出很有意思，想看 V4.1 实际表现可以瞄一眼。
Chinese content华为 CloudMatrix 推理栈以 DeepSeek 为默认参照展示 V4.1 Flash
华为用 DeepSeek 当参照秀自家算力：2 机柜就能训练，273K tok/s，不过序列长度和适用场景都有局限，看看具体数据。
Chinese contentDeepSeek V4.1F-1017 疑似曝光：5 分钟生成前端界面，对比力压 Opus
有人拿没官宣的 DeepSeek V4.1F-1017 做前端，5 分钟出活，还敢说比 Opus 强，看看截图自己判断。
Chinese contentDeepSeek-V4.1-Flash-1017 疑似就是 DeepSeek-V4.2-Flash
有人发现 DeepSeek 这两个版本号可能其实是同一个模型，用 DeepSeek 的朋友可以看看自己的 API 版本对应关系。
Chinese contentDeepSeek V4.1-Flash-1017 疑似上线：deepseek-flash 的 system_fingerprint 已变更
DeepSeek 的 flash 模型指纹变了，疑似悄悄上了 V4.1-Flash-1017，有人说变聪明也更简洁了，可以自己试试对比。
Chinese contentMeta Muse Spark Open 测试速报：复杂算法尚可，空间理解拉胯
有人实测了 Meta 新开源的 Muse Spark Open，结论是打不过 DeepSeek-v4.1-flash，还特能幻觉，想本地部署的先看看再决定。
Chinese contentMeta 发布开源权重模型 Muse Spark Open：816B 参数，登顶美国开源权重榜首
Meta 放了个 816B 的开源权重模型 Muse Spark Open，美国开源第一，1M 上下文还能塞进两台 Mac Studio 自托管，不过跑智能体任务不如 GLM-5.3。
SWA Attention: DeepSeek and Kimi Chose Independent Architecture R&D Instead
The takeaway is that attention architecture choice has become a strategic fork: American spinouts standardise on SWA while Chinese labs treat attention design as proprietary IP. Engineers evaluating open-weight models should look past parameter counts and check which attention variant a model uses, since it shapes cost and context behaviour. The comparison with Mistral's stack gives a concrete reference point for judging the trade-offs.
10月16日
Chinese content用 Recraft V4 Styles 制作包豪斯瓷砖风图标
Recraft 官方晒了 V4 Styles 做的包豪斯瓷砖风图标，配色和拼贴感挺特别，提示词就贴在评论区，可以拿去抄作业。
Chinese contentNVIDIA Vera Rubin NVL72 首批基准成绩公布
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。
Chinese contentMeta 开源 Muse Spark Open：816B 参数、1M 上下文、支持全模态输入
Meta 开源了 816B 的 Muse Spark Open，主打 1M 上下文和 Agent 任务，作者还算清了要跑起来得 700GB 显存，看看你的卡够不够。
Chinese contentMiMo V2.6 Pro 登顶 Agent Arena 开源模型榜首
小米 MiMo V2.6 Pro 超过 DeepSeek 登上 Agent Arena 开源第一，单任务才 $0.11，做智能体的可以看看这份榜单。
Chinese contentMicrosoft MAI-Base-2 预训练完成，FLOPs 效率达 DeepSeek-V4-Pro-Base 的 4-12 倍
微软自家基座模型 MAI-Base-2 训完了，号称算力效率是 DeepSeek-V4-Pro-Base 的 4-12 倍，还顺手把省下的算力拿去训更大的模型。
Chinese contentMicrosoft AI 称以 1/12 训练算力在代码任务上追平 DeepSeek-V4-Pro-Base
微软 AI 的 Mustafa Suleyman 说他们用少 12 倍的算力就在代码评测上追平了 DeepSeek-V4-Pro-Base，不过细节还没发，先看看数据再说。
Chinese contentDeepSeek V4.1 在 Opencode 上可免费使用
自己花几万块攒 v100 跑 DeepSeek V4.1 的人发现 Opencode 上直接免费用了，搞编程的可以白嫖试试。
Nemotron 3.5 Super VL Powers Deep Agents via ChatNVIDIA
Speed, not raw accuracy, is the headline here: a 55% reduction in total task time against DeepSeek V4.1 Flash suggests latency-sensitive agent pipelines are where this model fits best. Developers building Deep Agents workflows in Python can test it directly through ChatNVIDIA with open weights, making self-hosting or cost comparison against closed APIs straightforward.
