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.
The design lesson is that tiered model routing beats a single flagship model: classification, routing and field extraction do not need top-tier reasoning, and cheaper Chinese models handle them well enough to cut inference cost by double digits. Engineering leads building internal agents can copy the four principles, especially single-pipeline architecture and shipping features behind default-off flags. It is also a concrete case study of small teams automating sales ops rather than headcount.
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.
A frontier-class open-weight MoE model with only 25B active parameters means lower inference cost per token, which directly affects how cheaply developers can run agentic coding workloads. Practitioners using Cline can test it against Kimi K3 and DeepSeek V4 Pro at no charge before 13 October and decide whether it earns a paid slot in their stack.
Cline平台实测：DeepSeek V4 Pro比Claude Opus 5便宜30倍，9B tokens只需300美元。
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。
Bolt 给 1100 万开发者开放了 GLM 5.3 Flash 等开源模型，使用量提升 50 倍，比 DeepSeek V4 Pro 更快更便宜。
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。
Perplexity 把 DeepSeek V4 Pro 放进自家电脑了，跑分 0.359，每任务才 0.75 美元，比同档便宜六成多，性价比很能打。
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。
CodePilot 现在能白嫖 Grok 的绘图和视频模型，只要有 Twitter 会员就行，还支持检索推文，挺划算的。
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 V4 Pro涨价了，缓存命中直接翻12倍，峰值也贵了4倍多，做API的小伙伴赶紧看看成本。
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。
X 博主 oran_ge 说 DeepSeek V4 Pro 高峰涨了 12 倍，这幅度太夸张了，点进去看看怎么个事。
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。
看网友怎么催更 DeepSeek、GLM、Grok 新模型，三家都憋着不发布，评论区也挺欢乐。
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。
OpenCode Go 直接把 DeepSeek V4 Pro 放进客户端了，之前大家还在追 Flash，现在 V4 Pro 出来直接在 OpenCode Go 里用，想试新模型的朋友打开就能选。
idoubicc 开源了 DSCode，一个专为 DeepSeek 优化的编程助手，主打便宜、极速、稳定，还能换 GPT 和 Claude，完全免费。
DeepSeek V4 Pro 0813和Harness今天都有动静，想蹲一手最新测试成绩的可以看看。
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…
