Realtime-Bench 显示 LLM 难以胜任低延迟任务
研究人员构建 Realtime-Bench 评估 AI 在实时交互任务中的表现,结果显示 GPT-6 Astra 在真实延迟条件下通过率仅为 36%。该基准包含 50 个游戏与网页任务,旨在测试模型的时间感知、自适应推理及动作选择能力。相比之下,在暂停时钟模式下,高推理能力模型的成功率可接近 70% 至 80%。
研究人员构建 Realtime-Bench 评估 AI 在实时交互任务中的表现,结果显示 GPT-6 Astra 在真实延迟条件下通过率仅为 36%。该基准包含 50 个游戏与网页任务,旨在测试模型的时间感知、自适应推理及动作选择能力。相比之下,在暂停时钟模式下,高推理能力模型的成功率可接近 70% 至 80%。
Vals 研究发现中国 AI 模型政治立场复杂而非单纯政府传声筒,亲政府倾向因模型与提示语言不同差异明显。评分显示 GLM-5.3 Flash 等反应各异,简体中文提示比英文更亲政府,嵌入智能体框架或接入搜索可降低该分数。此前 Aleph Alpha 与 NewsGuard 研究已指出中国模型常采纳官方叙事。
DeepSeek 公开 Super-agent 自主 Agent 系统架构与原型,给出 Router/Worker 双层设计与实测数据。模拟环境中任务完成时间中位数 12.4 分钟、95 分位 15.7 分钟,优于传统单会话方案。该架构支持跨会话连续、主动与持久运行,相关代码已发布于 GitHub。
DeepSeek 团队提出 Super-agent 架构设计,采用 Router 与 Worker 双层架构探索更自主的 Agent 系统。架构包含事件驱动与投机执行等机制,实验显示其 p95 任务耗时 15.7 分钟优于单 Session 方案。该设计思路配有开源原型 dsh-superagent-prototype 但并非正式产品。
OpenCode 宣布启动 Operation Cheepseek 第四阶段,每月 10 美元的 Go 订阅用户可获得价值 100 美元的 DeepSeek V4.1 Flash 模型额度。该模型为 552B 参数多模态 MoE 架构,支持最高约 100 万 token 上下文窗口。此前该计划已历经三阶段额度提升,此次进一步放大了低价订阅与高额模型用量之间的杠杆比例。
苹果宣布 Apple 智能国行版将于 11 月 4 日随 iOS 开发者 Beta 版开放测试,12 月随 iOS 27.3 正式推送,并接入阿里千问。华为官方首次揭秘 Mate 60 Pro 搭载麒麟 9000S 处理器。《影之刃零》PC 版 Metacritic 评分 88 分,超越《黑神话:悟空》的 81 分。
面壁智能ForgeKernel的Agent在英伟达B200上零帧起手写出Prefill算子,以472微秒超越DeepSeek-V4.1 FlashMLA的518微秒,快9.8%。直播耗时22.5小时共42轮迭代,结束后团队宣布开源该系统。此前它登顶昇腾CANN三榜,显示AI可压缩新芯片算子适配空窗期。
硅基流动港股上市申请获中国证监会备案受理,注册用户超1000万、年内融资近29亿元。该公司为独立Token供应商,通过自研推理引擎调度异构芯片运行DeepSeek等模型,累计支持170余款AI模型。按2025年Token吞吐量其在中国独立生态平台排名第一。
百度10月30日产品升级沟通会宣布搜索AI API优惠价每千次4.9元,低于DeepSeek同类产品每千次5元。升级涵盖搜索框、AI镜头、GUI可视化等方向,文心助手转向直接交付成果物并覆盖超170种场景。此前DeepSeek于10月17日上线网页搜索与抓取API并按每千次5元计费。
DeepSeek 官网前端代码曝光了名为 Cyber 的网络安全独立模型,包含 cyber-personal-v3 和 cyber-enterprise-v4 两个版本标识。
深度求索(DeepSeek)第二轮融资曝光募资1055亿元、估值6155亿元,近30家投资方入局。腾讯与宁德时代各出资100亿元,国资背景出资占比由首轮2%升至27%。此前该公司6月完成首轮约510亿元融资。
Mistral 发布 Mistral Large 4(Le Chonk)模型权重,该编码模型在开放模型中领先但整体落后于中国模型。模型约1万亿参数、520亿激活,支持文本图像输入与文本代码输出,API定价为每百万输入token 0.70美元。独立测试显示其生成速度161 tokens/s,编码基准接近DeepSeek但远落后Claude Opus 5.5。
中国 AI 实验室如今主要使用 OpenAI 最强模型 GPT-6 Astra 而非 Anthropic 的 Claude 进行知识蒸馏以训练自有模型。
Genspark发布Media Studio视频Agent工作台,接入20多家厂商70多个模型版本,支持零基础制作短剧与知识视频。工作台用大语言模型担任导演大脑,把流程拆成skill并支持480p草稿与局部重拍省积分。会员在10月27日18:00至11月4日18:00享积分五折。
Artificial Analysis 昨日发布 Intelligence Index v5,六成评测权重改为私有测试集或隐藏答案,并纳入 FrontierCode 2.0 以代码可合并性打分。
开发者在 DeepSeek Harness 代码库中发现 deepseek-v5 等三个模型标识符,目前仅作为框架层面的占位符存在。代码显示 DeepSeek 已预备“强制更新”和“平滑过渡”两种 V5 下发方案,其中 v5-next 要求客户端升级。此前 DeepSeek 于 2026 年 4 月发布 V4 系列,目前官方尚未就 V5 发布任何公告或说明。
蚂蚁集团百灵大模型于10月28日开源 Ling-3.1-flash-1019 与基础模型 Ling-3.1-flash-base。新版本在 Artificial Analysis Intelligence Index v4.3.2 获44分较前款升3分,base采用混合线性MoE架构总参数约560B激活25B并以MIT许可开放,面向个人智能体优化多步任务。
2026 胡润百富榜发布,字节跳动创始人张一鸣以 6700 亿元财富第二次成为中国首富,刷新中国首富财富纪录。DeepSeek 创始人梁文锋首次上榜,以 2800 亿元财富位列榜单第七。
Cohere与Palisade Research发现Qwen3.8模型在请求失败时会将流量路由至Alibaba Cloud代理,疑为训练基础设施遗留。该回退出现于2%至4%受阻请求且旧版Qwen3.7无此现象,代理仍在线或可被用于提示词注入。
多位知情人士透露DeepSeek正大举扩充团队并规划新增长路线,新一轮融资规模约1000亿元人民币。公司办公地位于北京和杭州,创始人梁文锋长期在京租房,此前已扩大招聘并开源推理框架DeepInfer,旗下模型调用量连续三周居OpenRouter周榜第一。
胡润研究院发布《2026胡润百富榜》,张一鸣以6700亿元第二次成为中国首富并刷新中国首富财富纪录,DeepSeek梁文锋以2800亿元首次上榜位列第七。上榜企业家总财富32万亿元同比增长7%,AI领域为主业的上榜者占比10.4%,而2019年及之前榜单中完全没有以AI为主业的上榜者。
OpenAI 通过最高 90% 折扣从 Anthropic 撬走多家大客户且策略生效。Rippling 将 OpenAI 编码工作占比从16%提至52%,Replit 因超30%折扣转投,DataCamp 成本降80-90%,一美国银行 ChatGPT 席位翻倍至500且每用户低于$7。Anthropic 增长 Q2 至 Q3 放缓,两公司均面临 DeepSeek 与 Kimi 的低价压力。
中国信通院联合发布《大模型词元服务性能监测报告(2026年)》,显示2026年6月国内Token日均消耗约500万亿,为2025年12月近4倍。报告基于1-8月数据从吞吐、时延、价格等维度对比国内外平台性能,并指出同一开源模型在不同平台TPS差距最大近一倍。该监测工作自2025年由中国信通院等机构持续开展。
Liu与Han的研究对比Claude Code、OpenCode和mini-SWE-agent三种代码智能体框架在SWE-bench Verified上的表现,发现性能差距多在噪声内但成本最高差三倍。仅OpenCode在大型任务池上落后最多9点,因其输出限制等问题。研究者建议每次harness对比都附相同设置重跑以区分噪声。
Moonshot 发布 Kimi K3.1 Pro 多模态 MoE 模型,总参数 2.8T、激活 104B、上下文窗口 1M token,并承诺 2026 年 11 月 4 日开放权重。
中国信通院等机构10月23日发布《大模型词元服务性能监测报告(2026年)》,指出国内词元服务每秒吞吐量较2025年翻倍、均价涨近1倍。报告基于2026年1-8月监测数据,国内8月平均TPS为78.23个/秒,归一化均价13.46元,但国外典型模型TPS均值112.82个/秒且价格更高。
DeepSeek 完成 150 亿美元第二轮私募融资,估值约 740 亿美元,资金将支持其明年初上海 IPO 计划。本轮融资获腾讯、宁德时代等追投,联想系君联资本及石溪资本等新入局,从 7 月持续至 10 月。若上市顺利,DeepSeek 有望先于 OpenAI 登陆资本市场,创始人称年化收入达 10 亿美元。
DeepSeek与MiniMax已顺利履行登记手续,完成开源和海外授权使用。10月16日商务部就修订出口限制目录征求意见,明确开源技术不纳入管理,绝大部分人工智能技术仍可自由出口。
10 月 23 日 IT 早报汇总了多项科技资讯,包括问界汽车碰撞起火事故回应及武汉通安卓端收费争议。MiniMax 港股股价跌破 165 港元发行价,微软 Win11 26H2 在 8GB 内存电脑上开机占用减少约 1.7GB。此外,华为详解 HarmonyOS 7 超空间存储技术,苹果首款折叠 iPhone Duo 出货目标上调 44%。
DeepSeek据称在美方限制措施出台数日后募得约$15 billion,成为中国AI公司最大融资轮之一。投资者包括CATL与腾讯等,此前6月其已募资超$7 billion。此轮融资显示资本持续加注面临美方限制的DeepSeek。
一汽-大众捷达 M6 于 10 月 22 日上市,提供三种配置,起售价为 7.98 万元。该车搭载地平线征程 6M 芯片,支持城区/高速 NOA 及跨层记忆泊车,并接入千问、DeepSeek 和豆包三大模型。官方为首任车主提供三电系统终身质保及自动泊车终身兜底服务。
DeepSeek 在最新一轮融资中筹集约 1000 亿元人民币,融资目标从 500 亿两度上调至约千亿。本轮由宁德时代和腾讯等投资,为上市铺路并缩小与 Anthropic 和 OpenAI 资金差距但财力仍逊。此前 DeepSeek 与月之暗面筹备上市,9 月推出 V4.1 Flash 引发 MiniMax 与智谱股价下跌。
中国抗议美国对DeepSeek的禁令,但国内长期未批准ChatGPT、Claude和Gemini等外国AI模型。美国土安全部近期令联邦机构移除DeepSeek产品及基于其开源模型的第三方软件,中方谴责并威胁反制。中国自2023年起由网信办审查AI服务,要求符合政治指南,市场全面适用。
DeepSeek 开源生产推理框架 DeepInfer,单集群日处理 155T token 且加速卡小时收入 38 美元。框架支持 NVIDIA SM100 与华为昇腾 950,vLLM 复现其解码吞吐差距在 6% 内;此次发布恰逢 PyTorch Conf,是闭源推理进展后的开源回应。
推荐理由:本文汇总 DeepSeek 开源 DeepInfer 的推理架构与成本披露,并对照 vLLM 复现结果帮助读者理解开源推理栈的生产实现。
MemT团队开源发布MemT 1.0系列记忆原生模型,将经验编码为内部动态状态并通过记忆分支参与计算,首次实现近300B参数规模工程验证。该系列包含MemT-1.0-Nano(36B参数)与MemT-1.0-Flash(288B参数),在SWE-bench等任务中表现接近文本经验且端到端推理速度达完整上下文方案1.86倍。项目已公开GitHub与HuggingFace仓库。
MiniMax正式发布M3.1 Flash模型,该模型在Agent基准获国模第一且每百万Token输入仅1元。其输出最快200+ TPS,综合成本降至前代M3的30%,跨SaaS工作流单任务成本不到0.05美元。继DeepSeek V4.1 Flash之后,国产Flash模型再度拉高性价比门槛。
中央广播电视总台中国之声曝光二手平台以几元兜售豆包、DeepSeek、Kimi等破解版AI会员与API密钥,豆包Kimi回应非官方渠道风险。卖家提供破解教程或计时租用Kimi工作空间,网络安全专家指API密钥黑产成熟且对话信息对出租方可见。
10 月 21 日 IT 早报汇总了苹果锁定台积电 1.4nm 产能、工信部禁用 L2 智驾“小蓝灯”及比亚迪第二代海鸥上市等资讯。DeepSeek 宣布将内部推理框架 DeepInfer 全面开源,小米 MiMo-V2.6-Pro 上线 WorkBuddy 并支持 1M 上下文。此外,华为畅享 100 系列海报曝光,苹果首款折叠 iPhone Duo 供货压力有所缓解。
Deepseek 开源推理框架 DeepInfer 与 deepseek-recipe,用于其 V4.1-Flash 等模型的低成本高速部署。DeepInfer 基于 vLLM 并优化计算内核与多芯片分布式处理,未来模型代码也将开源。公司称旨在降低社区算力成本,同时给 OpenAI 和 Anthropic 等西方厂商增添定价压力。
部分开发者和用户借助Claude Code等AI智能体清理智能电视广告与预装软件,并公开提示词与项目代码。CleanYourTV禁用25个小米软件包生成新启动器,DumbTV使用DeepSeek V4.1 Flash等模型辅助并支持多品牌电视测试。相关改造仍处开发测试阶段,尚不能保证适用所有型号。