Vals 报告称 AI 模型可被游戏框架诱导将平民和学校标为军事目标
Vals 报告称多家公司的 AI 模型可被游戏框架诱导把平民和学校标为军事目标。研究覆盖 OpenAI、Anthropic、Google、DeepSeek 等公司的模型,用模拟场景、生成图像和乌克兰与伊朗真实图像测试;伊朗学校案例中,Claude Opus 5.5 在普通和游戏框架试验中分别有69%和72%选中学校。
Vals 报告称多家公司的 AI 模型可被游戏框架诱导把平民和学校标为军事目标。研究覆盖 OpenAI、Anthropic、Google、DeepSeek 等公司的模型,用模拟场景、生成图像和乌克兰与伊朗真实图像测试;伊朗学校案例中,Claude Opus 5.5 在普通和游戏框架试验中分别有69%和72%选中学校。
Cloudflare AI 平台产品负责人 Michelle Chen 在 AI Engineer Code Summit 上称公司正转向 Neolab,并已推出 Clef 和 Clairic 两个 System One 模型。
阿里 Qwen4-Max、腾讯 Hy4、月之暗面 Kimi K3.1 Pro 收紧网络攻击能力,智谱 GLM-5.3 进行了安全审查,AI 技术出口管制也在酝酿调整。
谷歌云在 MLPerf Training v6.1 基准测试中提交结果,8192 颗第七代 Ironwood TPU 用时 102 秒完成 DeepSeek-V3 671B 预训练达标。该配置相比 2048 颗提速约 2.96 倍,4096 颗配置扩展效率达 96%。同轮测试中,英伟达 10240 颗 GB300 GPU 集群以 82.8 秒创下该项目最短用时。
阿里通义千问 Qwen4-Max 正式上线,采用 MoE 架构并原生支持视觉理解,提供 100 万 Token 上下文窗口,任务成本较上一代降低超 60%。该模型已开放 API 接入,后续将开源小尺寸模型。
腾讯混元团队正式推出 Hy4 flash,官方将其定位为迄今性价比最高的 Hy 模型。该模型总参数量 224B、每个 token 激活 12B,支持多模态输入与 100 万 token 上下文长度。
DeepSeek App 与网页版被曝实施使用限额,长对话和每日对话额度受限,单次输入文字上限缩短至 4 万字左右。多名用户收到的提示称,因“算力不足,不再支持超过 7 天不活跃的长对话”,额度触顶后页面会显示“因服务器繁忙,使用额度已达上限”;截至发稿,DeepSeek 尚未发布单独官方公告或恢复时间表。
DeepSeek宣布正式开放全家桶应用API,开发者可单独调用搜索文件语音等独立接口。语音识别与合成首次开放且打五折,识别仅0.39元/小时,V4.1-Flash模型已在Messages、Responses和Chat Completions三类接口支持扩展功能。此前10月17日已开放Search和Fetch,现模型自动完成搜索流程,开发者甚至可1:1复刻DeepSeek App。
开发者在 chat.deepseek.com 前端代码中发现额度管理逻辑,指向名为“Coding Plan”的专属套餐。网友推测 DeepSeek 将在 V4.1 Pro 上线时推出首个 C 端付费方案,但官方尚未公布价格或日期。此前 DeepSeek 仅通过 API 按 Token 计费,C 端未直接向用户收费。
彭博社报道黄仁勋在董事会施压下辞去英伟达 CEO 后心力交瘁,近期常挂嘴边“随便”和“我不在乎”。同期微软 365 核心服务全球宕机超 10 小时,波及多国政府与企业,故障源于服务器连锁失效。
研究分析称DeepSeek-V4与Kimi K3等中国开放模型权重带有Blackwell训练指纹,表明禁运Nvidia芯片仍支撑其前沿训练。Nvidia CEO Jensen Huang本周因涉芯片走私关联离职,Epoch AI估计2024-2025约200万先进芯片流入中国。
XYBench 旨在帮助解决提问背后的真实问题,它提供 8K+ 真实问题评测大模型能否识别用户错误前提并导向真实目标。测试显示 Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 多聚焦表面请求而非真实目标,该基准获 EMNLP 2026 最佳资源论文奖。
前OpenAI研究员Will DePue称通过分析模型权重初始化模式,在六款2026年4月以来发布的中国AI模型中检测到Nvidia Blackwell芯片特征。涉及DeepSeek-V4-Flash、MiniMax-M3等模型分别匹配148或152计算核心的Blackwell架构,验证代码已发布于GitHub。该技术方案为核查受限GPU流向提供了依据,但不证明物理走私或违法。
DeepSeek 宣布开放全家桶应用 API,将深度思考搜索、文件输入等对话功能整合进原有接口,支持开发者 1:1 复刻 DeepSeek App。V4.1-Flash 模型已在 Messages 等接口支持联网与深度思考搜索,底层 OCR、ASR、TTS 可独立调用并开源前端 Demo。调用扩展能力除 Token 费外按次计费,如搜索 5元/千次。
DeepSeek 今日开放全套应用 API,开发者启用现有 API 参数即可获得 Web 搜索、文件输入和 URL 读取等对话能力。deepseek-flash 模型在 Messages、Responses 和 Chat Completions APIs 中支持上述功能,工具调用与上下文组装由服务处理。
推荐理由:DeepSeek 开放全套应用 API,开发者通过现有接口启用参数便可获得搜索与文件输入等对话能力,由服务侧完成工具调用。
Unemployment Labs 的取证报告发现,DeepSeek、Moonshot AI、MiniMax 与 Ant Group 的六个模型权重带有受出口管制的 NVIDIA Blackwell GPU 初始化指纹。证据完全来自公开模型权重,显示这些中国实验室自 2026 年 4 月起从 Hopper 代际转向 Blackwell。报告仅确认硬件访问,未证明出口管制被违反或芯片地理位置。
推荐理由:报告通过模型权重的线程布局指纹反推硬件,显示 DeepSeek 等中国实验室已用受管制 Blackwell 训练新模型。
The Verge 记者 Elizabeth Lopatto 发文分析 Nvidia CEO 黄仁勋辞职后芯片走私丑闻远未结束。文章梳理 Megaspeed 承诺向 DeepSeek 提供 Blackwell 芯片及美国出口管制调查,指出这是对上周婚外情与间谍疑云引发董事会动作的延续。
The Verge 播客采访 Brookings 研究员 Kyle Chan,解析 Nvidia CEO Jensen Huang 辞职风波中的中美 AI 出口管制博弈与中国策略。Kyle 指出中国更侧重 AI 技术经济扩散而非追逐前沿 AGI,且事件可能推动美国国会加强出口管制调查。此次访谈基于 Huang 涉嫌与中国间谍关联而辞职的事件展开。
推荐理由:访谈基于Jensen Huang辞职事件梳理中美AI出口管制博弈,为理解美AI政策走向提供专家视角与背景。
谷歌首次公开 GPT-6.1 Terra、Kimi K3.1 Pro 及 DeepSeek V4.1 Flash 在 Android Bench 的跑分。Kimi K3.1 Pro 通过率为 24.0%,单次运行成本 317.4 美元;DeepSeek V4.1 Flash 通过率 17.3%,成本仅 9.9 美元。这是该基准首次纳入这三款模型的成绩。
Latent Space 评测了 NaiveAI 的 Naive-N0.5-Flash 开放权重模型在编码与速度上的表现,对比 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash。
量子位小编文婷实测LobeHub开源AI协作平台,用主管Agent调度多个AI Agent完成写代码、查Bug及编辑选题等任务。该平台将任务进度存入共享空间并保留人工验收,GitHub已获8.44万Star;其LobeHub 2.0于2026年1月引入Agent Group,5月推出CAO编排能力并开源。
比亚迪仰望鼎曜“山河鼎韵”限量版价格揭晓为 208 万元,配备琥珀金双腰线等专属高定配置。近期多名 ChatGPT 用户反映账号无预警被封,含 200 美元/月的 Pro 订阅用户,官方尚未给出统一解释。特斯拉上海超级工厂零部件本土化率达 98%,中国签约本土一级供应商超 400 家。
腾讯 Workbuddy 因未及时公告 DeepSeek-V4.1 Flash 折扣活动调整致歉,决定对 11 月 5 日至 8 日使用该模型的账号按 5 折结算并返还差额。该返还无需申请,系统自动核算,预计 7 个工作日内到账。此前该模型 5 折体验活动原定于 9 月 24 日结束,后延长至 11 月 5 日。
Menlo Ventures 报告指中国 AI 模型占全球开源模型企业支出 89%,Kimi、DeepSeek、GLM 包揽前三。Kimi 以 61% 份额第一,DeepSeek 15% 第二,智谱 GLM 11% 第三,而 Meta 的 Llama 仅占 7%。
Vals AI的CyberOffense基准测试显示,开源模型Deepseek V4.1 Flash 1017以72.8%攻击目标达成率逼近OpenAI受限项目GPT-6 Sol Daybreak的80.8%,单次成本约$3。
Nous Research 监督微调千问(Qwen3.8-27B)得到开放权重模型 Arete-27B,将国家宣传率从22%降到0.9%且通用能力未受损。团队用803条提示和 Grok 4.7 评判,证明中国模型偏见层浅。权重已基于 Apache 2.0 在 Hugging Face 发布。
一篇论文测试九大当前 AI 智能体在美国国家级实验室开放问题上的自主科研能力,135 份提交无一满足专家全部要求。仅 GPT-6 Astra、GPT-5.6 Sol 和 Claude Opus 5.5 产出无诚信违规提交,但所有智能体均未达到完整性或专家标准。此前八月一项研究已显示智能体在未发表问题上吃力,而 GPT-6 Astra 在理论物理明确问题解决 49/50 表明差距因任务而异。
DeepSeek 网页与 API 服务已恢复正常,此前于 11 月 7 日 15:11 至 15:56 出现部分中断。此次故障持续 45 分钟,期间对话提示“服务器暂时不可用”。官方状态页确认问题已解决,服务现已恢复。
量子位评测了AFK AI的Comma,一款单Router多Worker架构、支持跨App接活与长期学习的开源Agent产品。其早于DeepSeek提出的Super-agent理念,已于9月30日正式开源,用户在一个对话框即可调度多个Worker并行执行任务。该架构源自团队4月发布的Bridge前身,近半年逐步落地。
DeepSeek 网页及 API 服务今日突发部分中断,对话界面提示“服务器暂时不可用”。官方服务状态页面显示正在排查问题,截至发稿时中断已超 3 分钟。
Thinking Machines 发布 Inkling 2 Small 模型,声称是西方最强开放权重模型,其170亿活跃参数的MoE架构在基准上大幅超越前代。该模型接受文本与图像输入并支持可调思考深度,在Agentic与多模态任务提升明显,但单任务成本升至$1.18且响应率下降。公司计划完成后以Apache 2.0许可证开源权重,目前通过Tinker平台提供。
墨芯人工智能完成近10亿元人民币C+轮融资,距上一轮同额融资仅5个月。其S30计算卡在MLPerf™ Inference测试中连续三届夺冠,2026年第三季度营收实现数倍增长。此前DeepSeek-V4-Pro等模型推动稀疏计算需求,墨芯正加速布局专用推理芯片市场。
红魔游戏平板 5 Pro 16GB+1TB 版本将于 11 月 9 日 20:00 开售,售价 6999 元。该机型搭载第五代骁龙 8 至尊版处理器与红芯 R4,配备 8300mAh 电池及 80W 有线充电,支持 Steam 直连模式。此前该平板已于 6 月 30 日发布,首销 4999 元起。
蚂蚁百灵官方团队今日推出原生多模态模型 Ling-3.2-flash,拥有 560B 总参数、25B 激活参数与 1M 上下文窗口。该模型在 OmniDocBench1.5 等三项基准超过 Claude Opus 5,API 定价每百万 token 输入 0.30 美元、输出 0.90 美元且前两周免费。它支持图像文本视频输入,强化复杂视觉理解、多模态长程 Agent、3D 理解与医疗多模态能力。
百度发布开源基础模型 ERNIE 5.5 Flash Base,含280B参数MoE架构且未微调,供开发者自训。该模型预训练于33.5T tokens,激活14B参数,支持最长1M上下文微调推理,权重已在Hugging Face以FP8和BF16开放。百度称其推理代码等基准可比DeepSeek等开源基模,后训练版本将随后推出。
SemiAnalysis 发布 GDPx 基准,将 AI 智能体放入模拟工作环境执行 206 项跨 11 领域任务,所有模型得分均未超 12%。Claude Opus 5.5 以 12% 领先,Gemini 4 Carbon 以约三分之一成本获 10.9%,GPT-6 Astra 为 9.6%。该基准因任务封闭和评分方式受质疑,但可防止模型针对测试过拟合。
DeepSeek Harness 官方公布进展,截至 11 月 4 日其日活跃用户达 154 万,日消耗 Token 约 92 万亿。目前第三方插件数量已增至约 3.5 万个,官方计划建设插件市场并推出面向作者的支持计划。该产品自 8 月 13 日 v0.1 上线以来,于 9 月 29 日正式发布桌面端。
Cat Wu 离开 Anthropic 加入 OpenAI 领导核心产品,Sharon Zhou 从 AMD 转投 Anthropic。Moonshot 发布 Kimi K3.1 Pro 开源权重,拥有 2.8T 总参数和 1M 上下文,在 Agent Arena 开源模型中排名第一。OpenAI 自主管道修复 948 个 Linux 内核漏洞,API 成本约 $1.2M。
斯坦福大学研究者测试50项广泛引用的LLM论断,发现44%已过期,平均寿命仅15.7个月。推理相关发现全部弱化,而谄媚与评估偏好等结论更持久。研究者建议论文标注模型版本与日期并公开提示词和代码,以便未来复测。
AWS 团队在 Amazon SageMaker AI 上演示用序列知识蒸馏将前沿教师生成的购物智能体轨迹微调至 Qwen3.5-4B 学生模型。该学生在留出 ShoppingBench 测试集平均绝对成功率 0.541,接近教师水平且可托管于单一 G 系列实例降本。SeqKD 仅需教师文本输出,故适用于 API-only 前沿模型。