同一個多智能體實驗重做兩次,半數結論反轉
作者以 DeepSeek 和 qwen3.8-flash,對開源多智能體流程各進行 90 次測試,發現部分結論在兩次實驗間反轉。第二次測試中,四智能體比六智能體少用 60% tokens、成本低 54%、耗時少 49%;單智能體則在 30 組報告格式比較中有 27 組優於四智能體。
作者以 DeepSeek 和 qwen3.8-flash,對開源多智能體流程各進行 90 次測試,發現部分結論在兩次實驗間反轉。第二次測試中,四智能體比六智能體少用 60% tokens、成本低 54%、耗時少 49%;單智能體則在 30 組報告格式比較中有 27 組優於四智能體。
史丹福研究人員以 20 個模型檢驗 50 項廣受引用的 LLM 主張,發現 44% 已失效,另有 34% 明顯減弱。22 項可估算失效時間的主張平均只維持 15.7 個月;9 項推理相關發現均未維持或增強,其中 5 項已失效。
Prime Intellect 審查 AutomationBench、OfficeQA Pro v2 與 HLE-Diamond,修正任務、評分器及工具使用問題,並開源相關修正。
Deduped 整理本週 5 個熱門 AI GitHub 儲存庫,並為每個專案列出使用步驟。名單涵蓋 DeepSeek Harness 的本地 Web UI、PhotoCraft 編輯 PSD。
DeepSeek Harness 團隊指出,智能體愈能自行完成任務,人類注意力便愈成瓶頸;udctl 透過獨立工作階段和按需提醒,減少用戶持續監看多個終端機視窗的需要。團隊於 10 月 31 日發布智能體系統設計文章並開源研究原型 dsh-superagent;文中所述的 Worker、Trigger 和 Router 設計,在 udctl 均有已推出的對應功能。
中國 AI 產品逐步透過中文命名、親切角色與聲音設計塑造人格形象,DeepSeek 粉絲創作的鯨魚少女是其中一例。這個角色源自 2025 年 6 月創作者 Shangshan Wuxing 設計的鯨魚主題形象,其後 ZipZipPipe 在 2026 年 4 月加入 DeepSeek 品牌元素;DeepSeek 從未正式認可這個角色。
DeepSeek 提出 Super-agent 架構,透過常駐 Router 調度具獨立上下文的 Worker,讓 Agent 跨會話處理多項任務並持續接收事件。
晚間重大事件包括國務院提交金融工作情況報告,供十四屆全國人大常委會第二十五次會議審議;百度 Apollo World 世界模型亮相。DeepSeek 官方狀態頁顯示,網頁/API 自 16:58 起部分中斷;百度回應稱昆侖芯目前處於保密申報階段,網傳 IPO 推遲的消息不屬實。另有 50 個投資項目向民營企業公開推介。
麻省理工等機構研究者提出 HugAgent,以 54 名參與者、1,742 個評測項目,測試大模型能否從訪談推斷個人當前信念,並預測其在未見情境下的回答。信念狀態推斷的最高準確率為 77.56%;信念動態更新則以 Claude Sonnet 4.5 的 68.61% 最高,兩項參與者自我一致性基準分別為 84.84% 和 85.66%。
O'Reilly Radar 發布 2026 年 11 月趨勢盤點,聚焦模型進展、智能體與軟件開發、安全風險,以及基礎設施等變化。文章指出,新模型推出速度加快,最佳開放權重模型正追近前沿模型表現;同時整理智能體互通標準、漏洞與模型安全事件等發展。
DeepSeek 研究工程師高熙在烏鎮峯會表示,公開研究成果是為了讓 AGI 更快到來。DeepSeek 於10月20日宣佈,將內部推理框架 DeepInfer 全面開源。阿里巴巴 ATH 事業羣千問大語言模型項目負責人劉大一恒指出,開源可促進創新、去中心化並降低使用門檻,但也存在不可撤回及缺乏外部防護等風險。
DeepSeek研究工程師高熙表示,公開研究成果是為了加快通用人工智能(AGI)到來,並認為AI競賽真正的對手是時間而非其他大模型公司。DeepSeek於10月20日宣佈將內部推理框架DeepInfer全面開源。阿里巴巴代表指出,開源有助推動創新及降低使用門檻,但也帶來安全風險,並建議完善法律法規、制定行業規範及建設更多基礎設施。
一加 Ace 7 Pro 於 11 月 2 日登上京東電競手機單日銷量榜首,並列京東單品總榜 Android 單日銷量第一。一加官方旗艦店當日亦成為京東手機旗艦店累計銷量冠軍;小米 18 機背設計草圖曝光,OPPO Reno17 系列預告將實況照片時長由 3 秒延至 6 秒。
DeepSeek官方表示,網頁及API服務部分中斷已修復,目前正監控修復效果,但對話服務及DeepSeek V4 Pro、DeepSeek V4.1 Flash API服務仍有性能下降。中斷於16:58開始,受影響服務包括對話、DeepSeek V4 Pro API及DeepSeek V4.1 Flash API。
文章從可驗證回饋、推理時計算、驗證工具、合成訓練材料及跨領域連結五方面,解釋 AI 為何能更深入參與數學研究。文中以 DeepSeek-R1 的強化學習、Aletheia 的反覆生成與驗證,以及 AlphaGeometry 的程式生成幾何訓練例子,説明這些方法如何擴大探索並核查結果。文章同時指出,判斷證明是否新穎、形式化命題是否準確表達原題,以及如何理解和推廣結果,仍需要數學家的判斷。
Artificial Analysis 改版 AI 模型評測後,最佳開放權重模型與總榜領先者的分差由 3 分擴大至 12 分,報道據此檢視中國 AI 對 OpenAI 和 Anthropic 的競爭威脅是否被高估。
DeepSeek 網頁及 API 服務於 11 月 3 日 16:58 出現部分中斷,對話服務及 DeepSeek V4 Pro、V4.1 Flash 的 API 服務均受影響,頁面提示「服務器繁忙」。官方正排查故障原因。
DeepSeek 表示,此前網頁及 API 服務部分中斷問題已修復,並正監察修復效果。不過,DeepSeek V4 Pro、DeepSeek V4.1 Flash 的 API 服務及對話服務仍有性能下降情況。
DeepSeek 網頁端及 API 服務今日部分中斷,官方稱故障已修復,但 DeepSeek V4 Pro、DeepSeek V4.1 Flash 相關服務效能仍下降。整體服務已恢復基本存取能力,官方正監察修復效果;兩款模型的 API 及對話服務在高負載下可能延遲升高。官方尚未公佈故障技術原因或用戶補償方案。
一項關於編碼智能體持續 harness 自我演進的實證研究發現,後續任務演進會令先前數據集上的表現大幅下滑。研究將三個軟件工程任務數據集整理為六種演進方向,並以兩種代表性 harness 演進方法進行持續演進實驗。
DeepSeek於北京時間11月3日16:58起出現部分服務中斷,網頁及 API 服務受影響,涉及對話服務、V4 Pro 與 V4.1 Flash。用戶普遍收到「伺服器繁忙,請稍後重試」提示;官方正排查原因,尚未公佈恢復時間,服務仍未完全恢復。
DeepSeek 網頁及 API 服務於今日下午出現部分中斷,官方表示正在排查。對話服務、DeepSeek V4 Pro 和 V4.1 Flash 的 API 服務均受影響。
DeepSeek 於11月3日下午出現對話功能無法使用的情況,官方狀態頁顯示網頁/API 部分中斷。中斷於16:58開始,官方正排查原因。受影響的服務包括對話(Chat Service)、DeepSeek V4 Pro API 及 DeepSeek V4.1 Flash API。
DeepSeek 網頁及 API 服務於 11 月 3 日 16:58 出現部分中斷,官方狀態頁顯示正排查問題。對話服務、DeepSeek V4 Pro 及 V4.1 Flash 的 API 服務均受影響。
研究提出 CoworkOS,一套面向長期工作的通用智能體框架,將策略決策與執行管理分開,並支援人類與智能體共同檢視和修改共享成果。在 12 項基準及 6 類真實應用中,CoworkOS 與 Codex、DeepSeek Harness 等智能體應用相比表現具競爭力。
明斯特大學教授 Bernd Holznagel 表示,德國40%-50%的中小企業正在使用中國開源大模型,並稱自己用過 DeepSeek,認為很好用。
團隊以單一 RPA 機械人自動處理淘寶、天貓、拼多多及抖店 8 家店舖的日報彙總與跨店對帳。流程以店舖配置表和任務佇列逐店處理,加入字段映射、原始文件留痕、失敗隔離及元素 AI 自愈;頁面小改版約七成由自愈機制處理,其餘案例納入人工樣本庫。系統採全離線內網部署,報表彙總由約 2 小時人工操作縮至 15 分鐘機器處理加 5 分鐘人工抽檢,跨店對帳差異定位則由按小時計縮至按分鐘計。
Metal America 測試六款大語言模型回答 387 個真實建築問題的表現,比較模型單獨作答與檢索相關資料後的結果。在六款模型均完成的 199 題中,平均正確率由約 19% 升至約 90%;只有兩款模型回答了全部 387 題。檢索後仍出現的錯誤主要與內部文件互相矛盾有關,尤其是融資規則。
文章示範如何用 browser-use CLI 讓 Agent 先讀取真實頁面結構,再按自然語言執行瀏覽器測試並核驗結果。流程包括安裝、以 open/state 探查頁面、使用 run 執行任務,以及檢查操作結果、斷言和會話隔離。作者稱團隊的中等複雜度冒煙巡檢由手動 8—10 分鐘縮至 Agent 約 2—3 分鐘,並有截圖和快照留證。
DeepSeek 公開的研究原型 dsh-superagent 獲 14,736 個 GitHub 星標;截至作者查看時,程式碼在最後一次推送後三天未有變動。文中比較顯示,它相對中性提示詞的 p50 執行時間為 12.4 分鐘,較單一工作階段的 20.4 分鐘快 39.2%,但 cache reads 約增至 3.8 倍;這項合成實驗只測量排程,未評估程式碼品質或團隊產出。
面壁智能智能進化實驗室與 OpenBMB 社區推出並開源 ForgeKernel,該 Agent 在 B200 生成的算子較 FlashMLA 快 9.8%。直播測試中,ForgeKernel 耗時由初期的 1834 微秒降至 472 微秒,歷經 22.5 小時、42 輪迭代並產出 32 個版本。在 29 組算子比較中,24 項持平或超越專家實現;報道亦稱其在 CUDA 與昇騰平台均取得榜首。
QuestMobile《2026中國移動互聯網秋季大報告》顯示,截至2026年9月,紅果免費短劇以4.3億去重總用戶量超越豆包,成為抖音集團第二大應用。抖音、紅果免費短劇和豆包的去重總用戶量分別為10.29億、4.3億和4.19億;去年抖音集團前三大應用則為抖音、今日頭條和抖音極速版。
DeepSeek Harness 團隊於 2026 年 10 月 31 日公開 DeepSeek Super-agent 架構設計,以 Router 管理會話及分派任務,由 Worker 執行工作;它不是新模型或可直接部署的產品。
微博的「羅伯特」、千問等官方 AI 評論員,以及 B 站和百度貼吧的「大肥魚」,正大量湧入社交平台評論區,令真人留言更難被看見。文章指出,平台引入 AI 評論員以增加互動、讓大模型收集社交反饋並培養虛擬 IP,但自動生成的回覆也可能淹沒真人觀點,削弱用戶留言和交流的意願。
雷鋒網透過 DeepSeek 官方 API 測試 V4.1-Flash,64 組固定採樣均補全正確答案「8」,未重現 Seed 論文中的答案偏好翻轉。另一輪 64 次概率測量中,「8」始終是最高概率候選,但其概率會隨填充長度變化;文章指出,這不足以將變化歸因於快取壓縮架構。
文章實測並整理 DeepSeek Harness 的 10 款常用插件,涵蓋 OCR 與版面分析、文件引用、搜尋、長期記憶、費用監控及介面擴充。新手可先安裝 dsh-market 和 modlens,再按需要選用全功能控制台或程式碼側欄,之後按使用場景增添插件。文中提醒,一次安裝全部插件可能引起依賴衝突並拖慢運行。
dsh-our-free-model 插件可接入 DeepSeek Harness,聚合 13 家 AI 工具的免費額度,並提供免登入、免 API Key 的免費模型通道。文章分別講解 Web 版命令列與 Electron 桌面端 GUI 安裝方式,並整理常見錯誤、模型選用及本機網關設定。文中提醒,對話內容可能經第三方網關傳送,免費額度和穩定性受上游政策影響,應避免用於敏感資料或正式業務。
這篇教學説明如何透過阿里雲計算巢及 ECS 一鍵部署 DeepSeek Harness,設定百煉 API Key 並安全訪問 Web UI。百煉 API Key 按地域區分,建立後只顯示一次;部署時 Web UI 在內部監聽 13080 端口,外部經 Nginx 反向代理至 3080 端口,再由計算巢安全代理提供訪問。文章亦提供使用 npx 或源碼安裝的方式。
選擇基礎模型是微調大型語言模型的關鍵策略,應按模型架構、上下文長度、語言覆蓋、硬件需求及授權,配合目標任務作比較。Llama 4 Scout 的上下文長度最高可達 10 million tokens;Qwen 3 支援 29+ 種語言,選型亦須考慮成本及部署限制。
Strata 發佈 0.2.10,預設採用 DFlash2 推測解碼器,並調整顯存與系統記憶體分配,讓 8GB 顯示卡可啟動 Qwen3.8 IQ3_S 的 128K 上下文。