深度求索發佈 DeepSeek-V4.1-Flash-1017,並向所有用戶開放 Search API 與 Fetch API
深度求索(DeepSeek)於 2026年10月17日發佈 DeepSeek-V4.1-Flash-1017,並向所有用戶開放 Search API 與 Fetch API。
深度求索(DeepSeek)於 2026年10月17日發佈 DeepSeek-V4.1-Flash-1017,並向所有用戶開放 Search API 與 Fetch API。
銘芯啟睿(MemSilicon)宣佈完成超4億元A輪融資,並由前Graphcore總裁兼大中華區總經理盧濤出任CEO及聯合創始人。本輪資金主要用於RRAM的產業化與商業化,以及新產品LPU的研發。公司在繼續推進RRAM產品化的同時,啟動面向大模型推理的第一代LPU研發。
Intel 發佈面向數據中心的 GPU D 系列,最高配備 480GB LPDDR5X 記憶體。其記憶體容量異常大,旨在支援要求嚴苛的推理工作負載。
Stanford 與 Google 研究人員在論文《Hybrid Reasoning Agents》中提出 HybridAgents,讓 AI 智能體按需要在文字與連續向量推理之間切換。
Mistral AI 發佈 Timestral 時序基礎模型系列,涵蓋 5M 至 209M 參數的 4 款零樣本預測模型。Mistral 表示,209M 款在 GIFT-Eval、TIME 和 fev-bench 的預訓練零樣本模型中排名第一,其中 fev-bench SQL skill score 為 50.39,高於 TimesFM-3 的 48.99。
擴散語言模型在 10 項任務中的每個 token 前向傳遞次數,會因任務、輸出內容與語言而大幅不同;DiffusionGemma 寫故事所需的前向傳遞次數,是修正文法的三倍以上。高度 token 化的語言每個 token 也需要更多傳遞,而錯誤答案通常比正確答案需要更多傳遞。按解碼速度為候選答案加權,較多數投票最多提升 4.2 分,且不增加成本。
TheoPhysEval 基準報告稱,GPT-6 Astra 在 50 道未公開理論物理題上的得分,經專家覆核並確認出題者的計算錯誤後,由約 88% 升至 98%。Claude Opus 5.5 得分為 92%;研究論文編號為 arXiv 2610.16733。
3Blue1Brown 在影片中分享 AI 發展下數學的未來,並認為現在正是投身數學領域的最佳時機。影片探討 AI 作為證明、猜想與理論建構工具的可能性,以及 AI 若在各方面更出色時數學工作可能出現的變化。作者補充,數學家不必使用模型也能作出貢獻,深化對既有數學工作的理解仍有大量空間。
HybridAgents結合潛在空間推理與文字互動,讓大語言模型智能體在統一生成流程中切換思考及行動方式,評測表現較前沿大語言模型智能體及智能體框架提升 10.4%。研究在 3 種模型規模、11 項涵蓋數學、科學、醫學、搜尋及智能體推理的基準上評估 HybridAgent。它減少 35.5%-54.7% 的 token 用量,推理速度提升 1.8x-2.6x,成本節省 2.7x-3.7x。
Francesco Maggi 指出,LLM 有望加快數學及科學發現,但融入科研體系的方式將影響科研走向黃金或黑暗時代。他警告,若科研成果愈來愈難由人理解,或前沿模型的控制集中於少數公司,獨立研究與人才培育可能受損。他主張擴大研究者取得前沿 LLM 的渠道、建立可重現及披露標準,並投資由公共機構治理的科研 LLM 基礎設施。
llama.cpp 在 RTX 3050 和 GTX 1650 Ti 上的測試顯示,Qwen3.5-2B 不用投機解碼時較快,Gemma 4 E2B 在三項測試中得分較高。
Omni-Woodpecker(OWP)是一個免訓練框架,透過識別跨模態衝突並重平衡隱藏表示,減少全模態大語言模型的跨模態幻覺。以 Qwen2.5-Omni-7B 為骨幹時,OWP 在 CMM 和 AVHBench 分別提升 12.9 和 8.6 分;在四項通用推理基準上提升 0.67-2.25 分。OWP 亦適用於 VideoLLaMA2-AV,在相同基準上分別提升 4.6 和 3.9 分。
RouteWeaver 提出統一 LLM 路由框架,在單一策略中結合路由模式選擇與模式內模型執行。它在數學、編碼、知識、邏輯推理及事實回憶五個領域的平均準確率為 61.4%,較最強基線相對提升 11.03%,並在各領域均勝過對比基線。 ablation 結果顯示,移除漸進式探索會令路由策略完全退化為單輪執行。
SpecKCast 是一種免訓練方法,透過頻域預測 Diffusion Transformer 的輸出,加速推理。它以 2D 離散餘弦轉換處理輸出,並用逐頻帶 Kalman filter 預測;在 FLUX.1-dev、Qwen-Image、Wan2.1-14B 和 HunyuanVideo 上,速度最高提升 6x,額外記憶體用量低於 0.05 GiB。
一項涵蓋開放權重模型及 Claude Opus 5 的研究發現,語言模型在單一提示中組合多項任務時,即使各項任務單獨均能可靠完成,錯誤仍會顯著增加。這種退化不能完全以獨立錯誤累積解釋;組合任務時,模型分配給每項任務的 token 明顯少於單獨處理時,所需解題過程較長的任務因此更脆弱。按脆弱性將任務分組,可在多項數學及語言任務中減少 43% token 用量,同時維持準確率。
GRSE 透過比較同一問題的多次執行,為 Agent-技能配對分配行為責任,並診斷失敗。在 HotpotQA 和 LoCoMo 的測試中,使用兩個開放權重智能體的 GRSE 整體勝過最接近的既有方法 MASkills,多跳問題的 F1 分別提升 6.7 和 3.2。面對有害技能,GRSE 能正確判定所有預置技能的正負影響,並將乾淨技能庫的分數恢復至高 6.3 分。
Draft Refinement Language Models(DRLMs)提出一種並行推理方法,先生成完整草稿,再反覆精煉,而非逐個生成 token 或採用擴散反向過程。
這項研究發現,視覺語言模型在特定子任務上會出現反向縮放,即較大型模型有時不及同系列較小模型。研究評估 19 個模型及 8 個多模態基準,共進行 558,334 次模型與問題評估,找出 375 組出現反向縮放的子任務與模型配對。影響較大的領域包括多圖像空間推理、視覺感知及大學程度 STEM 知識,部分案例準確率差距超過 20 個百分點;圖表理解相對較不受影響。
Paul Sandoz 在 JavaOne 2026 將 AI 工作拆分為訓練、推理、Agent 和 Agentic 四層,認為 Java 現時較適合 Agent 與 Agentic 工作,訓練支援則最弱。
Reflection 於 2026 年 10 月 16 日開放 Beam 權重;這款 MoE 模型有 501.3B 參數、每 token 啟用 23.4B,採 Apache 2.0 授權。
推薦理由:文章釐清每 token 啟用 23B 並不代表只需容納 23B 權重,並列出不同精度的記憶體估算及 KV cache 成本,供評估自行部署時參考。
Gemma 4 12B QAT 版經精確 Q4_0 GGUF 重建後,可在 8 GB RTX 3050 上以所有層均置於 GPU 的方式運行。重建版可載入 40,960 tokens 上下文,Google 原始 GGUF 則為 28,672 tokens。
作者以現代 Hopfield 網絡和注意力頭進行測試,證明兩者在鍵和值等於儲存模式時計算完全相同,輸出差異為 0。測試顯示,維度為 64、噪聲為 0.3 時,儲存 200 個模式的檢索成功率仍為 0.59;提示線索的噪聲比儲存模式數量更影響檢索表現。
作者在租用的機器上以 vLLM 0.27.1 比較 3090 與 L40S,發現 7B AWQ 下 3090 相對速度由 batch 1 的 1.09x 變為 batch 128 的 0.46x。
免費推理通道應視為借用算力,只負責生成文字;結果解析與產物儲存則由自有程式負責。文中提供 Python 3.11 或更新版本可用的審計腳本和降級測試,並提醒不要把含客戶數據的工作送往免費通道。作者披露文章屬 MonkeyCode 產品推廣;其營運方聲稱免費方案包括 10 million tokens,容量數字及伺服器條款應先到項目頁核實。
LLM 將文字切成 token,經 Transformer 層處理後逐次預測下一個 token。推理分為 prefill 和 decode;KV cache 避免重算舊 token,但會隨上下文增長,Llama 3.1 70B 在 128K 上下文、半精度下,單次請求的 cache 約 43 GB。模型不會跨請求記住對話,每次都要重新接收完整對話。
Dare2Solve Studio 以 Ollama 在本機執行開放權重模型 Gemma 4 E4B,生成全新數學題,並拒絕交付未能核實答案的題目。每題須通過 Python 程式解題及盲測重新求解,並附有至少三步的解答。測試中,8 個主題均產出通過所有檢查的題目,13 次嘗試有 5 次被棄用。
CARE 為 VLA 模型推理加速提供認證,達到 9.0–10.8× 提速,並以 95% 信心保證至少 85.8% 原本由參考方案成功完成的任務回合仍能成功。認證流程使用 5,263 次 rollout,少於窮盡測試所需的 25,000 次。方法依賴靜態校準集,目前只在四個 LIBERO 套件及兩個智能體(Qwen3.5-9B、Llama-3.1-8B)上展示。
Meta 發佈 Muse Spark Open 權重,Apple 同日公開以 MLX 在多部 Mac Studio 上進行分散式推理的技術指南;文章將兩者視為本地推理分發生態的相互補足。
LaMa FP16 量化品質下降,源於 16 個 BatchNorm running_var 張量超出 FP16 上限後遭轉換器靜默夾限。作者按二的冪次重縮放方差、scale 和 epsilon 後,修正模型在 14 個案例的 PSNR 為 29.73 dB,接近 fp32 的 29.74 dB;Brotli 下載檔由 179.2 MiB 降至 86.3 MiB(−52%)。
Efrain Garay 在 RTX 4070 Ti SUPER(Ada、16 GB、沒有 FP4 硬件)上測試 Nemotron Labs Dory 1.0 4B 的多種格式,NVFP4 解碼速度達 BF16 的 2.3 倍。
DeepSeek 將 V4.1 Flash 更新至 V4.1-Flash-1017,豆包手機助手則公佈 151 款拒絕其螢幕自動化操作的應用。DeepSeek API 新增 Search 與 Fetch 介面,兩者均收費 5 元/千次;對已聲明拒絕的應用,豆包手機助手不會執行相關操作。週報亦涵蓋 DeepSeek 故障補償、人機協同證明三維 Ghys 猜想,以及企業營收、融資和 AI 基建動態。
文章分析 Apple 的分散式 MLX 示範,説明四台 M5 Ultra Mac Studios 可運行 Meta 的 Muse Spark Open,但增加機器主要擴大可用容量,不代表生成速度按比例提升。
作者以 ESP32-S3、AirPlay 和 Ollama 上的 qwen2.5vl:7b 重建 iPhone 操控方案,透過 USB HID 模擬滑鼠和鍵盤,毋須 Xcode 自動化。
VLA-Rolling 透過自適應重用未執行的動作尾段,減少視覺語言動作模型的推理成本並提升成功率。在 π_{0.5}、SmolVLA、X-VLA 和 MolmoAct2 的 16 組模型與基準測試配對中,推理成本均有下降,最高加速 1.48 倍;14 組的成功率有所提升,最多增加 15.08 個百分點。底層 VLA 模型保持凍結。
TCoVP 提出一條時空定位的影片推理鏈,將實體與帶時間戳的視覺證據連結,以改善影片分割的推理和遮罩預測。TCoVP-SFT-15k 和 TCoVP-RL-13k 用於透過監督式微調及推理鏈對齊的強化學習學習此表示方式。在五個 VRS 評測基準和三種模型骨幹上的實驗顯示 TCoVP 表現出色,所有模型和程式碼將公開發布。
ATEST 是一套面向大語言模型推理的資源感知測試時擴展框架,根據新增樣本的預期價值及即時 GPU 成本調整抽樣和停止時機。ATEST-Online 無需離線校準,會在線上學習每步能耗;在 GSM8K 高負載測試中,準確率為 60.0%,沒有延後作答,ATEST-Calibrated 準確率為 44.0%、延後率為 42.4%。
Google 於 2026 年 10 月 13 日推出 Gemini 4 Argon,DeepSeek 於 10 月 17 日推出開放權重的 V4.1-Flash-1017;文章比較兩者的定價及基準表現。
推薦理由:文章將兩款模型的定價與編碼、推理資料並列,並提醒 Argon 優惠價於 11 月 30 日翻倍,呈現成本與能力取捨。
SGLang、NVIDIA 與 AMD 團隊引入 SGLang Low-Latency Mode,透過插件框架接入專用核心,以降低 GPU 推理延遲。
Anthropic 的 Claude 不足 30 分鐘找出 ECDSA 標準中部分曲線參數種子的生成方式,這些種子由 NSA 提供,但未附解釋。種子來自以 1997 年 5 月至 1998 年 4 月間 Unix 時間戳初始化的 C 隨機數生成器 lrand48;其 31 位元輸出令部分種子的高位元呈現系統性歸零。Anthropic 表示,這令刻意植入後門的可能性降低。
Anthropic 的 Claude 將 NIST 五組 ECDSA 曲線種子的來源追溯至舊版 C 函式庫的 lrand48 偽隨機數生成器,相關初始化時間落在 1997 年 5 月至 1998 年 4 月。