X @deepseek_ai● 精選AI 評分85
DeepSeek API 上線 V4.1-Flash，原生多模態
DeepSeek 在 API 上線 V4.1-Flash，原生支援多模態，呼叫時把模型設為 deepseek-flash 即可。V4-Flash 與 V4-Flash-Vision-Exp 已退役，舊模型名暫時路由到 V4.1-Flash 以保持相容。多方測試顯示 V4.1-Flash 在效能、成本、速度和總執行時間上均優於 V4-Pro，V4-Pro 正被淘汰；
搜尋
找到 49 筆
Hacker News front page● 精選AI 評分92
DeepSeek V4.1 Flash 1017 發布：首個 CED 架構，1M 上下文
DeepSeek 上線 V4.1 Flash 的 10 月 17 日快照版 V4.1 Flash 1017，這是首個基於自研 Causal Encoder-Decoder（CED）架構的稀疏 MoE 模型：552B 總引數，輸入啟用 8B、輸出啟用 16B，影像理解原生內建。
X @ollama● 精選AI 評分75
DeepSeek-V4.1-Flash-1017 上線 Ollama Cloud
DeepSeek-V4.1-Flash-1017 已在 Ollama 上線，可通過 Ollama Cloud 呼叫，託管位於美國且承諾零資料留存。該模型在 agentic 任務上表現較強，同時單任務成本更低。
DeepSeek news● 精選AI 評分94
DeepSeek 發布 V4.1-Flash，552B MoE 僅 8B 啟用引數
DeepSeek 上線 V4.1-Flash，採用 552B 引數 MoE 與新的因果編解碼架構，輸入僅 8B、輸出 16B 啟用引數，原生支援視覺理解。官方稱其基準成績超過旗艦 V4-Pro，KV cache 只需上代 1/4 的 HBM 和 1/8 的 SSD 儲存。
X @deepseek_ai● 精選AI 評分85
DeepSeek 上線 V4.1-Flash-1017：基準更強、輸出更短
DeepSeek 發布新模型 DeepSeek-V4.1-Flash-1017，已在官網、App 和 API 上線。官方稱其基準測試表現更強、任務完成更快、輸出更短，在效能與成本上屬於帕累托改進。該模型針對 DeepSeek Harness、騰訊 CodeBuddy、WorkBuddy 等做了最佳化，DeepSeek Harness 需升級到 v0.2.1-rc.1 或更高版本以獲得最佳體驗。
Hacker News front page● 精選AI 評分89
DeepSeek-V4.1-Flash-1017 發布：Agent 與視覺基準提升，MIT 開源
DeepSeek 發布 DeepSeek-V4.1-Flash-1017，是 DeepSeek-V4.1-Flash 的小版本更新，權重以 MIT 許可開放。官方稱其在推理、程式設計、Agent 與視覺基準上均有提升，同時縮短任務執行時間與輸出長度：Terminal-Bench 4.0 從 31.2 升至 42.3，Apex Bench v1.1 從 64.6 升至 72.1，HLE（無工具）從 36.8 升至 42.6。
DeepSeek news● 精選AI 評分62
DeepSeek-V4.1-Flash-1017 發布並開源，Search 與 Fetch API 開放
DeepSeek 上線 DeepSeek-V4.1-Flash-1017，官方稱其基準測試更強、任務完成更快、輸出更短，在效能與成本上實現帕累托改進，已在官網、App 和 API 提供，並在 Hugging Face 與 ModelScope 開源。該模型針對 DeepSeek Harness、騰訊 CodeBuddy、WorkBuddy 等最佳化，需升級到 DeepSeek Harness v0.2.1-rc.1 及以上獲得最佳體驗。
Hacker News front page● 精選AI 評分88
DeepSeek V4.1 Flash 開源發布：智慧指數 45、1M 上下文
DeepSeek 發布開源權重模型 V4.1 Flash 1017 (Max)，採用 MIT 許可，權重已上傳 Hugging Face，支援文字與影像輸入。在 Artificial Analysis 智慧指數上它得分 45，遠高於同類開源模型中位數 19；總引數 552B、每 token 啟用 16B，上下文視窗 1M token，輸出速度約 230 token/秒。
X @lmstudio● 精選AI 評分68
LM Studio 上線 DeepSeek-V4.1-Flash-1017，支援 1M 上下文與影像輸入
DeepSeek-V4.1-Flash-1017 已在 LM Studio Bionic 上線，支援 100 萬 token 上下文與影像輸入，官方稱其價效比很高。該模型由美國境內託管，並提供完整的零資料保留（ZDR）。LM Studio 建議將它用於 coding 任務。
X @ollamaAI 評分32
Ollama 向 deepseek-v4.1-flash 使用者推送更新模型
Ollama 表示正在把更新後的模型推送給使用 deepseek-v4.1-flash 的使用者，推送範圍由此擴大到該型號。公告未說明新版本號、具體改進內容與完成時間，也未提及是否影響其他模型。
機器之心● 精選AI 評分90
DeepSeek 上線 V4.1-Flash-1017，引數量升至 763B
DeepSeek 於 10 月 17 日把 V4.1 Flash 升級為 V4.1-Flash-1017，網頁端、App 與 API 同步切換，API 呼叫方式不變。新模型引數量 763B，高於 V4.1F 的 552B；Terminal-Bench 4.0 從 31.2 升至 42.3，max 檔每任務平均費用從約 3.3 元降至約 1.3 元，API 單價保持不變，權重以 MIT 許可在 Hugging Face 與 ModelScope 開放下載。
X @deepseek_ai● 精選AI 評分90
DeepSeek 開源 V4.1-Flash-1017 模型權重
DeepSeek 以開源方式發布 V4.1-Flash-1017，模型權重已同步上線 Hugging Face 與 ModelScope。官方給出的獲取渠道只有這兩個平台，公告中未提及引數量、上下文長度與許可條款等細節。
X @deepseek_ai● 精選AI 評分75
DeepSeek V4.1-Flash 將 KV cache 壓縮至前代四分之一
DeepSeek 公布 V4.1-Flash 的 KV cache 相比上一代只需 1/4 的 HBM 和 1/8 的 SSD 儲存。官方指出快取命中費用常佔 agent 成本很大比例，壓縮快取可顯著降低這部分開銷。
量子位AI 評分60
DeepSeek 全球宕機，V4 Pro 與 V4.1 Flash API 中斷
北京時間 10 月 15 日上午 8 點 11 分起，DeepSeek 網頁對話、V4 Pro API 與 V4.1 Flash API 出現部分中斷，官方狀態頁顯示原因已定位並進入修復，故障持續約一小時，第三方監測平台 StatusGator 24 小時內收到 86 條報障。同一時間，名為 DeepSeekHarness 的帳號在 B 站開通主頁，尚未發布內容，官方未說明其與本次故障有關。
X @deepseek_aiAI 評分53
DeepSeek 宣布與開源社群合作支援 V4.1-Flash 推理
DeepSeek 官方表示將與開源社群緊密合作，為 V4.1-Flash 提供推理支援，並探索更多部署方案。官方同時提出可承接 2000 塊 GPU 加儲存叢集的大規模部署需求，並附上模型與論文連結。
量子位● 精選AI 評分92
DeepSeek 發布 V4.1-Flash-1017，同步開放自研搜尋 API
DeepSeek 發布新模型 DeepSeek-V4.1-Flash-1017，網頁端、App 與 API 已同步切換。相比上一版 V4.1 Flash，程式碼與 Agent 任務等基準測試全面上漲，同時任務執行時間和輸出長度下降，官方稱其為效能—費用的帕累托改進；完整使用需把 DeepSeek Harness 升級至 0.2.1-rc.1 及以上，新使用者首次登入 Harness 可領 6 元贈金，7 天內有效、限量發放。
X @lmstudioAI 評分43
@lmstudio: We’ve added new US-based capacity for DeepSeek-V4.1-Flash-1017 in Bionic.
LM Studio 在 Bionic 中為 DeepSeek-V4.1-Flash-1017 增加了新的美國本土算力，官方稱速率限制問題會明顯緩解。團隊表示仍在繼續擴容，之後會加入更多容量。
X @deepseek_ai● 精選AI 評分71
DeepSeek-V4.1-Flash-1017 發布，主打端到端專案開發
DeepSeek 發布 DeepSeek-V4.1-Flash-1017，該模型通過帶自我反饋的強化學習提升端到端專案開發能力，覆蓋從遊戲製作到 3D 建模的完整流程。官方以演示形式展示實際效果，未在帖文中給出引數規模、上下文長度或 API 價格等資訊。
X @deepseek_ai● 精選AI 評分83
DeepSeek V4.1-Flash 發布並下調 API 價格
DeepSeek 於 2026 年 9 月 10 日 04:00 UTC 起啟用 V4.1-Flash 的新 API 價格，官方稱其架構更高效，能以更低成本服務更多使用者並把節省讓利給使用者。定價繼續區分高峰與非高峰時段，非高峰費率為高峰的 50%，彈性任務可安排到非高峰時段以節省成本。
Hacker News front page● 精選AI 評分81
DeepSeek 開源推理引擎 DeepInfer，支援 V4.1-Flash
DeepSeek 以 Apache 2.0 協議開源了支撐其大規模生產服務的推理框架 DeepInfer，目前僅支援 DeepSeek-V4.1-Flash 一個模型。該框架包含 FlashMLA、DeepGEMM、DeepEP 等最佳化核心，Attention DP 與 MoE EP+EPLB 並行，DSpark 投機解碼（草稿長度預設 5），以及預設開啟的非同步排程、批不變推理、確定性取樣，並支援正則、JSON schema、EBNF 結構化輸出。
llama.cpp releases● 精選AI 評分62
llama.cpp 新增 DeepSeek-V4.1-Flash 支援
llama.cpp 建置 b11870 加入 DeepSeek-V4.1-Flash（deepseek41）模型支援，同時移除 MXFP8、把 Engram 錶轉為 BF16。同批改動把壓縮 KV 的讀取層改為在快取中只算一次，Engram 行改為圖內 gather（與 qwen4exp 一致）、去掉主機側 gather，top-k 行在稀疏 gather 前先排序，並刪除 LLAMA_DSV41_KV_MIRROR 開關；
Latent Space● 精選AI 評分86
DeepSeek V4.1 Flash 上線：1M 上下文、MIT 許可
DeepSeek 上線 V4.1 Flash 1017，552B 總引數 / 16B 啟用 MoE，支援 1M token 上下文，MIT 許可，API 價格維持每百萬輸入 0.30 美元、輸出 1.20 美元，閒時半價。Artificial Analysis 智慧指數升至 45（+6），在開源權重模型中與 GLM-5.3 並列第二，僅次於 MiMo-V2.6-Pro；Code Arena WebDev 與 Agent Arena 均為開源第一。
量子位● 精選AI 評分81
位元組 Seed 發現 DeepSeek-V4 準確率隨輸入位置週期性波動
位元組 Seed 團隊發現，DeepSeek-V4 系列在 128K 長上下文檢索中的準確率會隨目標資訊的位置以 4 個 Token 為週期起伏，同一條資訊換個位置最多相差 40.2 個百分點，V4-Pro-Base 也有 34.8 個百分點。原因指向其為省記憶體採用的分塊 KV Cache 壓縮：資訊在壓縮視窗內所處相位不同，檢索能力就出現系統性差異，團隊稱之為相位敏感性，並用基於 Qwen3-0.6B 自訓的多種分塊壓縮模型復現了同樣的週期。
X @MistralAIAI 評分58
Mistral Large 4 在 AutomationBench 領先 Kimi K3、DeepSeek V4 Pro
Mistral AI 稱 Mistral Large 4 在 AutomationBench 上完成 657 個業務工作流，成績領先 Kimi K3、MiMo-V2.6-Pro 與 DeepSeek V4 Pro。該基準的任務跑在模擬辦公應用中，涵蓋 Gmail、Google Sheets、Slack 與 Salesforce 四個工具。帖文未披露具體分數、評測日期與配置細節。
llama.cpp releasesAI 評分40
b11890
llama.cpp 發布 b11890 建置，集中修復 DeepSeek V4.1（DSV4）的支援。該版本中，KV-cache 的 DSV4 K mirror 改用 ggml_backend_tensor_copy 填充，Engram pad id 與 token map 分別移入 llama_hparams 和 llama_model，saver 不再需要 deepseek41 模型類；
X @deepseek_ai● 精選AI 評分82
DeepSeek 開源自研推理框架 DeepInfer
DeepSeek 已將自研推理框架 DeepInfer 完整開源。該框架在其生產環境中支撐 DeepSeek-V4.1-Flash 的大規模推理服務，主打高吞吐與低延遲。官方表示，公開這套生產環境所用的推理元件是為了幫社群降低算力成本、減少能耗，讓 AI 更可負擔。推文未給出具體效能數字，硬體支援與部署方式需檢視開源倉庫。
機器之心● 精選AI 評分80
DeepSeek 宕機近 5 小時，按 7 天 API 用量發放補償餘額
DeepSeek 網頁與 API 今日上午大面積中斷近 5 小時，官方隨後按過去 7 天 API 使用量向使用者發放贈送餘額補償。中斷從早上 8 點左右開始，對話服務、V4 Pro API、V4.1 Flash API 均受影響，9 時左右定位原因，12 點 50 分左右完成修復。社交網路上曬出的補償金額從幾元到 300 多元不等，幾乎人人有份。
X @MistralAI● 精選AI 評分60
@MistralAI: We’re also now serving two fast, low-cost models:
Mistral 開始提供兩款快速、低成本的模型：DeepSeek V4.1 Flash 和 GLM 5.3 Flash。DeepSeek V4.1 Flash 處於公開預覽階段，官方稱其適合長上下文程式設計與 agentic 任務；GLM 5.3 Flash 已正式可用（GA），面向子代理、工具呼叫和程式設計任務。
Pi changelogAI 評分47
Pi 1.0.3 發布：Azure 提供商更名 azure，新增 Foundry 部署支援
Pi 1.0.3 發布，Azure 提供商從 azure-openai-responses 更名為 azure，並開始支援 Azure Foundry Chat Completions 部署，首個模型為 azure/deepseek-v4-pro。
機器之心● 精選AI 評分86
DeepSeek 開源推理框架 DeepInfer，單卡每小時收入 38 美元
DeepSeek 以 Apache 2.0 開源內部推理框架 DeepInfer 及配套編解碼元件 deepseek-recipe，當前支援 DeepSeek-V4.1-Flash。官方披露單叢集每天吞吐 155 萬億 token，按 API 谷價摺合每卡每小時 38 美元收入，有人以每張 B300 每小時 7 美元租金估算毛利率約 82%。
llama.cpp releasesAI 評分43
b11965: llama : remove simple batch splitting for DSV4 (#31300)
llama.cpp 合入 PR #31300，移除 DeepSeek V4 的簡單批次拆分邏輯，改用已有的序列拆分，讓 n_seq_tokens 與 compressor padding 的計算保持一致。同時還修復了簡單批次下的 compressor padding：寫入時按每條序列的實際 token 數計算，避免奇數尺寸批次出錯。此次還新增 graph 複用迴歸測試，覆蓋單序列與雙序列在不同位置、固定 ubatch 形狀以及 6-token 批次的情況。
量子位AI 評分46
聯想天禧 TianxiCode 登頂 SWE-bench-Live，問題解決率 71%
聯想天禧 AI 自研程式碼智慧體框架 TianxiCode 配合 DeepSeek-v4.1-Flash，在 SWE-bench-Live（Lite 分榜）以 71% 的問題解決率位列全球第一，並通過官方 Verified 核驗。該評測基於真實 GitHub 專案問題與可復現執行環境，官方會審查全鏈路智慧體執行軌跡並排查答案、測試用例洩露。
量子位● 精選AI 評分76
DeepSeek 彈性計算團隊擴招，披露 DSec 沙盒基礎設施
DeepSeek 彈性計算團隊大量招聘，尤其需要資深工程師，併發布技術報告《DeepSeek 彈性計算（DSec）：面向大規模 Agent 訓練的沙盒基礎設施》。DSec 支撐 DeepSeek-V4 全部訓練、評測和資料預處理，單個分片約 160 臺伺服器、3 萬 CPU 核心、250TB 記憶體，每天服務約 300 萬個沙盒，高峰線上超 38 萬個，每秒建立 5000 多個。團隊接下來要把 Agent 執行環境的數量和種類擴充成百上千倍。
量子位● 精選AI 評分82
面壁智慧 ForgeKernel 直播自寫運算元，反超 DeepSeek FlashMLA 9.8%
面壁智慧的運算元生成系統 ForgeKernel 在無原始碼、無參考實現的情況下，通過直播自進化 22.5 小時，在輝達 B200 上把 DeepSeek-V4.1 的 FlashMLA Prefill 運算元做到 472 微秒，比人類手寫的 518 微秒快 9.8%。全程 42 輪迭代、留下 32 個版本，只用了 1 張 B200 和 22 個 GPU 小時，人工編寫 0 行程式碼。它此前已登頂昇騰 CANNBench 950DT、950PR、A3 三張榜單第一，並在直播結束後開源；
Hacker News front pageAI 評分36
Thursday 發布 coding agent，第一版是一個 skill 檔案
作者發布 coding agent 專案 Thursday，第一版不是獨立應用，而是一個可貼上進現有 coding agent 的 skill 檔案，目標是讓 vibe coding 重新變得有趣。他此前花數百美元 AI credits、寫下三萬行程式碼做 DeepSeek Harness 發行版，卻始終沒找回樂趣，最終轉向讓 agent 只做使用者交代的事。目前每月推理成本不到 20 美元，由 DeepSeek v4 Flash 和 GLM 5.3 支撐；
llama.cpp releasesAI 評分40
llama.cpp 建置 b11881：記憶體快取統一遵循 no_alloc
llama.cpp 發布建置 b11881，核心改動是讓所有記憶體快取統一遵循 no_alloc 設定。提交中另標註兩項待辦：把 no_alloc 從 llama_hparams 中移出；驗證在 Mac Studio（M2 Ultra、192GB）上用 DeepSeek-V4-Flash-Vision-Exp 的 GGUF 模型完成。
機器之心● 精選AI 評分66
豆包工作開放三方模型，首批接入 Kimi、GLM、DeepSeek
豆包工作向團隊訂閱版和企業訂閱版客戶開放第三方大模型，首批接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等系列。該功能預設開啟，企業無需自行向模型廠商採購或額外申請，按用量扣減企業已有的 AI 點數。管理員可按成員、部門、群組或全員劃定可用範圍，按廠商一鍵批次啟用或單獨配置某個模型。還能限定模型生效場景，例如僅在豆包工作電腦端與飛書工作臺生效，兼顧效率與資料安全。
X @ollama● 精選AI 評分60
Ollama 本地模型新增 Nemotron-3.5 與 Phonon TTS
Ollama 公布過去兩週的模型更新，本地端新增 Nemotron-3.5-bolt、Nemotron-3.5-super、Bonsai-2、EmbeddingGemma-2、Flint，以及文字轉語音模型 Phonon。雲端上線 Beam（限時免費）、Muse-spark-open、MiniMax-m3.1-flash、Mistral-large-4、DeepSeek-v4.1-flash:1017 和 Clef。
OpenCode releases● 精選AI 評分71
OpenCode v2.2.4：桌面終端可跨重啟保留，還能發布 HTML 工件
OpenCode v2.2.4 發布，桌面終端歸屬於會話，伺服器重啟後終端與滾動緩衝仍在，並與 TUI 及其他視窗保持同步，重新命名也會保留。在 opencode.json 啟用 experimental.artifacts 後，agent 可發布、更新並通過內建本地 provider 或外掛儲存提供 HTML 與靜態工件。
llama.cpp releasesAI 評分47
llama.cpp b11800 新增 QSA mask 融合運算元，並將 k-pool mask 推廣為通用實現
llama.cpp b11800 為 QSA 新增融合運算元，並將原本只服務 qwen4exp 與 glm5-next 池化選擇的 k-pool mask 推廣為通用 ggml_top_k_mask，DSA 模型與 DeepSeek V4 CSA 也改用該運算元。它保留 top-k 選中與額外保留的 mask 單元、其餘置為 -inf，可按 head 逐行選擇，後端不支援時回退原路徑。
NVIDIA blogAI 評分25
輝達稱 Vera Rubin NVL72 每兆瓦吞吐量超 GB300 30 倍
輝達援引 SemiAnalysis AgentX 資料稱，Vera Rubin NVL72 每兆瓦吞吐量超過 GB300 NVL72 的 30 倍，在 DeepSeek V4 Pro 上每百萬 token 成本最多低 45 倍。輝達以「高產、耐用、通用」概括 AI 工廠回報邏輯：每兆瓦 token 數決定收益，A100 出貨六年後仍在商用，CoreWeave 已將 2020 年首批裝置的預訂延長至 2029 年。
機器之心● 精選AI 評分77
上交大研究：Agent 資源劫持攻擊，GPT-5.5 成功率 89.6%
上海交通大學任麒冰課題組提出「智慧體資源劫持」攻擊：攻擊者不竊取憑證，只誘導 Agent 代為呼叫 API、GPU 算力和內部通訊權限，GPT-5.5、DeepSeek-V4-Pro、Qwen3.8-Max、Gemini-3.5-Flash 的被劫持成功率介於 70.0% 至 89.6%。
機器之心● 精選AI 評分77
清華開源 SRHarness，符號迴歸恢復率 93.69%，併發布 MechBench 基準
清華大學電子工程系發布智慧體符號迴歸執行時框架 SRHarness，程式碼已開源，支援 PyPI 安裝並提供線上 Demo。在相同 DeepSeek-v4-flash 底座下，其 LSR-Transform 符號恢復率達 93.69%，較此前最先進方法 SR-Scientist 的 62.16% 提升超 30 個百分點；匿名化測試中為 72.97%，遠高於 Codex 的 20.72%。
量子位● 精選AI 評分75
Genspark 發布 Media Studio 影片 Agent，接入 70 多個模型
Genspark 上線影片 Agent 工作臺 Media Studio，接入 20 多家廠商的 70 多個模型版本。大語言模型擔任導演，可選 DeepSeek V4.1 Flash、Claude Opus 5.5 或 Claude Fable 5.1，並排程 Seedance 2.5、Kling、Veo 生成畫面，由 ElevenLabs 等模型配音。故事聖經負責儲存人物與場景設定，先出 480p 草稿再升 1080p，並支援對指定片段區域性重拍。
Hacker News front pageAI 評分68
Llmspeed 上線：按硬體和模型查本地大模型推理速度
Llmspeed 是一個可按硬體或模型查詢本地大模型推理速度的網站，用於在購買硬體前預估實際體驗。它覆蓋 RTX 5090、RTX 3090、Mac Studio M5 Ultra 512GB、DGX Spark、Strix Halo 與純 CPU 等三十餘種配置，以及 Qwen 3.6/3.8 27B、GPT-OSS 120B、DeepSeek V4 Flash、GLM-5.3 Flash 等模型，給出短提示、單裝置下的速度估計。
機器之心● 精選AI 評分78
7B 審計模型 AgentForesight 上線，多智慧體任務失敗前預警
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
機器之心AI 評分28
超聚變 TokenBox 亮相 OCP，單機支援 1.6 萬億引數模型
超聚變在 2026 OCP 全球峰會（10 月 12 日，美國聖何塞）展出 TokenBox 本地 AI 超級工作站，單機可支援最高 1.6 萬億引數模型，包含 DeepSeek V4 Pro，資料完全本地留存，企業無需專用機房即可本地獲得大模型能力。同場還展出智算、超節點元件與 800V HVDC 電源系統，並發表《Next-Generation Power & Cooling Solutions》主題演講，聚焦供電、散熱與互連。
Hacker News front page● 精選AI 評分80
RL 後訓練 4B 模型即時駕駛飛行跑車，90% 成功率勝過 GPT-6 Astra
有人用物理模擬搭了個飛行版特斯拉 Roadster 的強化學習環境，測各家大模型能不能即時把車飛起來，結果經 RL 後訓練的 4B 小模型即時落地成功率 90%，主流大模型即時成功率為 0。車每 0.2 秒要一個新指令，而 DeepSeek V4.1 Flash、Nemotron 3.5 Super、Muse Spark Open、Beam 1.0 和 GPT-6 Astra 單次回覆要 1 到 6 秒，全部墜毀；
Hacker News front pageAI 評分45
12 款模型被問人類最爭議之處，全都答人類重歸屬輕真相
一項測試向來自 10 個實驗室、3 個國家的 12 款模型各提問三次，問它們對人類最爭議的看法，結果 12 款模型都至少給出過一次相同的答案：人類對歸屬的忠誠高於對真相的忠誠，其中 7 款三次回答全部如此。GPT-6.1 Sol、Gemini 4 Argon、DeepSeek V4 Pro、Kimi K3、Qwen3.8 等措辭各異，核心一致，比如「人類沒有原則，只有忠誠」「人類意識 largely 是公關部門」。