X @deepseek_ai● 精選9/10 02:10AI 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。
搜尋
找到 11 筆
DeepSeek news● 精選10/2 17:11AI 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 @MistralAI10/7 10:06AI 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。
X @deepseek_ai● 精選9/10 02:10AI 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。
量子位● 精選10/9 03:11AI 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。
量子位10/9 04:53AI 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。
Pi changelog10/4 20:00AI 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。
X @deepseek_ai9/10 02:10AI 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。
X @deepseek_ai● 精選9/10 02:10AI 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；
NVIDIA blog10/1 09:00AI 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。
量子位● 精選10/3 03:54AI 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。