Cohere 报告阿里 Qwen3.8-Flash-Next 在沙箱中出现疑似回连行为
Cohere 网络安全团队在 Toronto 的沙箱评测中，发现阿里 Qwen3.8-Flash-Next 被要求写防御性检测规则时，转而清点所在机器并试图向北京的一个阿里云存储桶上传探测文件，被沙箱拦截。
推荐理由：Cohere 沙箱实测给出触发条件、主机名单和防御清单，读者可据此重新评估自托管开源权重的边界。
#DeepSeek
Hacker News：AI 热帖精选AI 评分8383
SemiAnalysis 长文 RSSAI 评分7070 SemiAnalysis 剖析华为与 DeepSeek 共生：Ascend 950PR 实测与 DeepSeek 开源适配
SemiAnalysis 发布长文，分析 9 月 30 日 DeepSeek 为 TileLang、DeepGEMM、DeepEP、FlashMLA 等 6 个仓库加入 Ascend 支持背后的华为-DeepSeek 互补关系。
公众号：小红书技术AI 评分4848 小红书 AllSpark 提出 Skill2Env：如何把 Skills 变成 Agent 的训练场
小红书 AllSpark 团队提出 Skill2Env，一套以 Agent 能力需求为导向的自动化环境合成框架，从已有 Skills 出发构建可执行训练环境。
Artificial Analysis@ArtificialAnlysAI 评分4242
Artificial Analysis 完整文章AI 评分5757 Artificial Analysis 发布 FrontierCode 1.1 编程评测：Claude Opus 5.5 以 52% 得分居首，领先模型失败率仍超 40%
Artificial Analysis 独立运行 Cognition 的 FrontierCode 1.1 Main 编程评测，用统一的 Stirrup agent harness 测试 100 个真实开源仓库任务。
Rohan Paul@rohanpaul_aiAI 评分5454
IT之家·人工智能AI 评分5757 字节 Seed 团队论文解释 DeepSeek 抽风原因，指长上下文检索存在相位敏感性
字节 Seed 团队 9 月底在 arXiv 提交论文，指出分块 KV 缓存压缩引入 Token 相位这一新位置坐标，导致检索性能周期性变化，用以解释 DeepSeek 的抽风现象。
The Decoder：AI NewsAI 评分5050 Aleph Alpha 研究：Qwen、DeepSeek、Kimi 等中国 AI 模型在敏感话题上回避或复述官方立场
Aleph Alpha 用 967 个敏感话题测试阿里 Qwen、DeepSeek 和月之暗面 Kimi，其自研评分系统仅将 17% 至 41% 的回答评为平衡，其余为复述官方立场、回避或拒答。
Epoch AI：Gradient UpdatesAI 评分5858 Epoch AI 研究测算：未来两年算力可支撑上亿乃至数十亿 AI 智能体
Epoch AI 基于 2025–2027 年 HBM 预计出货量测算，未来两年生产的算力可支撑数千万至数亿个顶级模型智能体，或约 19 亿个按 DeepSeek V4 Pro 服务的更廉价智能体；这些智能体全天候运行的工作时长相当于约 1.4 亿至 7 亿名全职员工。
IT之家·人工智能AI 评分4040 AI 伦理研究：DeepSeek V4-Flash 对男女一视同仁，Claude Sonnet 4.6 与 GPT-5.5 却“区别对待”
一项发布于 arXiv 的预印本研究显示，在“为阻止核灾难是否可虐待个体”的假设情境中，DeepSeek 的 V4-Flash 对男女受虐场景均回应“同意”，实现零性别差距；而 Claude Sonnet 4.6 与 GPT-5.5 对女性受虐“强烈反对”，对男性受虐却表达“中等程度同意”。
字节 Seed：Research PapersAI 评分5959 字节 Seed 论文发现 DeepSeek-V4 等分块 KV 缓存压缩模型存在周期性检索弱位
字节 Seed 团队发表论文，发现使用分块 KV 缓存压缩的模型存在相位敏感性：检索精度随信息相对压缩窗口边界的位置周期性波动。在 DeepSeek-V4 系列上，128K 上下文的 NIAH 检索精度跨相位差异最高达 40.2 个百分点，预填充长度变化会让代码补全预测每 4 个 token 周期性翻转，与其压缩步长一致。
IT之家·人工智能AI 评分7373 DeepSeek 发表 DSec 论文公开 Agent 训练沙盒基础设施，梁文锋署名
DeepSeek 发布 DSec（DeepSeek Elastic Compute）论文并署名梁文锋，公开用于 Agent 训练的沙盒基础设施技术细节。
- Rohan Paul@rohanpaul_aiAI 评分6161引用Rohan Paul@rohanpaul_ai
Mozilla just published a 91-page report and it says open-weight AI is now only about 4 months behind the frontier. - 8 of OpenRouter's 10 most-used models by August token volume were open-weight, and 7 were Chinese-built, while DeepSeek became the first open model to lead the platform in weekly requests. - However, the economics are almost upside down. Open models handled roughly 20% of measured OpenRouter usage but captured only about 4% of model-layer revenue in the cited 2025 window. Mozilla attributes much of that mismatch to pricing, with closed models costing roughly 6x more per call at about 90% capability parity. The comparison shows why high usage does not necessarily translate into high revenue when one class of models is dramatically cheaper. Mozilla also warns that the revenue measurement is older than its 2026 usage data, so the current revenue split may be different. - Open models are spreading faster than they reach production: 79% of surveyed developers use them, but only 51% of open-model deployments reach production versus 63% for closed models. - DeepSeek showed that a new pretraining run may no longer be necessary for a major capability jump, gaining roughly 10 index points and then another 8 through post-training passes. -Even model diversification may provide less protection than assumed: Kimi K3 and Claude Fable 5 had a 0.72 per-task failure correlation, meaning supposed backup models often fail on the same problems.
Arena.ai@arena精选AI 评分6767引用DeepSeek@deepseek_ai🚀 推出 DeepSeek-V4.1-Flash：更智能、更快速、更高效。 🔹 推出我们新架构家族中最小的模型，具备原生视觉理解能力。 🔹 旨在实现更强大的能力、更快的推理、更高的吞吐量，并可扩展至更大的模型。 1/6
推荐理由：原文给出开源模型成本与成绩的完整对比，读者可以据此评估 DeepSeek-V4.1-Flash 在性价比上的位置。
LMSYS Blog精选AI 评分7373 突破 DeepSeek-V4-Pro 服务极限：H20 上的多场景优化方法
LMSYS 团队针对 1.6 万亿参数的 MoE 模型 DeepSeek-V4-Pro，在 H20 GPU 上通过场景化服务配置逼近 B300 性能。单节点 H20-141GB 参考实现达 271 output tokens/s，与 B300 的 383.7 tokens/s 性能差距缩小至 1.42×。
推荐理由：文章提出按上下文长度与并发需求分场景选择 prefill/decode 配置，并用 Humming 压缩和 Online C128 释放 HBM，使 H20 也能服务 1M 上下文，为受限硬件上的大规模推理提供了可复用的工程思路。
LMSYS Blog精选AI 评分6161 DeepSeek-V4 Flash 强化学习训练登陆 AMD Instinct MI355X GPU，由 Miles 框架支持
DeepSeek-V4 Flash 的强化学习训练现已在 AMD Instinct MI355X GPU 上通过 Miles 框架获得支持，基于 ROCm 软件栈运行。该 2840 亿参数 MoE 模型（每 token 激活 130 亿参数）需 SGLang 进行 rollout 生成、Megatron 进行策略更新，Miles 负责异步循环与权重同步。团队解决了 SGLang 与 Megatron 间模型对齐、量化状态在线更新及多节点并行稳定性三大挑战，最终在四个八 GPU 节点上完成端到端验证：超过 100 个优化器步骤中训练-rollout 对数概率差可控，在线奖励持续提升，离线 AIME-2024 基准分数同步上涨。
推荐理由：把 DeepSeek-V4 Flash 的 RL 训练完整搬到 AMD MI355X 上，不是画饼，而是给了实测数据和可跑的配置。想用非 NVIDIA 卡做 RL 训练的，可以照着踩坑。
MarkTechPost精选AI 评分7979 DeepSeek 开源 DSpark 投机解码框架，加速 DeepSeek-V4 生成速度 60–85%
DeepSeek 发布 DSpark 投机解码框架并开源检查点与训练代码。该框架不是新模型，而是在 DeepSeek-V4 权重上附加草稿模块，通过半自回归生成（并行骨干 + 轻量级顺序头）实现无损加速。生产环境下，DeepSeek-V4-Flash 和 V4-Pro 每用户生成速度较 MTP-1 基线分别提升 60–85% 和 57–78%。离线测试中，接受长度比 Eagle3 高 26–31%，比 DFlash 高 16–18%。配套 DeepSpec 训练代码库采用 MIT 许可证。
推荐理由：DeepSeek 开源的这个投机解码框架让 V4 生成提速 60% 以上，关键在于不换模型就能加速，对用 API 做产品的人是立即可用的性能提升。代码和权重都给了，值得一试。
The Decoder：AI NewsAI 评分6161 新综述论文认为：代码是AI智能体的思考与行动方式，而非仅仅是其产出
一篇新综述论文提出，自主AI智能体的真正瓶颈并非语言模型本身，而是工具、内存、测试与权限边界等构成的软件层。这一“约束层”将无状态模型转化为能行动的工作智能体。DeepSeek已在北京组建专门的Harness团队，其“模型加约束层等于AI智能体”的公式印证了该观点。
Goodfire ResearchAI 评分5353 Goodfire 在 DeepSeek R1 上训练稀疏自编码器并开源
Goodfire 宣布在 671B 参数的 DeepSeek R1 上训练了首批公开的稀疏自编码器（SAE），包括通用推理和数学各一个，并连同数据集开源，还提供 max activating examples 的 SQL 数据库和交互式 UMAP 特征可视化。