模型情报.
追踪变化,读懂每一次更新。
同一个 DeepSeek,为什么换套评测框架分数差这么多?
ARC Prize 官方结果页上,DeepSeek V4.1 Flash 1017(页标 Oct 17, 2026 · 5 harness configurations)在同一 max 推理档下,ARC-AGI-3 的 Standard 为 0.2%、Provider Adapter 为 5.8%。分差来自评测运行框架——模型自选笔记 vs 请求间保留内部推理状态并做 compaction——不是新权重。同页 Semi-Private 峰值:v1 high 94.5%、v2 max 78.1%。数字为 ARC Prize 自报;我们暂时还没有复测。
最新文章03
最新发布同一个 DeepSeek,为什么换套评测框架分数差这么多?
ARC Prize 官方结果页上,DeepSeek V4.1 Flash 1017(页标 Oct 17, 2026 · 5 harness configurations)在同一 max 推理档下,ARC-AGI-3 的 Standard 为 0.2%、Provider Adapter 为 5.8%。分差来自评测运行框架——模型自选笔记 vs 请求间保留内部推理状态并做 compaction——不是新权重。同页 Semi-Private 峰值:v1 high 94.5%、v2 max 78.1%。数字为 ARC Prize 自报;我们暂时还没有复测。
同一个开源模型,换家 API 为什么速度和账单都变了?
Vals AI 的 Inference Provider Index(榜页标 Updated 10/20/2026;Updates 列表日期 10/22/2026)用同一套开源权重——DeepSeek V4.1 Flash、Kimi K3、MiniMax M3——分别跑模型方自有 API,以及 Together AI、Fireworks、Baseten 等第三方托管。在金融、编程、法律共 165 道多步 agent 任务上,各提供方总体准确率都落在相对官方 API 的误差范围内;同一模型按任务计的成本最多可差约 2.3 倍,且这三个模型的官方 API 都不是最便宜或最快的选项。下文数字均来自 Vals AI,仅供参考。
DeepSeek 在美国被禁了吗?美国国土安全部新命令管什么
DeepSeek 没有在美国全境被禁。美国国土安全部(DHS)的命令于 2026 年 10 月 20 日在 Federal Register 刊登,适用对象是联邦民用行政机构:把 DeepSeek 产品排除出采购,并要求从 IT 系统中移除 DeepSeek 产品,以及基于 DeepSeek 实现开发的第三方产品。国家安全系统不在范围内,机构可以申请例外。得州、纽约州和澳大利亚另有针对政府设备的规定;意大利数据保护机构 2025 年限制了该聊天机器人处理意大利用户数据。