DeepSeek 开源自研推理框架 DeepInfer

作者表示开源模型永远追不上闭源的观点没撑过一周，DeepSeek-V4.1-Flash-1017 在 DeepSWE v1.1 上得分 77，以低 83 倍的成本达到 Opus 5 级性能。该模型将上线 Databricks，作者强调永远不要小看开源。

当今的 AI tokenomics： 前沿实验室 RSI 研究员：$10,000/天 旧金山创业公司创始人：$3,000/天 软件工程师：$300/天 我在中国的妈妈：“你能教我怎么下载 DeepSeek 吗？我在新闻上看到了。”

我最近常用的模型 + 工具栈组合： 1. Kimi K3 是最好的开源编码模型。GLM-5.3 紧随其后。2. DeepSeek V4.1 Flash 是我处理简单/中等任务的首选：极快且便宜。3. 复杂任务我会用 Astra。4. Codex 搭配开源模型效果更好。Claude Code 会让同一个模型成本翻倍。

有意思，Dario 点赞了我那条 DeepSeek V4.1 Flash 的推文。 【引用 @Yuchenj_UW】：DeepSeek V4.1 Flash 在编程和智能体基准上击败了 GPT-5.6 Sol，同时便宜约 97%。 每 token 的 KV cache 大小又降低 4 倍，非常惊艳。这是开源 AI 的时代。 Databricks 很快会把它带给我们的客户！

DeepSeek V4.1 Flash 在编码和智能体基准上超过 GPT-5.6 Sol，价格便宜约 97%。作者称其每 token 的 KV cache 大小再降 4 倍，并表示这是开源 AI 的时代，Databricks 将很快把该模型带给客户。

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 第一开源模型，总排名第 11，基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%；Confirmed Success 提升 +11.5%，且无 Tool Hallucination 问题。

DeepSeek 发布 DeepSeek V4.1 Flash 1017，在 Artificial Analysis Intelligence Index 得分 45，比 DeepSeek V4.1 Flash 提高 6 分，与 GLM-5.3 并列开源权重模型第二，仅次于 MiMo-V2.6-Pro。

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一开源模型，超过 Kimi K3 (Max)，成本低约 10 倍。

Microsoft AI 宣布完成 MAI-Base-2 预训练，这是一个 800 亿激活、2.8T 总参数的 MoE 基础模型，在 held-out 评测中 BPB 低于所测全部开源权重模型，预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4.2 至 12.3 倍。

ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 的成绩：ARC-AGI-2 得分 72.9%，每任务成本 $0.13；ARC-AGI-1 得分 94.5%，每任务成本 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 高 5.5 分，ARC-AGI-2 高 11.5 分，但每任务成本高约 250%。