Artificial Analysis 将 DeepSeek V4.1 Flash 加入 AA-AgentPerf 基准，GB300 吞吐领先

开源模型生态正变得更多元，参与者从少数中国公司扩展到全球各类组织。纯模型制造商包括 DeepSeek、智谱、MiniMax、Poolside、Arcee、Zyphra 及主权 AI 玩家 Cohere、Sovereign、Mistral、Trillion Labs；科技巨头如阿里 Qwen、Google Gemma 和 NVIDIA 各有不同动机；产品公司如 JetBrains、Zed、Krea、Photoroom 则训练高度专业的小模型。NVIDIA 发布 Nemotro…

英伟达投资的初创公司 Reflection AI 于当地时间周一发布首款开放权重大模型 Beam，定位在代码与智能体任务领域与 DeepSeek、Kimi 等中国模型竞争。

DeepSeek 于 9 月 30 日通过官方公众号宣布正式开源面向华为昇腾算力平台的基础设施组件，与此前面向英伟达平台的开源组件一一对应，涵盖 TileLang 编译工具、计算库和分布式通信库。

MLPerf Inference v6.1 结果公布，AMD 以 512 个 Instinct MI355X GPU 在 DeepSeek R1 测试中创下 575 万 token/秒的新纪录，离线成绩 2，901，950 tokens/s、服务器成绩 2，405，310 tokens/s。

NVIDIA Vera Rubin NVL72 首次提交 MLPerf Inference v6.1 preview 结果，Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。

DeepSeek 发布开源模型 DeepSeek V4 Flash 0731，在 Artificial Analysis 智能指数上得分 50，位列开源模型前三。该模型采用 MIT 许可，总参数 284B（激活 13B），FP4/FP8 混合精度约 167GB，与 V4 Flash 架构和定价一致，并已上线官方 API。

KwaiKAT发布非推理代码模型KAT-Coder-Pro V2，在Artificial Analysis Intelligence Index获44分，较V1提升8分，与Claude Sonnet 4.6持平。该模型token效率显著，运行仅需约9M输出token，远低于Claude系列及DeepSeek等推理模型。Agent能力大幅提升，Terminal-Bench Hard得分49%（提升40个百分点），匹配Claude Opus 4.6。成本降至73美元，响应速度达…

Artificial Analysis 发布 Cyber Index 与 Cyber Index Alliance，联合 @CollinearAI、@IBM、@nvidia、@vercel 作为启动伙伴，用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三个开放基准评估智能体发现和修复漏洞的能力。

Artificial Analysis 评测显示，DeepSeek V4.1 Flash 在 Intelligence Index 得分 40，超过 DeepSeek V4 Pro 0813 成为 DeepSeek 新旗舰，输入激活参数 8B、输出激活参数 16B，支持 1M token 上下文，MIT 许可。

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%。