彭博行业研究：DeepSeek V4.1 Flash 发布后中美顶尖模型 LiveBench 差距缩至 3%

英伟达 CEO 黄仁勋在 CNBC《财经早间》节目上表示，利用其他模型输出训练新模型的蒸馏属于市场竞争，与美财政部长贝森特 7 月称其为“盗窃”的定性相反。他以竞品拆解英伟达产品为例，称竞争会让一切更好。此前 CISA 指责中国 AI 企业开展“工业规模知识蒸馏”，Anthropic 称发现阿里巴巴和 DeepSeek 存在“非法蒸馏”行为，中方已驳斥相关指控。

Cisco Talos 于 9 月 22 日披露针对 Windows 11 的 AI 恶意软件 ClosedQuorum，它基于 Go 语言打造，调用谷歌 Gemini、DeepSeek、Qwen 和 Mistral 等模型，在入侵设备后无需人类操作员即可通过投票机制自主决策下一步攻击。

DeepSeek v4.1 主 Attention 算子负责人刘胜与 9 月 14 日发文《我不得不把才华埋葬在昨天》，文章获微信公众号 10 万+ 阅读并登上知乎热榜第一。

英伟达以 DeepSeek-v4-PRO 1.6T 模型测试显示，Vera Rubin NVL72 每兆瓦吞吐量约为 GB300 NVL72 的 30 倍，每百万 Token 成本为后者的 35 分之一。测试采用 SemiAnalysis AgentX 工作负载，评估智能体编程推理。此前 GB300 NVL72 每兆瓦吞吐量已达 H200 NVL8 方案的 15 倍。

《华尔街日报》报道称，中国 AI 模型与美国头部模型的差距已缩小至数月，背后是清华等高校长期形成的人才网络、开源技术、人才回流及更高算力效率共同推动。智谱 AI 唐杰、月之暗面杨植麟、DeepSeek 梁文锋等研究者构成重要力量。报道还指出，DeepSeek 通过 MLA 与 MoE 技术降低算力需求，但高端芯片数量仅为 OpenAI、谷歌同行的五分之一。

作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

vLLM 团队发布针对智能体负载优化的博客，基于 SemiAnalysis 的公开 AgentX 基准展示成果：DeepSeek V4 Pro 在 GB300 上达到 83K total tokens/GPU-秒。

Baseten 发文解析开源模型后训练的成本驱动因素，指出活跃参数量是 RL 后训练成本的最大来源，总参数和 KV cache 主要限制推理速度，并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。

SGLang 将 SSD-LLaMA 的思路引入 MoE 推理，把放不进显存和内存的路由专家放在 NVMe SSD 上，通过 Expert Pack 连续布局、O_DIRECT 直接 I/O 和带预算的 GPU LFU/LRU 缓存，只加载 router 选中的专家。

本地运行的 Qwen3.8-27B 在 Artificial Analysis 智能指数上以 52 分位列 135 个模型之首，超过 7530 亿参数的 GLM-5.2。在 25 项风投任务评测中，它与云端 DeepSeek V4 输出质量同为 8.0 分，但需多花 7.2 倍 token 思考，速度慢约 9 秒。小模型靠更长的链式推理弥补知识差距，而非直接给出答案。