AI 模型发布与更新

试试 Grok @Bot

Ethan Mollick 转发并评论一份汇总：Delta 阻止 AI Agent 订机票，JPMorgan Chase 和 Charles Schwab 阻止 Agent 访问账户，Yelp 要求 Agent 付费数据授权，Amazon 已屏蔽 Grok bot 等购物 Agent。他认为在 AI 能代替用户操作电脑的时代，这种封锁并不是很稳妥的策略。

Hugging Face 联创 Thomas Wolf 用 napkin math 估算，Meta、NVIDIA、阿里、DeepSeek、Moonshot、Mistral 等约 35 家机构已在 Hugging Face Hub 免费共享价值近 $1B 的训练算力（按当前 GPU 租用价折算），而 2023 年底这一数字还不到 $40M。估算基于 72 个模型家族的官方算力数字加推断，未计入约 90 万个社区微调，并附可探索数据页面。

MiniMax 发布 MiniMax M3.1 Flash，匿名模型 Space Bunny 是其早期版本，曾处理超过 200 万亿 token。

Artificial Analysis 上线 HealthBench 和 HealthBench Professional 排行榜，两个基准来自 OpenAI，用医生编写的评分标准评估模型在真实健康对话中的表现。

SemiAnalysis Weekly 播客 Ep. 038 全面拆解 Z AI 两个月前发布的开源模型 GLM 5.3，核心论点是架构完全不变、全部提升来自后训练，agentic 基准提升超过 2%，网络安全能力与 5.2 相比是昼夜之差。

Google DeepMind 的四个 Gemini 4 Argon 智能体在无人类输入下击败 Minecraft，全自主击杀末影龙。智能体被投入随机生成世界，未分配角色或策略，自行分工、互相预警威胁、回收阵亡队友物品并记录错误到共享记忆。

用户卡兹克宣布直接卸载GrokBot，称其一条回复成为压垮骆驼的最后一根稻草。他表示即便已在提示词中写满“必须详细思考、深度回复、看清所有再回答”等要求，该产品仍敷衍了事。其引用推文还提到GrokBot常年不思考、路由的垃圾模型不查证就直接回复，浪费的时间远超节省的时间。

用户吐槽 GrokBot 经常不思考、张嘴就来，路由到的垃圾模型查都不查直接回复，掰扯和出错浪费的时间远超节省的时间。推文未给出具体模型版本、参数或性能数字，仅表达对 GrokBot 实际使用体验的质疑，并向其他用户询问使用方式。

当然

我们团队每天为 Grok @Bot 做出大约 20 项改进

这很好用。信用卡截图是最简单的方式，除非你想填写安全保险库数据。 在餐厅把信用卡交给不认识的人似乎有点傻，但交给 Grok Bot 就不会。

❤️

试试 Grok @Bot！

2026-10-17 DeepSeek-V4.1-Flash-1017 别对我太好 我讨厌落差感

这真的可行！ Grok @Bot 能自己赚回成本。

正在为 pstack 开发一个新的验证技能 👀

我们把果蝇大脑放进了Odyssey-3，一个前沿世界模型。 这个小家伙现在完全靠自己，在完全由想象生成的模拟世界里飞来飞去 🫶

Kyutai 联合 Inria 和 École des Ponts 发布 2.4B 参数的视觉-语言-动作模型 REKI，仅用公开数据预训练，权重已在 Hugging Face 开放（CC BY-NC-SA 4.0）。

单步成功率 99% 时，10 步任务全程无失败的概率约 90%，100 步则降至 37%；若每次失败可重试一次且失败相互独立，37% 可回升到约 99%。但重试并不简单：响应超时可能导致动作重复执行，失败也可能改变系统状态，失败之间未必独立。因此长程智能体不只是 LLM 问题，模型周围的系统同样关键。

Perplexity Decider Flash 相当不错，运行速度极快，还能在你的 M4 Mac 16GB 上端侧运行。

最近有一些强大的嵌入向量模型发布。我们的仍然更好。 我们使用 RCP-nDCG@10 在 163 个数据集上对 Embed 5 Fast 与 Google 的 EmbeddingGemma 2 进行了基准测试。 Embed 5 Fast 在其中超过 95% 的数据集上领先。

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。

不想太煽情，但我真的受宠若惊、心怀感激，这么多人都决定关注我。我以前就说过，我的职业生涯以及所有来到我面前的机会，真的都要归功于在 @X 上发帖 谢谢 @mvanhorn 带我重温旧日时光！

Arena 更新 Arena Alignment Index 榜单，新增两个实验室和三个模型：Meta 的 Muse Wonder 以 77.5% 排第 6，Reflection 的 Beam-1.0-501B-A23B 以 75.3% 排第 7，StepFun 的 Step 5 Preview 以 75.1% 排第 8。

Arena Alignment Index 更新新增两家实验室和三款模型，Meta 新旗舰 Muse Wonder（Max）以 77.5% 位列第 6，Reflection 的 Beam-1.0-501B-A23B 以 75.3% 排第 7，StepFun 的 Step 5 Preview 以 75.1% 排第 8。

Anthropic 的 Claude 在不到 30 分钟内破解了一个悬置 25 年的密码学谜题：NIST 在 2000 年标准化的 ECDSA 椭圆曲线种子由 NSA 提供，来源不明，长期引发后门怀疑。

回顾 Meta 的重要一周，美国开源权重模型的现状，以及对 Anthropic 和 OpenAI 形成有意义竞争的前景。 Meta 感觉正不断壮大，但他们能弥合与 Claude 之间的最后一点差距吗？

DeepSeek 发布 DeepSeek-V4.1-Flash-1017，相比上一版基准更强、任务完成更快、输出更短，称是性能与成本的 Pareto 改进，已上线网站、App 和 API。Nathan Lambert 转发时吐槽命名方式（小版本号加日期标签），并称基准提升幅度大，内置视觉后可能强于 GLM 5.3，问开源权重之王是否回归。

DeepSeek 发布增量更新版本 V4.1-Flash-1017，官方称基准表现更强、任务完成更快、输出更短，实现性能与成本的帕累托改进，已上线官网、App 和 API。

OpenBMB 宣布 MiniCPM-V 4.7 登上 Hugging Face 热门榜第 3。35B-A3B MoE 模型可在 iOS 和 Android 上以约 3GB 内存流畅运行，1B 模型在 OCR、数学和视频理解方面表现较强。GitHub 与 Hugging Face 链接已开放。

DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已在官网、App 和 API 开放，权重开源在 Hugging Face 和 ModelScope。

DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已上线官网、App 和 API。

“如何避免脑腐”这期节目很棒。几个我最喜欢的观点： - 用 AI 向自己提出苏格拉底式问题，而不是直接给你答案，会让你感觉自己学得更少，但研究表明你实际上学得更多 - AI 工具迭代太快，掌握一个新工具的 50% 胜过精通一个旧工具的 90%

DeepSeek 发布 DeepSeek-V4.1-Flash-1017，基准成绩更强、任务完成更快、输出比上一版更短，官方称是性能与成本的 Pareto 改进，已上线网站、App 和 API。作者补充称其解决了此前过度思考的问题，同样任务约省一半 token。该模型针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等优化，建议升级 DeepSeek Harness v0.2.1-rc.1 或更高版本使用。

DeepSeek 发布开源权重模型 DeepSeek-V4.1-Flash-1017，在 DeepSWE 1.1 基准上取得 77% Pass@1，据称超过 GLM-5.3、Kimi K3、GPT-5.6 Sol 和 Opus 5。模型已上线 DeepSeek Chat、API 和 HuggingFace，官方称相比上一版性能更强、任务完成更快、输出更短，并在性能与成本上实现 Pareto 改进。

DeepSeek 发布 V4.1-Flash-1017 检查点，已上线网站、App 和 API，官方称在全部 11 项基准上超过 9 月版 V4.1-Flash，提升 2.0 到 11.1 分，DeepSWE v1.1 达 77.0，但 Claude Opus 5 仍在 Terminal-Bench 4.0 和 HLE 等项目领先。

DeepSeek 发布 DeepSeek-V4.1-Flash-1017，官方称相比上一版性能更强、任务完成更快、输出更短，已在官网、App 和 API 上线。引用内容称其性能与成本实现 Pareto 改进，并针对 DeepSeek Harness、Tencent CodeBuddy、WorkBuddy 等优化，建议升级 DeepSeek Harness v0.2.1-rc.1 或以上版本；对比图显示其在 HLE（无工具）42.6/44.0、Terminal-Bench 4…

🚀 DeepSeek-V4.1-Flash-1017 来了！ 相比上一版本，基准测试表现更强、任务完成更快、输出更短——性能与成本上的帕累托改进。现已在我们的网站、App 和 API 上线。 🛠️ 针对 @DeepSeekHarness、腾讯 CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

DeepSeek 将 V4.1 Flash 更新至 V4.1-Flash-1017 版本，网页端、APP 与 API 已同步替换，各项基准测试能力较上一版明显提升，任务运行时间与输出长度缩短，单次调用综合成本下降。