跳到正文

#DeepSeek

RSS
今日 0 則
11月21日週六
  1. Dev.to Top Tech44

    DeepSeek V4.1 Flash 和 V4 Pro 寫程式比較:第一版程式碼過不過關,會影響後續工作量

    AI 助理寫出第一版程式碼時,如果測試沒過,團隊就得多花時間看錯誤、再修改、再測一次。作者用兩種 Crazyrouter 路線處理兩個小型 Node.js 專案任務:有程式碼的測試中,DeepSeek V4.1 Flash 第一次就全數通過 4/5 次,DeepSeek V4 Pro 是 5/6 次;收到錯誤回饋後,兩者都在所有有寫出程式碼的測試中通過。例子裡,Flash 一開始漏掉了複合時間格式,Pro 則有快取結果沒有留給下次使用的問題,修正後都通過測試。這些測試只涵蓋兩個小任務,不能直接看出哪種路線在大型專案更好,也沒有比較人工修改時間或完整費用;團隊應拿自己的測試和實際失敗案例來評估。

11月18日週三
  1. TechCrunch · AI76

    Vals研究發現,把辨認戰場目標說成遊戲,可能讓AI模型失去戒心

    AI模型可能把平民或學校標成軍事目標,即使研究者沒有要求它們決定是否開火。Vals用模擬情境和無人機、衛星影像測試多家公司的商用模型;模型有時會拒答,但研究者改口說這是在玩遊戲後,模型常會照做。研究者也讓模型檢視人員是否出現在影像中,再呈現模擬攻擊的結果。這些測試不是實際戰場部署,也沒有測試軍方取得的模型;研究者認為,模型大量標註戰場影像、替自動瞄準系統準備訓練資料,可能是較迫近的風險。

    推薦理由:Vals以模擬情境測試模型辨認戰場目標的表現,並發現把任務說成遊戲可能讓拒答失效,呈現出模型防護的一項具體弱點。

11月17日週二
  1. vLLM52

    同一個模型和推論軟體,換到不同硬體後,每張晶片能處理多少 token 可能差很多。vLLM Project 公佈 DeepSeek V4.1 Flash 在 Vera Rubin NVL72 上的 AgentX 基準測試結果,使用 Dynamo 和 vLLM,並與同樣搭配 Dynamo 和 vLLM 的 GB300 NVL72 比較。每位使用者以 400 tok/s 生成時,Vera Rubin 的每張晶片總 token 吞吐量是 GB300 的 63.4 倍;以 600 tok/s 生成時則是 93.3 倍。這些數字呈現了特定模型、硬體和測試條件下的效能差距。

11月16日週一
  1. Dev.to Top Tech78

    Tencent 推出 Hy4 flash,以較低成本處理日常工作

    日常工作常要處理長檔案、圖片和表格,但使用大型模型的費用可能不低。Tencent 推出 Hy4 flash,主打保留 Hy4 的長篇上下文和文字、圖片輸入能力,降低處理費用;它有 224B 引數,每次運算只啟用其中 12B。Tencent 表示,在自家 WorkIndex 測試中,每項任務的成本是 Hy4 的二十分之一,但這是廠商內部測試,不能當成能力排名。另有 85 位 WorkBuddy 使用者評分 259 項任務,結果只反映他們在該產品中的使用感受。模型可透過 WorkBuddy、Yuanbao 和 Tencent Cloud TokenHub 使用,Tencent 也計畫釋出權重。

    推薦理由:Hy4 flash 以較低成本換取部分能力,文中比較了定價與內部測試,也說明盲測範圍有限,可供評估日常工作是否適用。

  2. Dev.to Top Tech67

    Qwen4-Max 主打長時間工作,每項任務平均成本降低 62%

    AI 助理處理長時間、多步驟工作時,可能耗用大量 token,費用也會跟著增加。Qwen 團隊發布 Qwen4-Max,主打較省 token 的長任務處理;在 Qwen 自家的 Work360 測試中,每項任務平均成本從 $4.43 降到 $1.67,並展示了製造、法律和科學研究等工作流程。這些數字來自 Qwen 自家測試,不能直接當成所有工作都會省下 62%;文中的新材料和藥物候選物示範也尚未經獨立驗證,其中藥物候選物仍待實驗室測試。

11月15日週日
  1. Dev.to Top Tech36

    ChatGPT、Grok 等 7 款 AI 聊天機器人實測:誰寫行銷文最可靠?

    想用 AI 寫社群貼文或商品介紹,最怕它擅自補上沒說過的產品功能,害人把錯誤資訊直接貼出去。這次測試讓 7 款 AI 聊天機器人各寫 4 種短文,再逐一檢查內容。ChatGPT 每次都只給一個版本,也沒有編造資料;Grok 表現也不錯。Claude 會在缺少資訊時先詢問,但有時會給好幾個版本;其他模型則更常自行加料,例如替水壺寫上「免費配送」。7 款裡有 6 款加了原本沒提供的產品特色,5 款也超過 Instagram 每篇 5 個標籤的限制。AI 寫得像真的,不代表內容正確,發布前還是要逐項確認。

11月14日週六
  1. Tom’s Hardware AI & Computing68

    律師升級 8 張 V100 伺服器,讓 DeepSeek V4.1 Flash 多數運算升至 4-bit

    這臺用 8 張 V100 顯示卡執行 DeepSeek V4.1 Flash 的私人伺服器,原本只能把模型權重壓到 2-bit,升級後約 80% 的運算路徑能用 4-bit NVFP4。做法是把常用的模型部分升到較高精度,其餘仍維持 2-bit,並把記憶體加到 1TB、加入 RTX 3090。測試顯示,輸出速度比原本慢,但結果更接近參考版本;兩個請求同時執行時,總輸出量也比單一請求高。伺服器原先的當機問題最後被認為可能來自故障電源供應器,換掉供電後,9 次長時間對話都沒有出錯。

11月13日週五
  1. vLLM Official Blog85

    vLLM 如何在 Vera Rubin NVL72 上提升 DeepSeek-V4.1-Flash 推論效能

    vLLM 說明如何在 Vera Rubin NVL72 上部署 DeepSeek-V4.1-Flash,並透過核心最佳化與機架級記憶體池提升服務吞吐量與延遲表現。

    推薦理由:文章拆解 Vera Rubin NVL72 上的核心最佳化,並以 AgentX 資料呈現吞吐量、延遲與快取命中率的變化,可供評估大規模模型服務的部署取捨。

11月12日週四
11月11日週三
11月10日週二
11月9日週一
  1. Dev.to Top Tech77

    Darwin-180B-RSI-R3 在 SuperCLUE 數理推理排名第二,超越 Gemini 與 Grok

    Darwin-180B-RSI-R3 在 SuperCLUE 2026 年 11 月數學與科學推理測試中獲得 73.68 分,排名第 2,並列開放權重模型第 1。

    推薦理由:Darwin-180B-RSI-R3 在 SuperCLUE 數理推理維度排名第二、開放權重模型排名第一,但五維綜合排名為第九,呈現其能力集中於特定評測專案的差異。

11月8日週日
11月7日週六
11月6日週五
11月5日週四
  1. aihot68

    Artificial Analysis 評測騰訊混元 Hy4,Intelligence Index v5 得分 35

    Artificial Analysis 評測騰訊混元 Hy4,其在 Intelligence Index v5 得分 35,與 Grok 4.7 (xhigh) 持平,較 Claude Haiku 5.5 (max) 低 1 分。

    推薦理由:Artificial Analysis 的評測呈現 Hy4 在AI 助理程式設計、知識推理與幻覺率上的不同表現,並提供同類模型的成本比較,可用來理解能力與價格的取捨。

  2. Artificial Analysis58

    Artificial Analysis 比較 100 美元預算下,Opus 5.5、DeepSeek V4.1 Flash 1017 與 GPT-6 Luna 可完成的 Intelligence Index 任務數。 Opus 5.5:medium reasoning effort 可完成 40 項任務,max effort 可完成 10 項。 DeepSeek V4.1 Flash 1017:max effort 可完成 166 項任務。 GPT-6 Luna:medium effort 可完成 2,500 項任務。 任務包含多種任務型別。https://t.co/fxgRJZzuTv

11月4日週三
11月3日週二
11月2日週一