本文来源:https://www.cnblogs.com/itech/p/23670295
若有版权问题,请来信告知:13951431913#139.com 或在右方提交评论。
DeepSeek 把「全家桶」搬上 API:搜索、抓取、OCR、语音一个 key 全包 DeepSeek 宣布在 API 侧一次性开放整套工具能力:V4.1-Flash 模型在 Chat Completions、Messages、Responses 三类接口中统一支持扩展插件,包括 Web Search(由模型自行判断是否需要联网)、网页抓取 Fetch(取正文而非整页 HTML)、OCR、ASR 语音识别、TTS 合成、文件上传与链接解析。各能力独立接口、独立计费:联网搜索 5 元/1000 次成功调用,OCR 1.5 元/1000 页,语音识别由 0.78 元/小时打到 0.39 元/小时(五折),语音合成 3 元/万字符降到 1.5 元。同时开源了一个轻量聊天前端 demo,支持导入 DeepSeek 历史记录。对开发者而言,过去要自己拼搜索 API、爬虫、OCR 服务、TTS 供应商的 Agent 链路,现在一次接入即可闭环,工程复杂度和多供应商成本都被压掉一层。 链接:https://www.qbitai.com/2026/11/510003.html
Claude Code Projects 重构:只写目标,协调器把活拆给并行线程 Claude 官方把 Projects 从「文件夹」改成「会话」形态:设定 goal 与仓库/上下文后,Claude 自己划定范围、拆解任务、协调多条并行线程、审阅产物并拼装结果,用户可以在项目主对话里盯进度,也能钻进单条线程改细节。底层每条线程都是一个独立的 Claude Code 云端 session,跑在自己的分支和仓库副本上,线程间改到同一处代码就按普通 PR 的合并冲突处理;线程内部还能继续用 subagent、loop、workflow 把大任务再切碎。所有线程共享一份 memory 与 library,决策、被砍掉的方案、发布改期这类上下文会随时间累积,减少复杂提示工程。当前 beta 面向使用云 session 且网页/桌面无既有 project 的 Pro/Max 用户,线程暂时只在云端跑。HN 上 91 条讨论,最主要的质疑是云侧锁定与并行线程加速消耗配额。 链接:https://claude.com/resources/articles/projects-redesigned
「史上最严」湿实验预测基准 SPU:推理拉满、算力翻 5 倍也白搭 UniPat AI 联合斯坦福、康奈尔、哈佛、北大、港科大等发布 SPU 基准,考的不是「解释实验」,而是实验之前最贵的那个判断:哪个条件更可能成功。数据集含 116 个任务、4207 个真实湿实验结果,来自 85 篇论文加 4 组未发表合作实验,覆盖 VHH 纳米抗体、反应条件、电解液、抗体变体等 32 个子领域。评测环境为 8 小时、8 核/16GB 内存/单卡 H20,允许联网装依赖,评分在断网容器内完成并扫描 DOI 与标题防污染,每题随机排序生成 4000 份基准取 95 百分位。12 款前沿模型 13 种配置参战,最高平均分 Claude Opus 5.5 仅 0.486,只有一半任务超过随机水平;把 GPT-6 Astra 的推理强度从 medium 拉到 max,耗时中位数涨 4.8 倍、API 成本涨 5.3 倍,成绩却无显著差异——模型常在中位 26% 的步数就给出答案。私有任务上更刺眼:同一批电解液预测离子电导率相关系数 0.89–0.95,换成电化学窗口就掉到 -0.55 至 0.07。数据集与代码已开源。 链接:https://www.qbitai.com/2026/11/510232.html
250 名三甲医生当考官,未来医生 MedGPT 在肺癌灰区以 88:12 胜出 未来医生 MedGPT 与国内顶级三甲医院胸外科团队联合开展研究,专攻「灰区」肺癌:指南推荐不明确、共病约束冲突、没有唯一标准路径的 40 例真实病例。250 名医生来自 27 个省级地区、98 家标准化中心,63.6% 为主任或副主任医师;每人在无辅助、检索参考、MedGPT 辅助三种条件下各做 3 例,共形成 2250 份策略文本。与无辅助提交的 750 份相比,MedGPT 有 660 次拿到更高评分,以 88:12 胜出,且标准化输出平均比医生短四成以上;医生在 AI 辅助下总体得分从 53.40 升到 66.27,相对提升 24.1%。同条件横评中大幅超过 GPT-5.4(71.38)、Claude Opus 4.7(61.81)与 Gemini 3.1 Pro(54.62)。系统架构是「先会诊、再推演」:多专科 Agent 各自分析并汇总分歧,按时间线整理病史、确定约束,再生成指南共识型 E-Path 与前沿研究型 F-Path,围绕证据缺口反复推演和删改路径。肺癌证据库含约 1.3 万篇原始文档、20.1 万条临床证据单元。评价体系由 20 名多学科专家三轮打磨出 240 条规则,其中 40 条锚定治疗资格与强度的安全边界,一触即判负,最终由三个 AI 裁判盲评。 链接:https://www.qbitai.com/2026/11/509796.html
openJiuwen 发布 RSI 原生 AgentOS:Agent 可以给自己开发新功能 openJiuwen 为 HyperAgent 提出「从开发者友好走向 RSI 友好」,并落地成 RSI 原生 AgentOS——把递归自我改进当作运行环境的一等能力。系统分 Web 客户端、Gateway、AgentServer + Harness 三层,五个环节开放扩展点:界面按钮与面板、网关鉴权与请求路由、会话与服务端命令、Swarm 多 Agent 协作规则与任务跟踪、Agent 的提示词/工具/MCP/子 Agent。扩展以扩展包交付,manifest.json 声明包标识、版本、依赖、代码入口以及 UI 挂载位置;安装时校验清单并按 ID + 版本存档,加载时 Gateway 与 AgentServer 各取自己运行的包,把处理函数注册到事件总线。跨会话消息、上下文用量变化、系统提示词组装、团队规则生成、界面就绪、网关分发等事件触发 handler,handler 又能调用 Ops 读历史消息与上下文、调用工具、查看团队只读视图、刷新面板、在授权范围内读写文件。演示里 Agent 直接在 WorkSwarm 中按自然语言需求生成「桌宠」系统插件和 Token 用量状态栏,改坏了还能回退到故障前存档点。 链接:https://www.qbitai.com/2026/11/509653.html
两台 DGX Station 串起来跑 GLM-5.3:vLLM 实测峰值 607.8 tokens/s NVIDIA 公布一份很有参考价值的私有化推理实测:GLM-5.3 采用 NVFP4 量化后仍有 753B 总参数、每 token 激活约 40B,checkpoint 约 464GB,而单张 GB300 只有 252GB HBM3e,一张卡装不下。方案是用两台 DGX Station 通过 ConnectX-8 RDMA 互联做张量并行 TP=2,推理栈为 vLLM v0.30.0,开启 MTP 投机解码、FP8 KV cache 与前缀缓存。结果:并发 16 时聚合吞吐冲到 607.8 tokens/s 峰值,单用户解码 115.3 tokens/s;并发 32 时聚合 385.0 tokens/s、平均延迟 453.5 秒,人均 13.0 tokens/s;MTP 接受率约 45%,每步约 1.9 个 token。C32 下最初有 22–23% 请求因 KV 空间不足被抢占,通过 gpu_memory_utilization≈0.95、max_num_seqs=32、max_num_batched_tokens=16384、block_size=2048 等参数调整,把丢弃率压到约 2%。它给出了一个明确档位:超大 MoE 不必上整机柜,两机 RDMA 也能稳定服务 32 路并发。 链接:https://developer.nvidia.com/blog/when-one-gpu-isnt-enough-serving-glm-5-3-across-two-nvidia-dgx-stations-with-vllm
Meta 开源用了八年的设计系统 astryx:组件库开始写给 Agent 的说明书 Meta 把内部打磨八年的设计系统 Astryx 以 MIT 协议开源,两天连坐 GitHub 总榜第一,已积累 2.8 万星。它在 Meta 内部支撑 1.3 万多个应用,是公司规模最大的设计系统,此次放出 150+ 无障碍组件、品牌级主题、暗色模式、模板与 CLI,基于 React 19+ 与 StyleX。几个设计取舍值得前端团队注意:组件内部完全开放,可组合到任意层级,需要改到底层时用 swizzle 把组件源码整份弹出到项目里自己拥有;用 StyleX 写样式但对使用方不可见,可以用 Tailwind、CSS Modules 或纯 CSS 通过 className 覆盖,不绑定样式方案;主题就是一组 CSS 自定义属性覆盖,设计师不必 fork 组件源码。最特别的是「同时为人与 Agent 而建」:API、文档、CLI 一起设计,人和 AI 助手从同一份参考出发、用同一套工具构建,README 里甚至用同步契约注释要求架构变更必须同步文档。 链接:https://github.com/meta/astryx
Portal2Bench:让 AI 智能体去通关《传送门 2》,26 个关卡考空间推理 Show HN 上的 Portal2Bench 把 3D 空间推理与长程规划放进一个残酷但干净的考场:让 Agent 实际玩《传送门 2》第 2 至第 5 章的 26 个测试室。游戏在模型思考时暂停,Agent 只能发送按键与视角转向,拿回截图和自身坐标;它有一个笔记文件夹,但没有 shell、没有网络、没有控制台,所以无法作弊,另有 QA 检查兜底。每个测试室都是全新独立的一局,必须在 300 次计划、30 美元预算内到达下一张地图才算解决;死亡后按普通游戏规则在上个检查点复活,只告知它「你死了」。结果是:GPT-6.1 Sol 通关 20/26,GPT-6 Astra 20,GPT-6.1 Terra 19,Claude Opus 5.5 11,Sonnet 5.5 6,Fable 5.1 目前 3/15,GPT-6 Luna 为 0。单个通关关卡的中位成本从 0.74 美元(GPT-6.1 Terra)到 13.12 美元(Fable 5.1)。它把「会写代码」和「能在物理规则下持续试错」这两种能力明确区分开来。 链接:https://kingstonyip.com/portal2bench
Nischoy:不用 LLM 的提示注入检测器,形式逻辑加 SMT 求解器给判决 Nischoy 提出另一条提示注入防御路线:不再用一个模型去监视另一个模型,而是彻底不用 LLM、不用 GPU。流程分三步——先做语法层面的语言分析,把文本拆开;再抽取「实际被要求做什么」,即动作与作用对象;最后把用形式逻辑写成的可执行策略交给 SMT 求解器检查,由求解器返回判决,而不是模型的概率猜测。好处是每个结论都能回溯到抽取出的具体事实和命中的具体策略,同样输入永远得到同样答案,没有黑盒。官方给出的本地基准是在 Apple M4 CPU 上进程内检测、120 次预热请求、不含网络:中位 4.7 毫秒,p95 为 6.0 毫秒,首次请求约 101 毫秒(明确标注非生产环境延迟测试)。对读遍邮件、网页、文档的 Agent 来说,这种确定性、可解释、纯 CPU 的护栏在延迟和可审计性上都有现实价值。 链接:https://nischoy.ai
190 行纯 JAX 复现 DeepSeek V3:把 MLA、MoE 与 MTP 摊开给你看 Show HN 上一个开源项目用大约 190 行纯 JAX 代码复现了 DeepSeek V3 的核心结构,把三块最容易被论文绕晕的设计写成可读的最小实现:多头潜在注意力 MLA(用低秩压缩 KV,直接把长上下文显存开销降下来)、DeepSeekMoE(细粒度专家加共享专家,并采用无辅助损失的负载均衡策略,省掉传统 aux loss 带来的性能折损)、多 token 预测 MTP(一次前向预测多个未来 token,可用于投机解码提速)。作者表示整个实现能在 MacBook Air 上训练起来。它的价值不在性能对标,而在可读性:想搞懂 DeepSeek 系列为什么在同等显存下能开更长上下文、MoE 路由如何不靠 aux loss 保持均衡,这份代码比翻论文和读官方仓库都快。 链接:https://github.com/Vaibhaav-Tiwari/deepseek-v3-jax
数据来源: TheAIEra News Hub 生成时间:2026-11-15 08:15:00
本文来源:https://www.cnblogs.com/itech/p/23670295
若有版权问题,请来信告知:13951431913#139.com 或在右方提交评论。
DeepSeek moved its entire app toolchain onto the API: the V4.1-Flash model now supports web search, fetch, OCR, ASR, TTS, file upload and link parsing across the Chat Completions, Messages and Responses interfaces. Each is billed separately — web search at 5 yuan per 1,000 successful calls, OCR at 1.5 yuan per 1,000 pages, ASR halved from 0.78 to 0.39 yuan per hour and TTS from 3 to 1.5 yuan per 10,000 characters. A lightweight open-source chat client that imports DeepSeek history was also released.
Claude's Projects feature was rebuilt from folders into conversations: users set a goal plus repository context, and Claude scopes the work, splits tasks, coordinates parallel threads, reviews output and assembles the result. Each thread is an independent cloud Claude Code session on its own branch and repo copy, with overlapping edits handled like ordinary PR conflicts. All threads share one memory and library, so decisions and discarded approaches accumulate over time. The beta targets Pro/Max users on cloud sessions, and HN's main objections were cloud lock-in and faster quota burn.
UniPat AI, with Stanford, Cornell, Harvard, Peking University and HKUST, published SPU, a benchmark for predicting wet-lab outcomes before experiments are run: 116 tasks and 4,207 real results from 85 papers plus four unpublished collaborations across 32 subfields including VHH nanobodies, reaction conditions and electrolytes. Under an 8-hour, 8-core/16 GB/single-H20 budget, more inference and five times the compute brought little gain.
In medicine, MedGPT was tested against 40 'grey-zone' lung cancer cases with 250 physicians from 98 centres across 27 provincial regions, producing 2,250 strategy texts under three conditions; MedGPT-assisted strategies won 88:12 in the grey zone. The roundup also covers a new wet-lab benchmark, model tooling and other daily items from the Chinese AI community.
