搜索
DeepSeek-V4-Flash-Vision-Exp多模态模型正式开源，该模型为DeepSeek-V4系列首个实验性多模态模型，基于DeepSeek-V4-Flash架构集成视觉模块，在真实世界软件工程测试DeepSWE中以59.3%反超Opus-4.8登顶，并在零样本视觉推理测试ZeroBench中击败Opus-4.8。
阿里千问新模型，又卷出了新水平。
距离 DeepSeek Harness 开源已经有一段时间，「Everything is a Plugin」的口号也已经在各种领域开枝散叶，坊间涌现出了特别多的插件和社区。十几天后的现在，GitHub 上【 dsh-plugin 】标签下有一万多个仓库。我们花了几天时间，把这一万多个仓库拆开数了一遍
Qwen4还没出，架构先开源了。
随着开源模型能力不断提升，它们已经能够以极低的成本生成多个高质量候选方案，并进一步利用模型自身对这些结果进行验证、打分和筛选。斯坦福团队最新实验发现，使用 DeepSeek V4 Flash + LLM-as-a-Verifier 进行「自验证」，可以在 Terminal-Bench 2.1 上超越 Claude Fable 5，同时整体成本低约 11 倍。
8月14日，一个叫Cocode的项目悄悄出现在GitHub上，简介写得很直白，基于DeepSeek Harness构建的开箱即用发行版。不到两周，它拿到150多个star，并在8月25日发布了v1.0.2。
最近 DeepSeek Harness（DSH）真是太火了！之前我发过 《首发实测 + 入门教程》 教大家如何安装使用，还盘点过 《16 个超火的 DSH 插件》。
几个小时前，Barret Zoph 在 𝕏 上发了一条推文，他说自己将加入谷歌 DeepMind，而他的 AI 生涯正是从谷歌 Brain 的 Residency 项目起步的，这次算是重返旧地；他将专注于强化学习（RL）与后训练（Post-Training）方向，更多消息稍后公布；他还补了一句，谷歌拥有在 AI 领域持续成功所需要的全部要素，他很高兴能成为这个使命的一部分。
就在刚刚，阿里交出了一份让人满意的答卷：发布了 Qwen3.8-Flash，同步开源 Qwen3.8-Flash-Next（两者为同一模型，前者是 API 版本名称，后者是开源版本的正式名称）。它的成绩相当亮眼。在智能体编程基准 DeepSWE 1.1 上，它拿到 58.7 分，而参数规模是它三倍的前代 Qwen3.7-Plus 只有 16.5 分；
凌晨2点，一个B站直播里还有两百多人，同时在看一个人反复让DeepSeek跑任务。屏幕上没什么特别的。一个终端，一个Agent，一段不断往下刷的思维链。弹幕却一直没停。