DeepSeek-V4-Flash 正式版 API 上线公测
DeepSeek-V4-Flash 正式版 API 上线公测,模型名设为 deepseek-v4-flash 即可调用,调用方式不变。
推荐理由:官方更新日志列出正式版 V4-Flash 在多项 Agent 基准上的成绩,并说明与 Preview 的结构一致、仅重做后训练。
DeepSeek-V4-Flash 正式版 API 上线公测,模型名设为 deepseek-v4-flash 即可调用,调用方式不变。
推荐理由:官方更新日志列出正式版 V4-Flash 在多项 Agent 基准上的成绩,并说明与 Preview 的结构一致、仅重做后训练。
伯克利 Sky Lab 团队将 K-Search 进化式 kernel 搜索框架扩展出 MLX 后端,通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 作为知识库迁移到 Apple Silicon。
伯克利 AI 研究提出 ABBEL 框架,将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督,以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上,基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%,训练步数从 100 步降至 50 步,峰值 token 数也显著低于全上下文设置。
伯克利 AI 研究团队提出梯度规划器 GRASP,通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索,并重塑梯度让动作获得清晰信号、避开高维视觉模型中的脆弱"状态-输入"梯度,使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 两个 API 模型升级为 DeepSeek-V3.2。其中 deepseek-chat 对应 DeepSeek-V3.2 的非思考模式,deepseek-reasoner 对应其思考模式。
推荐理由:官方更新日志说明两个 API 模型名分别对应 V3.2 的思考与非思考模式,便于开发者调整调用方式。