搜索
浪潮信息宣布，元脑SD200超节点AI服务器率先完成主流领先开源大模型Kimi K2.6、DeepSeek V4、GLM 5.2、MiniMax M3等的高性能优化，并在Kimi K2.6万亿参数大模型上实现Token生成时间快达4.77ms，为Agent场景应用的高效运行提供强大算力支撑。
刚刚，DeepSeek 在官方 API 文档里给出了一个 thinking mode 和 tool call 结合使用的样例。表面上看，这只是一个常规的工具调用演示：用户提出问题，模型判断需要调用工具，工具返回结果后，模型再继续生成答案。
据DeepSeek官方API文档及GitHub仓库信息，一款名为Deep Code的第三方开源AI编程助手近日被收录进DeepSeek Agent工具。该工具面向DeepSeek-V4系列模型做了适配，支持深度思考、推理强度控制、Agent Skills以及MCP集成。截至发稿，Deep Code GitHub仓库显示，该工具收获超1500星、127 fork。
月之暗面旗下新一代大模型 Kimi K3 已由员工在 X 上确认，将于本月内发布。据多方信源，K3 的参数规模将达到 2.5 万亿——这一数字不仅超越了 DeepSeek V4 Pro 的 1.6 万亿，也成为当前已公开参数规模最大的国产模型。
也是神奇，价格屠夫DeepSeek，破天荒要涨价了！
你有没有想过一个问题： 我们平时选模型，到底有多少是因为它真的好用，又有多少是因为它便宜？
刚刚，DeepSeek V4 进行了一次更新。新推出了投机解码（Speculative Decoding）框架 DSpark，并同步开源了支撑该版本的全栈推测性解码框架 DeepSpec。DeepSeek-V4-Pro-DSpark 并非全新架构模型，而是在 DeepSeek-V4-Pro 基础上引入了推测性解码模块。此次更新的重点在于工程落地，而非模型能力本身的迭代。
同样是进顶尖 AI 公司当工程师，在中国你只要 1.6 年经验，在美国却得熬到 5.5 年。换句话说，一个中国应届生刚拿到毕业证，就可能坐在 DeepSeek 的工位上调大模型；而他的美国同行还得在别的公司再「实习」四年，才够格投一份前沿 AI 实验室的简历。
当大模型公司还在竞争更长的上下文窗口、更强的推理能力和更复杂的 Agent 工作流时，一家名为 Engram 的新公司选择押注另一个问题：AI 能不能像人一样，持续从每天接触到的资料、对话和经验中学习？
最近，一位Reddit老哥手搓了一个《魔兽世界》私服——里面活跃着1800个AI玩家，而且全都接入了DeepSeek API，能像真人一样聊天、组队、于是，暴风城的聊天频道突然变成了DeepSeek广场，画风大概是这样的：