晨启Tech

37999 元的 128GB 轻薄本开售几分钟卖光了。它吸引人的不是机身颜色，而是一个很朴素的愿望，在自己的电脑上把模型跑起来，不必每次都把任务交给云端。 今天这组消息也有类似的方向。模型在往更快、更便宜的方向挤，开源语音和本地硬件给了个人更多选项，工程团队则在补可靠性和延迟这两门旧课。 DeepSeek Flash 连拿两个开源榜首DeepSeek-V4.1-Flash-20261017 在 Agent Arena 的开源模型中排第一，总榜第 11。该榜单称，它在超过 7,500 段真实会话上净提升 5.1%，中位任务成本为 0.20 美元。 它也登上 Code Arena WebDev 的开源模型榜首。榜单信息显示，它超过了 Kimi K3 Max，成本约低一个数量级。 这组成绩不该被简化成又一个跑分故事。Agent 和 Web 开发任务都很接近日常交付，速度、成本和完成率需要同时过关。你如果在选模型，别只盯最高分，拿自己的任务集跑一次，才知道那 0.20 美元到底省在了哪里。 来源，Agent Arena / Code Arena MiniMax M3.1 Fla...

今天的 AI 新闻里，有两组数字很扎眼。 一边是 DeepSeek-V4.1-Flash-1017 在 Agent Arena 的真实会话榜上升到开源第一，中位任务成本报到 0.20 美元。另一边，医疗 Agent 在严肃基准上仍只完成了不到一半的任务。模型在变快、变便宜，离可以少看一眼还很远。 这不是坏消息。它把今天真正该讨论的东西摆在了桌上，能力、编排、评测与边界，缺哪一块都不行。 今日重点1. DeepSeek Flash 把开源 Agent 的价格线又往下拉了一截DeepSeek 更新了 V4.1 Flash 1017，网页端、App 与 API 均已切换，调用名和价格保持不变。Arena 的数据更有意思，它在超过 7.5K 条真实会话上成为 Agent Arena 开源第一，总榜第 11，中位任务成本 0.20 美元。Code Arena 的 WebDev 榜上，它也拿到了开源第一。 模型榜单当然不能替你做技术选型。真实业务里，工具调用失败、长任务跑偏、权限误用，往往比模型答错一道题更贵。但低成本模型变强，确实会改变 Agent 系统的设计。以前只能拿小模型做分类和...

一条 CLI 的 PR，夜里被 Agent 来回审了五十多轮。 每一轮看起来都挺合理。审查器提一个问题，写代码的 Agent 改一次，新的 diff 又触发下一轮。到最后，作者不得不手动叫停。不是因为代码一定坏了，而是两台机器已经把彼此困在了一个没有出口的礼貌循环里。 这件事出自 Anthropic 10 月 15 日公开的代码审查复盘。更值得看的是另一个数字，Claude Code 大约九成代码由 Claude 写成，但从 6 月到 9 月，合并的 PR 数量翻了一倍多，需要 revert 的比例反而下降超过四成。 这不是一个关于某个模型多强的故事。 它真正戳到的是一个很现实的问题。Agent 把写代码从稀缺能力变成廉价能力以后，团队最先爆掉的往往不是实现速度，而是验证能力。PR 堆积、CI 排队、reviewer 疲惫、线上回滚，旧流程里每一个原本靠人兜底的环节都会被放大。 如果你在 Java 或 Spring 项目里已经让 Agent 参与开发，这篇文章想聊的不是如何再接一个代码生成工具，而是如何给 Agent 产出的代码造一条能收敛、能追责、也能撤回的验证链。 代码写得更...

一台标价 37999 元、配 128GB 统一内存的笔记本开售后几分钟卖空了。与此同时，一款新 Flash 模型在代码竞技场冲到开源第一，政府部门则在讨论把更多 AI 技术纳入出口管理目录。 今天的中文科技消息，摆在一起看有点意思。模型更快，机器更贵，规则也开始跟上。这不是同一条新闻的不同侧面，它们一起勾勒出了 AI 从云端演示走向真实算力、真实交易和真实边界的一天。 DeepSeek 把 Flash 推到代码榜首，价格没有跟着涨DeepSeek-V4.1-Flash-20261017 在 Code Arena 的 WebDev 开源模型榜单登顶，超过 Kimi K3 Max。Arena 给出的说法是，成本约低一个数量级。 同一天，DeepSeek 还更新了 V4.1 Flash。新版本仍通过 deepseek-flash 调用，API 价格不变。对开发者而言，这比单纯刷一个榜更有用，已有接入不必改模型名，成本模型也不必重算。 这里有个很现实的判断。代码模型的竞争正在从「能不能写」滑到「能不能稳定地以可接受价格交付」。榜单当然重要，但真正会影响团队选型的，是同一份预算能否跑更多轮...

今天的 AI 圈有两组数字，放在一起看有点扎眼。 一边是一个 501B 参数、每个 token 只激活 23B 的开源 MoE 模型，在 Ollama、vLLM、SGLang 的链路里几乎同步落地。另一边，Anthropic 的内部数据里，技术团队的初级岗位占比从 21% 落到 14%，新招初级员工的占比从 27% 降到 9%。 模型越来越大，工具越来越快，入场券却可能在变窄。 这不是一篇悲观的就业报告。今天真正值得盯住的，是 AI 正从「能生成内容」切换到「能接管一段工作流」。浏览器标签页、搜索入口、代码评审、实验室设备，都是它开始伸手去碰的地方。 今天最该看的三件事1. DeepSeek 同时更新 Flash 模型和搜索 APIDeepSeek 把 deepseek-flash 升级为 DeepSeek-V4.1-Flash-1017，网页端、App 和 API 一起更新，调用方式和价格没有变化。Arena 的 WebDev 榜单里，V4.1-Flash-20261017 已经排到开源模型第一，报道给出的成本对比是，它比 Kimi K3 Max 低约十倍。 来源，Deep...

Anthropic 的 monorepo，每天落地的变更从 5 月约 2,500 次，涨到 9 月超过 30,000 次。Claude Code 有一个独立于 monorepo 的仓库，6 月到 9 月，合并 PR 的数量翻了一倍多，revert 率却降了四成以上。 这组数字很容易被读成另一个 AI 编程神话。模型写得更多，人写得更少，团队跑得更快。 但我读完 Anthropic 这篇代码评审复盘，真正停下来的地方恰好相反。它讲的不是如何让 Agent 写更多代码，而是当机器已经能把代码库塞满时，人到底还该看什么。 这个问题离 Java 和 Spring 团队并不远。把 Claude Code 换成内部 Agent，把 monorepo 换成几十个服务，把每日变更换成持续不断的 PR，熟悉的焦虑就来了。以前评审慢，是因为人手不够。现在评审慢，可能是因为人还在用阅读每一行 diff 的方式，处理一台代码生成机吐出来的产物。 代码变多，不等于风险被分摊了。 以前的 Code Review，默认前提已经失效传统 Code Review 有一个很朴素的分工。作者写代码，reviewer ...

一台标价 37999 元的轻薄本，在开售几分钟后卖空了 128GB 版本。买它的人未必是为了办公更快，他们买的是把大模型放到自己桌面上的余地。 同一批消息里，DeepSeek 把搜索能力做成 API，可灵把视频生成拉到 30 秒，监管目录开始讨论 AI 技术的跨境边界。模型还在迭代，产品、基础设施和规则也没闲着。 今天挑了 7 条，聊聊国内团队和开发者更可能碰到的变化。 DeepSeek 开放搜索 API，检索能力终于能独立接入DeepSeek 开放了自研搜索 API，底层搜索引擎每天处理数亿次请求，宣称索引全球千亿级网页，支持多语言，并会识别 SEO 作弊、GEO 操纵和低质量 AIGC。 对做 Agent 的团队，这比给聊天机器人多一个联网按钮更具体。搜索不再只能依附在某个模型产品里，开发者可以把检索、重排、答案生成拆开设计。可效果不能只看搜索结果有没有出来，还要看引用是否可追溯、失败时怎么降级、敏感信息会不会被带进第三方请求。搜索越容易接入，边界越得自己补齐。 来源，DeepSeek API 更新日志 DeepSeek-V4.1-Flash 更新，价格没动，模型入口保持稳定...

816B 参数的开放权重模型、501B 的 MoE、128GB 统一内存的笔记本，今天的 AI 圈很像一张不断抬高数字的海报。 但我更在意另外三件事，模型能否真的被部署，Agent 有没有能力被约束，以及写代码的人是否还在认真验收机器交出的东西。参数和算力当然重要，可真正决定体验的，常常是那些不够耀眼的工程环节。 今天最该盯住的三件事Meta 把 816B 的 Muse Spark Open 放进开放生态Meta 发布了开放权重模型 Muse Spark Open，总参数 816B、每个 token 激活 42B，支持 1M token 上下文和原生多模态。它已经出现在 Hugging Face、OpenRouter 与 Agent Arena，Code Arena 的 WebDev 评分也给出了相当强势的开局。 来源，PyTorch Blog ｜ OpenRouter ｜ Arena 1M 上下文、816B 参数，这些标签很容易让人先兴奋起来。可对于真正要把它接进 Agent 工作流的人，问题反而更朴素，推理成本、首 token 延迟、工具调用稳定性，以及失败后能不能诊断。...

Anthropic 把公司里的 Agent 工时算出来了。到今年 8 月，员工亲自驱动的交互式 Agent 运行时长，已经是人类工时的 6 倍。 更扎眼的不是 6 倍。 他们估算，如果一个非技术岗位的人认真读完自己那些交互式 Claude 会话产出的内容，阅读本身会吃掉超过半个工作周。于是，一个很反直觉的场面出现了。模型越来越能干，人却越来越像系统里最慢的那一环。 这份 10 月 16 日发布的 Anthropic 内部研究，给我的冲击不在「AI 会不会替代人」这个老问题。它把另一个更具体、也更接近工程团队日常的问题摊在桌上，Agent 的产能开始成批涌来时，谁来决定哪些值得看、哪些可以放行、哪些必须停下来？ 很多团队还在为「要不要接入一个 Coding Agent」开会。前沿团队已经在处理另一件事，如何不被自己的 Agent 团队淹没。 这不是一个人配一个助手，而是一人带一支看不见的队伍先把报告里的数字摆清楚。研究覆盖了 Anthropic 的雇佣记录、Agent 使用数据、产出指标、内部沟通、日历和招聘决策，并补了 17 次员工访谈。它不是一份对外问卷，所以样本有局限，但也正...

上午这批消息里，有两件事很容易被混在一起看。一个是模型还在变大、变快，另一个是它进入真实世界后，开始碰上边界、硬件和规则。 前者看上去热闹，后者才决定一项技术能不能走远。 今天挑了 7 条，重点放在国内政策、国产产品与开发者真正会遇到的变化上。 AI 技术出口目录拟增列 23 项，先别把征求意见当成新规商务部、科技部就修订《中国禁止出口限制出口技术目录》公开征求意见，拟增列人工智能、生物医药、光伏等 40 项技术。其中人工智能相关技术有 23 项，目录里的项目将分属禁止或限制出口，并涉及出口前登记等安排。 这不是已经落地的禁令，而是一份征求意见稿。两者差别很大。可它仍然值得做算法出海、模型服务和跨境交付的团队提前看一眼。过去不少团队把合规留到合同阶段，等到模型、数据和交付链条真正跨境时才发现，能不能卖、怎么卖，可能不是销售自己能拍板的事。 来源，IT之家·人工智能 Kling 4.0 把 30 秒一镜到底摆上桌，真正难的是稳定性可灵 AI 上线 Kling 4.0，支持最长 30 秒视频直出，多帧参考最多可用 10 帧。实测信息里，复杂动作、镜头运动和全能参考的可控性都有提升，1...