AI 编程实时动态与要闻

Mixpanel 创始人 Suhail Doshi 10 月 28 日（SGT 10 月 29 日 01:36）在 X 上宣布新公司 Particle，首个模型 Particle-1 已上线。官方博客称它在 DeepSeek V4.1 Flash 上用强化学习后训练，在四个编码与数据工程基准上输出 token 少 28.4%–52.2%、单任务成本低 34.4%–51.6%，通过率仍在基座模型置信区间内。可通过 Particle API、OpenRouter 和 Vercel AI Gateway 调用，官方文档标价每百万 token 输入 0.25 美元、输出 1 美元，上下文 1,048,576 token。

查看大图

Cursor 官方 10 月 27 日（SGT）宣布 DeepSeek V4.1 Flash 已在 Cursor 中可用，在 Cursor Settings > Models 打开即可。Cursor 称该模型每一档推理强度都落在 CursorBench 成本前沿上：每任务 $0.60 到 $0.98，在这个价位没有模型得分更高。官方 CursorBench 4.0 榜单显示，DeepSeek V4.1 Flash 1017 Max 档 47.7%（$0.98/任务），Medium 46.3%（$0.80），High 45.6%（$0.77），Low 44.9%（$0.60）；同榜最高分 Opus 5.5 Max 为 57.8%，但每任务 $13.43。

查看大图

国际权威模型独立评测机构 Artificial Analysis 正式发布针对 DeepSeek 官方搜索增强 API（DeepSeek Search）的详尽基准测试数据。评测显示，挂载 DeepSeek 搜索模块后，基座模型的全域搜索综合指数从原先的 33 分暴涨至 69 分（净增 36 分，位列全部 27 款受测搜索 API 的第 17 位）。在成本维度上，DeepSeek Search 展现出无与伦比的颠覆性定价：每 1,000 次搜索请求仅收费 0.75 美元，折合单任务平均成本仅约 0.032 美元，成为全网受测商业搜索 API 中最经济的选项；在事实性问答基准 AA-Omniscience 达到 70% 准确率，而在复杂长程网页浏览任务 BrowseComp 则达到 63%。

查看大图

LMSYS 团队联合 NVIDIA Dynamo 团队在官方技术博客与 X（@lmsysorg）正式宣布，高性能大模型推理框架 SGLang 推出弹性专家并行（Elastic EP）与 NIXL（Near-Instant Cross-Node Link）动态伸缩后端。针对超大 MoE 架构（如 DeepSeek-V3/V4）在传统静态专家并行下因单卡硬件故障导致全集群崩溃重启、以及业务高峰期无法在线扩容的严重痛点，Elastic EP 实现了专家-GPU 映射解耦。依托 NVIDIA NIXL 高性能通信原语与 Mooncake 调度器，SGLang 首次实现在完全不中断在线推理请求的前提下，将运行中的 MoE 集群动态扩容（如从 20 卡无感扩展至 24 卡），并支持单节点故障的秒级自动降级容错。

查看大图

vLLM 官方联合蚂蚁集团正式开源底层高性能量化推理算子库 Humming（humming-kernels）。该算子库专为大规模混合专家（MoE）与低精度密集模型的高并发服务而设计，全面覆盖 WnA16、W8A8、W4A8 与 W4A4 多种量化精度，横跨 INT1~INT8 与 FP4~FP8 数据格式，并原生适配从 NVIDIA Turing 到 Blackwell 架构及平头哥真武 810E 芯片。实测显示，Humming 算子在小 Batch 下比 cuBLAS 快 3~4 倍，在大 Batch 下比 Marlin 快 2 倍；在 8 张 H20 GPU 上运行 DeepSeek-V4.1-Flash，64 并发下整机端到端吞吐暴增 43.3%，首字时延（TTFT）大幅降低 32%，现已作为默认引擎整合至 vLLM v0.29.0+ 中。

查看大图

10 月 21 日，vLLM 社区与蚂蚁集团开源 Humming（Apache 2.0），一个用 JIT 编译按需生成 GEMM 内核的量化推理库，支持 Turing 起所有 NVIDIA 架构及平头哥真武 810E，覆盖 INT1–INT8、FP4–FP8 等权重/激活组合和稠密、MoE 两类负载。官方微基准中部分场景比 vLLM Marlin、FlashInfer、DeepGEMM 快 2–5 倍；在 8 张 H20 上跑 DeepSeek-V4.1-Flash，MoE 从 Marlin W4A16 换成 Humming W4A8 后吞吐提升 14%–43%。vLLM 0.29.0 起已内置。

查看大图

在 DeepSeek 宣布开源其生产级推理引擎 DeepInfer 数小时后，vLLM 官方项目团队正式公布了针对 DeepSeek-V4.1-Flash 的实测重磅性能对标数据。采用 DeepSeek 官方完全相同的测试拓扑（131K 超长上下文、nextn=3 投机采样），vLLM 在 NVIDIA GB200 NVL 架构上针对 Batch Size 8~256 的全并发区间，将与 DeepInfer 的端到端吞吐差距压缩至 6% 以内；在下一代 GB300 架构上，单 GPU 吞吐量突破 1,000,000 Token/秒，单用户峰值输出达 826 Token/秒，折合单 GPU 每小时营收达 38.96 美元。同时宣布 FastH3-Omni 与 Spark-X2.6-4B 首发支持。

查看大图

DeepSeek 官方正式开源其生产级高性能推理引擎 DeepInfer（基于 Apache 2.0 协议发布）。DeepInfer 汲取了 vLLM、SGLang 与 TensorRT-LLM 架构精华，专为大规模部署 DeepSeek-V4.1-Flash 设计。引擎支持 NVIDIA SM100 架构与华为昇腾 Ascend 950 NPU，原生集成 FlashMLA、DeepGEMM、DeepEP 与 TileKernels。引入 DSpark 置信度投机采样（默认 5 个 Draft Token）、SWA 有界重放（140 Token 窗口）与 MoE 专家并行动态负载均衡。同时开源生产级分词与编解码组件 deepseek-recipe，构建从模型、算子到推理服务的全栈开源生态。

查看大图

DeepSeek 于 10 月 20 日（UTC）开源内部推理框架 DeepInfer（Apache 2.0），即支撑 DeepSeek-V4.1-Flash 大规模线上服务的推理栈。本次开源版本提供离线推理，支持 Attention DP/CP、MoE EP+EPLB 并行、DSpark 投机解码、SWA bounded replay、批次不变推理、确定性采样和结构化输出，硬件为 NVIDIA SM100 与华为昇腾 950。KV cache 系统、PD 分离和负载均衡未包含在内。同时开源的 deepseek-recipe（MIT）负责把 Chat Completions、Messages、Responses 等格式请求统一转换并编码，对齐官方 API 行为。

查看大图

Unsloth 于 10 月 19 日（UTC）发布 DeepSeek-V4.1-Flash-1017 的动态 GGUF 量化与本地运行指南。按 Unsloth 口径，1-bit UD-IQ1_M 体积 250.4GB（无损 Q8 为 508.4GB），在 long17k 上与官方权重 top-1 一致率 88.2%，可在 128GB+ 内存设备上运行；模型的 Engram n-gram 表（110.6–202.8GB）可通过 mmap 留在 SSD 按需读取。目前需用 Unsloth 的 llama.cpp 分支或 Unsloth Desktop 运行。

查看大图

多所顶尖研究机构在 arXiv:2610.23986 中正式发布首个面向真实世界参考的视觉智能体 3D 创作评测基准 BlenderWorld。基准涵盖程序化建模、着色材质编写、空间布局与灯光模拟等 223 项真实工业级任务，接入 Blender 软件全自动沙盒环境。实测显示 GPT-6 Astra 以 79.9 分综合得分问鼎全球榜首（完美完成率达 42.2%），Opus-5 斩获 73.0 分，而开源模型 DeepSeek-V4.1-Flash 斩获 65.7 分超越众多大尺寸基线。

查看大图

独立评测机构 Artificial Analysis 10 月 19 日上线两张医疗对话榜单，评测基于 OpenAI 的 HealthBench（5000 段真实健康对话）和 HealthBench Professional（525 段临床医生对话），由医生编写的评分细则打分，同时公布原始分和 OpenAI 采用的长度调整分。Professional 榜上 GPT-6 Astra（max）长度调整分 66.0% 第一，GPT-6.1 Sol 65.1%，Claude Sonnet 5.5 63.0%；Claude Opus 5.5 原始分最高（71.4%），但平均约 5900 字符的回答被扣分后跌到第六（59.9%）。HealthBench 榜上 Claude Sonnet 5.5 以 62.1% 第一，DeepSeek V4.1 Flash 60.9% 紧随其后，单任务成本约为前者的 1/16。

查看大图