AI 早报：OpenAI 拟共享 ChatGPT 与 Codex 额度，DeepSeek 开源 Super-agent 原型
OpenAI 宣布自 12 月起 Plus、Pro 和 Business 用户的 ChatGPT 与 Codex 将共用按 token 计量的额度，Instant 聊天不消耗该额度。
#DeepSeek
#DeepSeek
今日 0 条橘鸦AI早报AI 评分3535
arXiv cs.AI精选AI 评分6262 kw-bench：针对真实知识工作任务检验前沿智能体框架的基准测试
研究人员推出面向调查性知识工作的基准测试 kw-bench，用于检验编码智能体框架在跨系统与碎片化证据等真实任务中的表现。该基准采用确定性评分，首个任务针对跨三代 SAP 系统的五年增值税重构展开测试。
推荐理由：该研究通过真实的跨系统审计任务检验智能体框架的调查能力，展示了工具框架适配性对复杂知识工作的影响。
arXiv cs.AIAI 评分5353 智能体失败归因研究：模型与执行框架的协同评估
研究团队提出一套量化评估大语言模型与执行框架协同表现的框架，用于排查智能体在基准测试中的失败归因。该体系涵盖有效完成率（VCR）、模型与框架拟合度、跨模型拟合度、交互残差和 Token 负载 5 项指标，并在 6 个基准的 111 种设置与 52,168 条轨迹中完成测试。
橘鸦AI早报AI 评分3535 橘鸦 AI 早报 2026-10-26
橘鸦 AI 早报汇总多项行业动态：Kimi 就限流向 K3.1 Pro 订阅用户致歉并重置最多 25% 月度额度，BOSS 直聘开源支持 512K 上下文的 33B 模型 Nanbeige4.3-33B。此外，CapCut 插件计划于 11 月接入 ChatGPT 开放测试，Anthropic 则因 Claude 涉嫌侵犯 274 首猫王歌曲版权面临约 4100 万美元索赔。
NVIDIA Blog精选AI 评分7373 NVIDIA 扩展本地 AI 硬件与软件生态：发布 DGX Spark 64GB 并推出多款本地模型支持
NVIDIA 在 GTC Berlin 集中展示本地 AI 硬件全线进展，涵盖面向 PC 智能体的 RTX Spark、面向开发者的 DGX Spark 以及面向企业的 DGX Station。
推荐理由：原文公布了面向个人与企业的多档本地算力方案与适配模型，有助于开发者评估将智能体完整下沉至本地运行的技术可行性。
橘鸦AI早报AI 评分3636 橘鸦AI早报：DeepSeek 开源推理框架 DeepInfer，ChatGPT 推出锁定聊天
DeepSeek 正式开源内部推理框架 DeepInfer 及 deepseek-recipe，支持英伟达 SM100 GPU 与华为昇腾 950 NPU。同时，ChatGPT 面向全订阅方案逐步推出支持 PIN 保护的锁定聊天，OpenAI 还为 Responses API 中的 GPT-5.6 等模型新增可选的 12 小时提示词缓存。
橘鸦AI早报AI 评分3333 橘鸦AI早报 2026-10-20：MiniMax 发布 M3.1 Flash，美国下令禁购 DeepSeek
MiniMax 正式发布 M3.1 Flash 模型，确认其早期版本为 Space Bunny，线上推理速度提升近 3 倍且 Agent 任务综合成本降低 70%。该模型已上线 MiniMax API，每百万 token 输入与输出价格分别为 1 元和 4 元，模型权重将于 10 月 23 日开放。同日美国国土安全部下令联邦文职机构禁购并移除 DeepSeek 及其相关产品。
橘鸦AI早报精选AI 评分7878 橘鸦 AI 早报：DeepSeek 发布 V4.1 Flash 并开放搜索接口，OpenCode 披露安全事件
本期早报重点报道 DeepSeek 正式开源 7630 亿参数的 DeepSeek-V4.1-Flash-1017 模型并开放搜索引擎 API，同时 OpenCode 披露因大规模蒸馏攻击导致 1.4% 用户的第三方 API 密钥面临暴露。
橘鸦AI早报AI 评分3333 橘鸦 AI 早报：拟增列 23 项 AI 技术进出口管制目录，Kimi 推出 Ultra 会员
有关部门公开征求意见，拟将大模型、Agent、算力集群等 23 项 AI 技术增列入出口管制目录并实施出口前临时登记。OpenAI 推出 ChatGPT Slides 并优化 Codex 缓存以提升有效用量；Kimi 新增最高档 Ultra 会员，月费 1399 元并提供 28 倍 Agent 额度。
橘鸦AI早报AI 评分3434 橘鸦AI早报：2026-10-15
Anthropic 更新 Claude Code 桌面端以优化多会话并行并新增闲置压缩，SpaceXSI 发布端到端语音模型 Grok Voice 3.0。同时，蚂蚁百灵开源支持 100 万 token 上下文的 Ling-3.1-flash，昆仑万维开源 Matrix-Game 4.0。
arXiv cs.AIAI 评分5151 StoreBench 动态电商评测环境发布：用于评估与训练自主运营智能体
研究人员推出 StoreBench 动态电商模拟环境，用于评估和训练智能体在不确定性下的长程规划与经济决策能力。评测的 7 款前沿 LLM 中表现最好的 DeepSeek-V4-Pro 任务通过率仅为 49%，低于人类专家和启发式脚本基线的 97%。通过 GRPO 后训练微调后，Qwen3.5-27B 在测试任务上的平均综合得分从 0.136 提升至 0.373。
橘鸦AI早报AI 评分3636 橘鸦AI早报 2026-10-05：Codex承诺28天每日改进，DeepSeek Harness新增兼容层
OpenAI Codex 团队承诺在未来 28 天内每天上线一项明显改进，否则完整重置一次用量额度。DeepSeek Harness 发布 v0.2.1-alpha.1 预发布版，新增实验性 Claude Code Mods 兼容层。此外，马斯克确认 SpaceXAI 将更名为 SpaceXSI，Nvidia 投资的 Reflection 正筹备发布首个开放权重模型。
橘鸦AI早报AI 评分3636 橘鸦AI早报：OpenAI DevDay 发布 GPT-6.1 Sol 与常驻 Agent 产品 dots
OpenAI 在 DevDay 上发布 GPT-6.1 Sol 模型与由 GPT-6 Astra 驱动的常驻 Agent 产品 dots。GPT-6.1 Sol 性能逼近 Astra，API 价格为其五分之一，每百万 token 输入 2 美元、输出 10 美元；dots 可全天候工作并连接超 4000 个应用。
橘鸦AI早报AI 评分3737 AI 早报（2026-09-26）：美团发布 LongCat-2.5-Preview，微软更新 Copilot
美团发布原生多模态模型 LongCat-2.5-Preview，总参数 1.6T、激活约 48B，具备 100万 token 上下文窗口并强化编程能力，已在 API 平台和聊天页面开放。微软对 Copilot 进行重大更新，整合 Home、Code 与 Agent Autopilot 并内置完整 Office 功能；OpenAI 则修复了 Codex 全面服务中断并为付费用户重置限额。
AWS Machine Learning BlogAI 评分3939 在 Amazon EKS 上借助 EFA 和 DeepEP 扩展 MoE 强化学习，吞吐量提升 40%
AWS 提出结合 Amazon EKS、EFA 与 DeepEP 的架构方案，针对 MoE 模型的 RLHF 和 GRPO 大规模强化学习后训练进行优化，实现训练吞吐量提升 40%。该方案解决了 Rollout 推理生成与策略训练之间的异构资源协同难题，并利用 DeepEP 优化专家并行（EP）在 EFA 上的跨节点动态 all-to-all 通信瓶颈。
橘鸦AI早报AI 评分3434 橘鸦AI早报 2026-09-25
OpenAI 页面代码显示其或正筹备月费 500 美元的 ChatGPT Pro Max 订阅，文案主打最快的 Work 和 Codex。同时，豆包电脑版用户可再领 30 天免费订阅，谷歌亦将 Colab 高级算力权益纳入 Google AI 订阅方案。此外，WorkBuddy 上线小程序生成与发布能力，DeepSeek Harness 桌面端安装包也已在官方域名被发现。
NVIDIA BlogAI 评分5858 NVIDIA Vera Rubin NVL72 亮相 MLPerf Inference v6.1 评测并公布性能数据
NVIDIA 公布 MLPerf Inference v6.1 评测结果，其新系统 Vera Rubin NVL72 在 Qwen3-VL 上的吞吐量达到 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上吞吐量提升达 2.5 倍。
Together AI Blog精选AI 评分7171 DeepSWE 评测对比 DeepSeek V4 Pro 0813 与 Claude Fable 5 的成本、代码能力与路由策略
Together AI 在 DeepSWE 软件工程基准上对比了 DeepSeek V4 Pro 0813 与 Claude Fable 5，Fable 5 的单次尝试成功率（pass@1）以 69.7% 领先 Pro 的 62.8%，但每次 rollout 成本为 $21.63，是 Pro（$0.24）的 90 倍。
推荐理由：原文提供了两款模型在多语言和重试机制下的成本收益对比，展示了结合测试集做级联路由的具体收益。
Together AI Blog精选AI 评分7474 Together AI 实测对比 DeepSeek-V4 Flash 与 GPT-5.6 Luna 在 DeepSWE 的编码表现与成本
Together AI 在 113 项 DeepSWE 真实编码任务上实测对比了 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna，结果显示 Luna 准确率更高而 DeepSeek 单任务成本仅为其六分之一。
推荐理由：评测展示了将廉价模型作为前置过滤并在失败时升级旗舰的级联方案，能以更低综合成本获取更高准确率。
Together AI Blog精选AI 评分6565 Together AI 宣布完成 8 亿美元 C 轮融资，并锁定超 500 MW 算力承诺
Together AI 宣布完成 8 亿美元 C 轮融资，由 Aramco Ventures、NVIDIA、Vista Equity、General Catalyst 等参投，并额外锁定超过 500 MW 算力容量承诺。
推荐理由：本轮融资不仅补充了资金还直接锁定了超 500 MW 算力承诺，有助于观察开源模型推理基础设施的规模化趋势。
Together AI Blog精选AI 评分6060 Together AI 开源视频翻译工具 Violin
Together AI 推出全开源视频翻译工具 Violin，基于 Together API 整合语音识别、大语言模型翻译与语音合成来实现端到端视频翻译。系统默认结合 Whisper V3 large 转录、DeepSeek-V4 Pro 翻译以及 Cartesia Sonic 3 语音合成，并借助视觉语言模型支持基于视频音画内容的交互问答。
推荐理由：项目将语音识别、模型翻译与语音合成串联并封装为智能体技能，开发者可参考其多模态管线搭建视频本地化工具。
Together AI Blog精选AI 评分6767 Together AI 剖析 DeepSeek-V4 百万 Token 推理部署挑战与架构设计
Together AI 结合在 NVIDIA HGX B200 上的早期部署实测指出，DeepSeek-V4 的 1M token 上下文核心在于通过 token 轴压缩解决推理系统压力。
推荐理由：文章从底层缓存管理拆解了 DeepSeek-V4 的混合注意力设计，为大模型长上下文推理系统的工程落地提供了具体的调优参考。
Together AI Blog精选AI 评分7373 DeepSeek-V4 Pro 正式上线 Together AI
Together AI 宣布在其云平台上线 DeepSeek-V4 Pro，无服务器推理支持 512K tokens 上下文，专属基础设施支持完整 1M 上下文。
推荐理由：原文给出了超大参数混合专家模型的上下文分级部署与缓存计费细节，为长上下文长链条任务提供了工程选型参考。
Together AI Blog精选AI 评分6666 Together AI 探究大模型在无明确提示词时的固有生成行为
Together AI 研究发现，在移除对话模板和具体指令的近无约束生成条件下，各大语言模型会展现出截然不同的知识先验与语义偏好。其中 GPT-OSS 输出中编程与数学占比超 50% 且深度更高，Llama 偏向文学叙事，DeepSeek 产生宗教内容比例较高，Qwen 则频繁生成考试选择题。研究还指出无约束下的退化文本具有明显结构特征，甚至暴露出潜在的个人隐私泄露风险。
推荐理由：研究通过移除提示词约束揭示了各模型家族固有的主题偏好与退化模式，为模型行为审计和隐私泄漏检测提供了新视角。