模型与能力
DeepSeek 发布 V4.1 Flash：763B 总参、8B 输入 / 16B 输出激活，MIT 开源
DeepSeek 推出新旗舰模型 V4.1 Flash，总参数约 763B（含 Engram），但仅 8B 参数用于输入（prefill）、16B 用于输出（decode）；支持 1M 上下文、文本+图像输入，MIT 许可，API 起价 $0.30/1M 输入 token。
> 相关链接：Latent Space 原文｜技术报告
V4.1 Flash 性能：AA 智能指数 40，自动化任务 69%，成本仅 V4 Pro 的 40%
独立评测 Artificial Analysis 测得 AA Index 40（超 V4 Pro 0813，略低于 GLM-5.3-Flash）；AutomationBench-AA 达 69%，GDPval-AA Elo 1632；单任务成本仅 $0.27，约为 V4 Pro（$0.67）的 40%。
> 相关链接：Artificial Analysis 评测｜Vals 评测（$0.30/test）
DeepSeek ‘软退役’ V4 Pro：流量自动切至 V4.1 Flash，按 Flash 低价计费
DeepSeek 已停止独立提供 V4 Pro，所有调用自动路由至 V4.1 Flash，并按更便宜的 Flash 定价结算；官方称其在性能、速度、成本和总使用时长上全面优于 V4 Pro。
> 相关链接：软退役公告
V4.1 Flash KV 缓存仅 ~890 字节/Token，SSD 流式运行实测达 300+ TPS
模型通过 Sliding-Window Attention + KV 量化压缩，KV 内存降至约 890 字节/Token；Fraser Price 在 4 张 RTX Pro 上用 SSD 流式加载实现 300+ TPS，峰值系统内存 <32GB。
> 相关链接：Fraser Price 实测｜Antirez M5 Max 运行记录
V4.1 Flash 架构本质是‘因果编码器-解码器’，被评应叫 V5
Sebastian Raschka 等指出其非传统 Decoder-only，而是全新因果 Encoder–Decoder 设计：Encoder 处理输入压缩/分块，Decoder 专注生成；架构改动之大，被评价“本该命名为 DeepSeek V5”。
> 相关链接：Raschka 评论｜Stochastic Chasm 架构分析
Agent 与工具链
OpenAI 上线 GPT-Live-1：全双工语音 API，支持边听边说+后台委托推理
OpenAI 将 GPT-Live-1 推入 API，支持实时语音交互（听同时说）、可控语调/节奏/表达力，并可自动委托工具调用或后台模型完成复杂推理。
> 相关链接：OpenAI Devs 公告
OpenAI 推出公共测试版 Agents API：集成 Codex 运行时 + 托管沙箱
OpenAI 新 Agents API 提供统一接口，内置 Codex 运行时、云端代码执行沙箱、文件与产物管理；LiveKit、HeyGen、Telnyx 等已接入，GPT-Live-1 成为语音 Agent 底层默认模型。
> 相关链接：Agents API 公告
Cursor 推出 Projects 功能：持久化项目线程 + 协调器 Agent + 跨设备同步
Cursor IDE 新增 Projects，支持长期存活的项目级会话、协调器 Agent 统一调度、子 Agent 共享内存与产物，并在用户设备与 Agent 计算节点间实时同步状态。
> 相关链接：Cursor 官方发布
Cognition 发布 Devin Voice：基于 GPT-Live + SWE-2，支持语音驱动编码 Agent
Cognition 将 Devin 编码 Agent 与 OpenAI GPT-Live-1 深度集成，推出 Devin Voice；用户可用语音发起复杂编程任务，由 SWE-2 模型执行，GPT-Live 处理语音交互与意图理解。
> 相关链接：Devin Voice 发布
基础设施与硬件
vLLM 新版支持 DeepSeek-V4 MegaMoE + Mooncake Store 可卸载 decode KV
vLLM 更新支持 DeepSeek-V4 共享专家融合为 MegaMoE 架构，并集成 Mooncake Store，允许将 decode 阶段的 KV 缓存卸载至 SSD，显著降低显存压力。
> 相关链接：vLLM 更新说明
Ollama 和 Baseten 日内上线 V4.1 Flash 支持：Ollama 覆盖 Max/Team/Pro 计划
Ollama 当日即向 Max 和 Team 账户推送 V4.1 Flash，后续扩展至 Pro 用户；Baseten 同步上线，定位为‘比 V4 Pro 更聪明、更快、更省’，仅限美国地区、支持 ZDR。
> 相关链接：Ollama 支持公告｜Baseten 支持公告
研究与方法
Salesforce 研究：微调弱模型需重写失败轮次，而非整条专家轨迹
训练弱模型模仿强专家完整轨迹反而损害性能（-4~30 分），因规划风格不兼容；正确做法是只重写弱模型自身 rollout 中失败的那一轮，保持模型-运行时匹配。
> 相关链接：Salesforce 论文摘要
Qwen 提出 Elastic Horizon：用 90 分位成功长度动态调整交互步数
Qwen 新方法 Elastic Horizon 实时监控任务成功轨迹长度的 90 分位数，自适应调节最大交互步数，在提升成功率的同时节省最多 25% 的轨迹 token。
> 相关链接：DAIR.AI 总结
Google ToolGrad：先生成工具调用链再构造 prompt，下游工具使用率近 100%
Google 新方法 ToolGrad 在 prompt 构造前，先用模型生成高质量工具调用链作为 ground truth，大幅提升下游工具调用准确率，数据集构建通过率达 99.8%。
> 相关链接：ToolGrad 介绍
产品与应用落地
ChatGPT Work 上线 Data Agent：直连企业数据源，支持仪表盘+问答+自动操作
ChatGPT Work 新增 Data Agent，可接入 Box、Snowflake、Salesforce 等企业数据源，直接生成业务仪表盘、回答自然语言问题，并触发数据更新/导出等动作。
> 相关链接：ChatGPT 官方公告
Box 集成 ChatGPT：将企业文件系统变成 AI 可读的‘受管上下文’
Box 宣布与 ChatGPT Work 深度集成，把企业文档库变成 AI 可访问、可审计、带权限控制的上下文源，用户无需手动上传即可让 Data Agent 直接分析内部文件。
> 相关链接：Box 官方声明
行业与公司动态
Cognition 发布 SWE-2：编码模型达前沿水平，成本低至同类 30%
Cognition 推出 SWE-2 编码模型，称其在主流编程评测上媲美 GPT-6 Astra，但训练与推理成本仅为后者约 30%；团队自研算法、基建与数据，RL 规模达数万亿参数。
> 相关链接：SWE-2 发布
Cognition 收购 Dioxus Labs：强化 Devin VM、计算机使用与测试能力
Cognition 宣布收购 Rust 生态 Dioxus Labs 团队，重点加强 Devin 的虚拟机底层、计算机操作（click/type/run）和自动化测试能力，Dioxus 开源项目继续独立维护。
> 相关链接：收购公告
政策、治理与安全
Anthropic 发布最详尽滥用报告：拦截全部已知 Claude 用于网络攻击/生物/武器等企图
Anthropic 公开详细威胁情报报告，披露多起利用 Claude 进行网络攻击、影响力操纵、生物实验设计、监控与武器开发的尝试，称已成功阻断所有案例。
> 相关链接：Anthropic 报告
Redwood 等呼吁规范‘神经语’风险：削弱思维链可见性的架构需提前公示政策
Redwood Research 与 Ryan Greenblatt 联合倡议：若模型架构会大幅削弱 Chain-of-Thought 可解释性（如 GPT-6 Astra），厂商须在部署前公开证据与治理政策。
> 相关链接：透明度倡议