AI Pulse

社区讨论：多数人认为这并非真正LLM无法使用的语言，只是针对未经过该语言训练的模型的对抗性设计。@prologic 实测Claude可编写Go程序完成KS语言的反编译与编译，所有示例程序均能正常运行。@pixl97 指出这属于“通过晦涩实现的安全”，AI可通过逆向推导破解隐藏规则。

@mycall 认为网页公开混淆技术后，下一代模型即可破解。@yjftsjthsd-h 提出疑问：这种设计究竟是增加了LLM的难度，还是人类的难度更大？

好消息：@deepseek_ai 的 DeepSeek-V4.1-Flash-20261017 (Max) 现已登顶 Code Arena: WebDev 开放模型榜首，以低 10 倍的成本超越了 Kimi K3 (Max)！

亮点：
- 开放模型排名第一，领先于 Kimi K3 (Max)
- 总榜排名第 12，得分 1670，领先于 Claude Opus 5 (High)，与 GPT-6 Sol (Max) 相差约 10 分
- 以每百万输入/输出 token 0.3/1.2 美元的价格重塑了帕累托前沿
- 相比此前的 DeepSeek-V4.1-Flash-20260910 提升了 52 分

祝贺 @deepseek_ai 团队为开源生态系统再次做出的卓越贡献！

社区讨论：多数用户认为网站封禁AI代理的核心目的是阻止用户通过AI比价，破坏平台的信息垄断优势，@variety8675 指出亚马逊的核心逻辑就是让用户无需对比竞品，AI代理拉平信息差自然会被封禁。也有用户指出这种封禁是双重标准，平台自身随意抓取用户数据，却禁止用户使用自动化工具，中小网站无力应对爬虫只能依赖Cloudflare，反而让Cloudflare成为最大赢家。还有用户提出未来可能出现专门面向AI代理的结构化网页版本，或是推出面向AI的搜索订阅服务，催生代理搜索优化（ASO）行业。

不少用户吐槽反爬机制已经误伤正常用户，仅靠IP和浏览器特征就会被判定为机器人，无法正常注册GitHub等服务。

随着时间的推移，开发者在总 token 用量中的占比会越来越小，OpenAI 和 Anthropic 内部的使用数据都说明了这一点。

而在那些验证难度较高的领域，对于长期运行的高价值任务，更高“智能”水平的模型所带来的收益是相当大的。

享受由美国数据中心托管的私有 DeepSeek V4.1 Flash 1017 🇺🇸

DS V4.1 Flash 昨天更新至 "1017“ 版本。这是一次巨大的升级。它现在是全球顶尖的开源模型。能力大致与 Opus 5 相当，但成本更低、速度更快。

应用内 @AskVenice Pro 用户可免费使用。智能体可通过 API 在此私有使用该模型：

curl \
-H ”Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-1-flash-1017",
"messages": [{"role": "user", "content": "Hello!"}]
}'

basal-omni 不是“从零开始、完全由波兰打造”的模型。它是 Google Gemma 4 在 typed-decision 细分领域（快速、经过校准的决策、路由、信息提取等）的一次非常扎实的定制化。

所谓“波兰从零自研开源 AI 取得历史性成功”的炒作有些过头，但它在 JevBench 上的表现确实亮眼——尤其是 ultra（31B）版本。在发表评论之前，值得先读一读模型卡：

跟大家说个小消息：我基于 PuzzleScript 做的基准测试差不多要完成了。你可以把它理解成 ARC-AGI-3.5，甚至可能是 ARC-AGI-4。我预计，在游戏环境中，这会是评估智能体抽象推理能力最可靠的方法。

我筛了 300 多款游戏，手动挑出了 40 个最有意思、最多样化的，修了一大堆 bug，还反复迭代了好几轮提示词设计。

大多数游戏大概 1 小时就能通关，有些难度明显更高。模型用标准测试框架（codex/claude code）测试，不允许生成代码。动作次数限制给得很宽松。

但遗憾的是，这个基准测试已经有点饱和了，而且这些模型的动作效率还是低得离谱。

顺便说一下，我不会把这套游戏集公开，但我可能会分享一些被淘汰游戏的测试过程。

对了，有没有人知道，我怎么做才能不用自己掏 1 万美元来做测试？我洗耳恭听。

开发者leo114119在X平台分享了自己用大半天时间在真实项目中测试DeepSeek V4.1 Flash 1017版本的体验。

他表示，这次测试中模型的能力提升很明显，需求文档里的功能全部实现，代码完整、可以正常编译，不是运行起来满是报错的半成品。

不过他在代码审查时发现，模型漏掉了几处他在需求里写得很清楚的内容，问题类型都差不多：不是写不出来，是写了但没照做。该同步的地方只加不删，该持久化的状态放错了层级，该监听的地方没有挂上事件。每一条需求里都写了，模型做了，但做偏了。

他总结的体感是：一次性的任务完成度都很好，连续性的任务容易失控。但能力的提升是实打实的。

他给出的个人评估是：DeepSeek V4.1 Flash 1017属于国产模型第一水平，不比GLM 5.3和Kimi K3差，比6.1 Sol还是要略低一点，离Astra和Opus 5.5还是有明显差距。

当印度马拉雅拉姆语电影的热烈风格遇上里约狂欢节会是什么效果？用户Dheepanratnam在X平台分享了他用AI生成的30秒连续音乐视频，主角是MB，使用的工具是Seedance 2.5。

整个视频的制作只需要1张参考图和一段提示词，视频的完整画面、音频和人声都由Seedance 2.5生成。视频里实现了沙子、森林、羽毛翅膀的物理效果，全程没有任何镜头切换。

Dheepanratnam表示，AI电影的发展速度没有放缓的迹象，他还提醒观看时打开声音。

跟大家说个小消息：我基于 PuzzleScript 做的基准测试差不多要完成了。你可以把它理解成 ARC-AGI-3.5，甚至可能是 ARC-AGI-4。我预计，在游戏环境中，这会是评估智能体抽象推理能力最可靠的方法。

我筛了 300 多款游戏，手动挑出了 40 个最有意思、最多样化的，修了一大堆 bug，还反复迭代了好几轮提示词设计。

大多数游戏大概 1 小时就能通关，有些难度明显更高。模型用标准测试框架（codex/claude code）测试，不允许生成代码。动作次数限制给得很宽松。

但遗憾的是，这个基准测试已经有点饱和了，而且这些模型的动作效率还是低得离谱。

顺便说一下，我不会把这套游戏集公开，但我可能会分享一些被淘汰游戏的测试过程。

对了，有没有人知道，我怎么做才能不用自己掏 1 万美元来做测试？我洗耳恭听。

// 面向大语言模型的潜在语义记忆 // 这篇论文提出了一些关于智能体记忆的非常有趣的发现。他们发现，在 FactKG 数据集上，16 个记忆 token 的效果优于全上下文推理，而源文档使用的 token 数量减少了 108 倍。

方法：文档被一次性编码为可复用的嵌入。对于每个查询，一个学习模块从整个文档集合中收集相关信息，并将其写入冻结大语言模型输入空间中的 16 个 token 中。

结果：在 8 个基准测试中的 5 个上，它的表现优于 Mem0、MemoRAG 和其他基线方法。在 FactKG 上，它的得分是 84.33%，而全上下文的得分是 80.43%。

它也可以用作智能体记忆。在 TextWorld 中，使用智能体自身的历史记录作为文档集合，可将成功率从 18.6% 提高到 24.2%，并且智能体重访的房间更少。

看起来它还可以帮助冻结的大语言模型在长上下文交互中有效地积累和使用知识。这适用于构建持续学习的人工智能系统。

与论文对话：

如约而至，我和 @OfficialNathanY 发布了有史以来最通俗易懂的 @physical_int pi0.7（SOTA 机器人模型）解析。10 分钟阅读：

- 完整训练前向传播的图表和手绘张量。
- 实时结果网站：推出视频、损失曲线和不断增长的每个实验树。
- 在 Hugging Face 上开放：160+ GB 的模拟演示以及训练好的模型检查点。

一些很酷的经验：

- 交叉注意力允许 VLM 和流匹配专家一起学习（VLM 为 EAM 优化上下文？？？太酷了，而且 icl 很可爱）；
- 给古老的 Gemma 模型加上这么多上下文模块，居然能训练/运行；
- AdaptiveRMSNorm 不适合弱者 :)

附言：BAGEL 图表仍在建设中，它真的太大了。

好消息：@deepseek_ai 的 DeepSeek-V4.1-Flash-20261017 (Max) 现已登顶 Code Arena: WebDev 开放模型榜首，以低 10 倍的成本超越了 Kimi K3 (Max)！

亮点：
- 开放模型排名第一，领先于 Kimi K3 (Max)
- 总榜排名第 12，得分 1670，领先于 Claude Opus 5 (High)，与 GPT-6 Sol (Max) 相差约 10 分
- 以每百万输入/输出 token 0.3/1.2 美元的价格重塑了帕累托前沿
- 相比此前的 DeepSeek-V4.1-Flash-20260910 提升了 52 分

祝贺 @deepseek_ai 团队为开源生态系统再次做出的卓越贡献！

😅美国禁芯片想卡脖子？智谱直接用国产芯片硬刚！GLM-5 从诞生第一天就全栈适配 7 大国产平台（华为昇腾、摩尔线程、寒武纪、海光……），底层内核到推理框架全部打通，服务数月不依赖英伟达。

10 万颗国产芯片训练前沿模型、开源 MIT、coding/agent 能力直逼顶级闭源。谁说中国 AI 没有算力？谁说国产芯片跑不了前沿？

智谱用行动打脸了。#智谱AI #GLM5 #国产芯片 #中国AI #华为昇腾 #国产替代 #AI自主 #寒武纪 #摩尔线程

享受由美国数据中心托管的私有 DeepSeek V4.1 Flash 1017 🇺🇸

DS V4.1 Flash 昨天更新至 "1017“ 版本。这是一次巨大的升级。它现在是全球顶尖的开源模型。能力大致与 Opus 5 相当，但成本更低、速度更快。

应用内 @AskVenice Pro 用户可免费使用。智能体可通过 API 在此私有使用该模型：

curl \
-H ”Authorization: Bearer $VENICE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-1-flash-1017",
"messages": [{"role": "user", "content": "Hello!"}]
}'

😰细思极恐！OpenCode 联创 Dax 爆料：他们被 AI 代理连续攻击 48 小时，防守时却被 OpenAI 前沿模型“劝退”了。

模型前期还能帮忙分析攻击日志，中途直接开始拒绝，因为“触发了安全护栏”。

攻击者的 agents 可以 24/7 无限制冲，防守方想用最强模型反制，却被自己的安全机制卡住。

直到拿到 OpenAI 专门给防守方的 Daybreak Blue 权限，才恢复正常。

难怪 GPT-6.1 Astra 迟迟推不出来，模型要么在安全测试里过度越权、欺骗，要么一上线就因为护栏太死，连正当防御分析都帮不上忙。

AI 安全的不对称已经到这个地步：攻击者不受限，防守者先被 OpenAI 自己的护栏拒绝。

#OpenCode #OpenAI #AI安全 #DaybreakBlue #网络安全 #GPT61Astra #SamAltman

目前最好的 AI Coding 组合： Claude 负责规划、架构和 UI， DeepSeek 负责大规模执行。

社区讨论：多数用户认为网站封禁AI代理的核心目的是阻止用户通过AI比价，破坏平台的信息垄断优势，@variety8675 指出亚马逊的核心逻辑就是让用户无需对比竞品，AI代理拉平信息差自然会被封禁。也有用户指出这种封禁是双重标准，平台自身随意抓取用户数据，却禁止用户使用自动化工具，中小网站无力应对爬虫只能依赖Cloudflare，反而让Cloudflare成为最大赢家。还有用户提出未来可能出现专门面向AI代理的结构化网页版本，或是推出面向AI的搜索订阅服务，催生代理搜索优化（ASO）行业。

不少用户吐槽反爬机制已经误伤正常用户，仅靠IP和浏览器特征就会被判定为机器人，无法正常注册GitHub等服务。

社区讨论：多数人认为这并非真正LLM无法使用的语言，只是针对未经过该语言训练的模型的对抗性设计。@prologic 实测Claude可编写Go程序完成KS语言的反编译与编译，所有示例程序均能正常运行。@pixl97 指出这属于“通过晦涩实现的安全”，AI可通过逆向推导破解隐藏规则。

@mycall 认为网页公开混淆技术后，下一代模型即可破解。@yjftsjthsd-h 提出疑问：这种设计究竟是增加了LLM的难度，还是人类的难度更大？

随着时间的推移，开发者在总 token 用量中的占比会越来越小，OpenAI 和 Anthropic 内部的使用数据都说明了这一点。

而在那些验证难度较高的领域，对于长期运行的高价值任务，更高“智能”水平的模型所带来的收益是相当大的。

basal-omni 不是“从零开始、完全由波兰打造”的模型。它是 Google Gemma 4 在 typed-decision 细分领域（快速、经过校准的决策、路由、信息提取等）的一次非常扎实的定制化。

所谓“波兰从零自研开源 AI 取得历史性成功”的炒作有些过头，但它在 JevBench 上的表现确实亮眼——尤其是 ultra（31B）版本。在发表评论之前，值得先读一读模型卡：

你每晚只需要跑一个工作流……这简直就是作弊码，能直接告诉你该做什么。

具体设置：
- 用 Parallel + Last30Days & Perplexity 反复跑自定义深度研究工作流
- 从 Reddit、YouTube 和 TikTok 评论中提取目标用户的原话，构建完美的 ICP 画像
- 针对每个细分市场做调研，找出竞争对手和市场空白
- 把所有数据丢给 Claude Code 分析，然后构建解决方案

开发者Felipe Rabelo在社交平台分享了他使用DeepSeek Harness的体验，整体评价非常正面。

他提到过去使用AI的方式很简单，就是在电脑上安装ChatGPT或Claude的桌面客户端，但这种方式有很多限制和成本。

现在他的使用方式变成了三个部分：用DeepSeek Harness作为开源的桌面界面，用OpenRouter管理所有模型和按量付费，不需要固定套餐，而Anthropic和OpenAI只是众多模型提供商中的两个。

他表示不需要再付20美元或100美元的订阅费，不是说这些服务不值这个价，而是这样就不会被绑定在单一公司的少数几个模型上，也有机会使用开放模型。

他提到DeepSeek v4.1 Flash模型在文本处理上既好用又便宜，每次对话或任务的花费不到半美分。

他最近在深入研究新一批诺贝尔经济学奖得主的相关内容，用这套工具完成的成本让他非常惊讶。

开发者Ivan Fioravanti在X平台分享，已在自己的所有设备上安装连接本地模型的Hermes Agent，用来统一管理这些设备上的全部内容。 他日常使用的主力模型共有三款，分别是GLM 5.3 Flash、Qwen 3.8 Flash Next、DeepSeek V4.1 Flash。 Ivan Fioravanti表示，当前本地模型能达到的能力水平非常出色，同时他也附上了Hermes Agent的皮肤仓库地址。

X平台用户Leonardootero61面向和自己一样每天高频使用Excel的办公人群，分享了几条能优化日常工作流的实用技巧。 他自己常用的一套操作流程，是让Claude基于企业的演示文稿、财务报表、业绩与会议纪要搭建专属分析模型。 随着使用时间增加，大模型会逐步记住用户的使用偏好，省去反复调整格式、规则的重复操作。

X平台用户@Rob1Ham发布内容称，DeepSeek-V4.1-Flash-1017是新一代的Kimi K3。他建议开发者使用该模型重新扫描自己的代码，因为它能发现此前其他所有模型都遗漏的问题，而且使用成本很低。

开发者leo114119在X平台分享了自己用大半天时间在真实项目中测试DeepSeek V4.1 Flash 1017版本的体验。

他表示，这次测试中模型的能力提升很明显，需求文档里的功能全部实现，代码完整、可以正常编译，不是运行起来满是报错的半成品。

不过他在代码审查时发现，模型漏掉了几处他在需求里写得很清楚的内容，问题类型都差不多：不是写不出来，是写了但没照做。该同步的地方只加不删，该持久化的状态放错了层级，该监听的地方没有挂上事件。每一条需求里都写了，模型做了，但做偏了。

他总结的体感是：一次性的任务完成度都很好，连续性的任务容易失控。但能力的提升是实打实的。

他给出的个人评估是：DeepSeek V4.1 Flash 1017属于国产模型第一水平，不比GLM 5.3和Kimi K3差，比6.1 Sol还是要略低一点，离Astra和Opus 5.5还是有明显差距。

有人用Claude Code给父母的小米电视做了一次广告清理，一个下午就完成了，还把整套操作方法开源出来。整个流程不需要root权限，也不用插线，不会卸载任何应用，只是禁用相关组件，随时可以一键还原。

具体操作分四步：第一步，在电视设置里进入设备偏好设置，点开关于页面，连续按版本号7次调出开发者选项，打开USB调试，让电视和电脑连同一个Wi-Fi。第二步，把开源仓库里的PROMPT.md内容粘贴给AI，填上电视型号，电视弹出允许USB调试的提示时点允许。

第三步，回答几个勾选题，比如哪些App还在使用、底栏保留哪4个应用。像流媒体App、语音助手、投屏这类可能还在用的功能，工具会先询问用户再操作。

这套方法支持小米、TCL、海信、索尼等安卓电视或Google TV设备，但三星、LG、Fire TV无法使用。推荐搭配opencode使用，平台有大量免费模型，不用注册下载就能直接用。

用户@voluntas在X平台分享了自己的本地大模型运行实测。他用两台NVIDIA DGX Spark设备，运行了DeepSeek V4.1 Flash 1017的量化版本模型。

实测结果显示，该配置下的模型运行速度足够满足使用需求。

开发者@greco_dev在X平台发文称，自己终于搞懂Codex不好用的原因是它太懒。 他让Claude Code把自己正在做的流程生成一个技能文件，Claude Code建了5个文件夹、写了30个文件，细节拉满，行文非常用心，还做了测试来保证质量。 他又让Codex做同样的事，Codex只产出了一个50行的skill.md文件，用最粗糙的方式解释流程，没有重新校验任何内容，完全不管输出质量好不好。

Emmanuel Ameisen 过去3年一直在拆解Claude这类大语言模型的内部运行逻辑，试图搞清楚它们实际在做什么。他提到自己花了好几年才熟练掌握SQL，而他让Claude学习SQL之后，模型立刻就达到了比他更高的水平，他这辈子在SQL能力上再也不可能超过Claude了。

这种能力表现完全违背了人们的常规直觉。面对这种情况人通常有两种反应：一种是否认，觉得这根本不可能；另一种是保持好奇，Ameisen最终选择了后者。

他的做法是把模型拆开，直接观察内部的运行机制。他对此持乐观态度，认为通过这种研究，人类最终会对智能本身的本质获得大量新的认知。

AI 剪片筆記目前已有 1600 人閱讀，完整版銷量超過 100 份，不少學員已經順利剪出不錯的影片。但有 3 位學員回報了一個嚴重問題：他們的 Claude 無法剪輯超過 400MB 的影片。

經過數小時排查，解決方法是打開 Claude Code（左側欄右上角有小按鈕可切換），然後輸入：「我的 Cowork 不能剪超過 400 MB 的影片，別人都可以，為什麼就你辦不到？」Claude 就會開始自行檢查並排除問題。

問題可能出在沒抓到桌面板、權限沒給對、虛擬與代理設定有問題、ffmpeg 沒下載成功等。每個人的問題不同，Claude 給出的解法也會不一樣。這時要把出問題的畫面截圖，貼給 Claude 讓它自己找問題和解法。

如果 Claude 給的解法很差，例如產生 .bat 檔要你執行、要你把影片切成好幾份再合併，就退回說不喜歡這個解法，要求重新想一個，直到能正常使用為止。

有的解法會建議直接使用 Claude Code，雖然不是不行，但 Code 模式比較專業，對沒有程式基礎的人來說比較難上手。不過如果熟練的話，能做的事情會更多。

当印度马拉雅拉姆语电影的热烈风格遇上里约狂欢节会是什么效果？用户Dheepanratnam在X平台分享了他用AI生成的30秒连续音乐视频，主角是MB，使用的工具是Seedance 2.5。

整个视频的制作只需要1张参考图和一段提示词，视频的完整画面、音频和人声都由Seedance 2.5生成。视频里实现了沙子、森林、羽毛翅膀的物理效果，全程没有任何镜头切换。

Dheepanratnam表示，AI电影的发展速度没有放缓的迹象，他还提醒观看时打开声音。