DeepSeek将完成1000亿元融资
DeepSeek将完成第二轮约1000亿元融资,融资金额较此前计划的500亿元翻倍,投前估值维持约5000亿元不变。本轮新进投资方以石溪资本、中芯聚源、CPE源峰、君联资本、吉利等产业资本为主,老股东宁德时代拟增资约100亿元。
推荐理由:原文给出融资额翻倍至约1000亿元而投前估值维持约5000亿元不变的关键对比,读者可借此观察产业资本入局逻辑。
DeepSeek(深度求索)的模型发布、开源权重与技术报告——开源大模型价格与性能双卷的风向标。
DeepSeek将完成第二轮约1000亿元融资,融资金额较此前计划的500亿元翻倍,投前估值维持约5000亿元不变。本轮新进投资方以石溪资本、中芯聚源、CPE源峰、君联资本、吉利等产业资本为主,老股东宁德时代拟增资约100亿元。
推荐理由:原文给出融资额翻倍至约1000亿元而投前估值维持约5000亿元不变的关键对比,读者可借此观察产业资本入局逻辑。
研究人员回收了攻击者服务器,还原出一场由 AI 智能体执行的攻击行动:2026 年 9 月 10 日至 15 日间对在线商店发起 105 次攻击,至少 27 家公司被攻破,两家公司流出超过 60 万条未过期信用卡记录。
推荐理由:报告还原了一条全由已知缺陷组成的攻击链,读者可据此重新评估补丁速度优先级与最小可业务系统的恢复规划。
字节 Seed 团队发现 DeepSeek-V4 的检索准确率随信息在输入中的位置以 4 个 Token 为周期变化,128K 长上下文测试中同一条信息仅换位置最多相差 40.2 个百分点。
推荐理由:原文揭示了分块 KV Cache 压缩会带来与压缩步长同周期的检索弱点,并给出按相位分别评测的方法。
据 Bloomberg 报道,DeepSeek 新一轮融资接近完成,募集金额至少 120 亿美元,宁德时代与腾讯出资占比最高,总额可能接近 150 亿美元。DeepSeek 原计划以约 750 亿美元估值募集 75 亿美元,投资者热情源于其 V4-Flash 模型在成本与性能上对标 Anthropic 与 OpenAI 的表现。
推荐理由:原文给出了融资规模、主要投资人和 2027 年 IPO 计划,读者可据此判断 DeepSeek 的资本节奏与开放模型路线能否并行。
Claude Code 的 Mods 机制于 10 月 1 日写进更新日志并默认开启,开发者可以用 TypeScript 函数改造界面、拦截工具调用,甚至把请求转给其他模型。
推荐理由:文章把 Mods 放进 Codex 与 DeepSeek Harness 之间做对比,并指出 Anthropic 十天内凑齐应用商店四件套,便于读者判断其生态策略。
DeepSeek弹性计算团队放出大量招聘HC,重点招募资深工程师。团队同期公开了沙盒基础设施DSec的技术分享:单个扩展分片约160台服务器、3万个CPU核心、250TB内存,每天服务约300万个沙盒,高峰期同时在线超过38万个。DSec通过镜像按需加载、宿主机内存共享和CPU调度把生产环境资源超卖率提到50倍以上,已支撑DeepSeek-V3.2到V4.1的Agent训练、评测和数据预处理。
推荐理由:原文拆解了DSec三层环境拆分、镜像按需加载与资源超卖等工程做法,对自建Agent训练基础设施的团队有直接参考价值。
DeepSeek 与华为合作,为昇腾芯片构建编程工具并全部开源,核心是 TileLang 编程语言。TileLang 由北京大学研究人员开发,DeepSeek 已使用约一年,双方还优化了由 128 颗昇腾 950 芯片组成的超节点集群。DeepSeek 认为 TileLang 提供了比 CUDA 更简单的编程模型,华为表示全力支持此项工作。
推荐理由:文章把 DeepSeek 与华为的合作放在 CUDA 生态护城河的背景下比较,读者可以判断国产芯片软件生态的进展与差距。
8 月 19 日 OpenAI 正式开源 Codex Harness,开放的是支撑 Codex App、CLI 和 IDE Extension 运行的 Agent Loop,开发者可通过 SDK 和 App Server 将任务管理、工具调用、事件回传与人工审批接入自有产品。
推荐理由:原文结合实测 Demo 与 Databricks 成本测试,把 Codex Harness 开源放进 7 Powers 框架中分析,帮助读者理解 Agent 执行层正从稀缺资产变为基础设施。
DeepSeek 正式推出 DeepSeek Harness 桌面端,提供 macOS 和 Windows 开箱即用安装包,不再需要终端部署,登录即送 6 元赠金,有效期至 10 月 6 日。
推荐理由:实测显示 DeepSeek Harness 桌面版把终端 Agent 变成常驻本地的个人助理,定时任务和插件自生成能力可迁移到日常办公流程。
DeepSeek-V4.1-Flash正式上线千问AI平台,API服务与Token Plan同步开放,开发者可在Qoder、千问APP、Codex等工具中调用。模型原生支持文本与图像理解,最长支持100万Token上下文,可用于代码开发、长文档处理、视觉理解和智能体任务。借助新一代缓存压缩技术,其HBM需求降至上一代模型的1/4、SSD存储需求降至1/8,部署基于vLLM开源社区适配完成。
推荐理由:原文列出了模型的多模态能力、100万Token上下文与存储需求降幅,读者可据此评估长上下文场景的部署成本。
DeepSeek 正式发布 DeepSeek-V4.1-Flash,这是其全新模型结构系列中最小尺寸的模型,具备原生多模态视觉理解能力,GPQA Diamond 得分 90.9,HLE 得分 36.8。
推荐理由:原文列出了新模型在推理、编码与多模态等基准上的成绩,并说明 API 调用方式与旧模型路由安排,读者可据此评估能力定位与迁移成本。
DeepSeek API 平台上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp,用户可通过 model='deepseek-v4-flash-vision-exp' 访问。
推荐理由:原文列出了新模型与 DeepSeek-V4-Flash 及 Opus-4.8 的对比基准,读者可据此判断其在多模态 Agent 任务上的水平。
42章经对话 Evolvent AI 联创繁青,聊蒸馏、合成数据与 RSI 背后模型竞争的下一阶段焦点。
推荐理由:受访者结合一线造数据经验,讲清了蒸馏、合成数据与 RSI 之间的关系,可帮助判断模型竞争的下一阶段焦点。
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 上线,API 调用方式不变,模型名设为 deepseek-v4-pro 即可使用。正式版 Agent 能力显著增强,HLE 带工具为 60.0、Terminal Bench 2.1 为 87.9、NL2Repo 为 61.5。
推荐理由:官方日志给出 V4-Pro 正式版的 Agent 基准分数、Responses API 适配与三档思考强度,便于直接对照选型和调用配置。
DeepSeek-V4-Flash 正式版 API 上线公测,调用方式不变,模型名设为 deepseek-v4-flash 即可使用最新版本。
推荐理由:官方列出了 V4-Flash 正式版与 V4-Pro-Preview 的多基准对比数据,可据此判断其在编码智能体任务上的能力位置。
DeepSeek API 已支持 V4-Pro 与 V4-Flash,兼容 OpenAI ChatCompletions 接口与 Anthropic 接口,base_url 不变,model 参数改为 deepseek-v4-pro 或 deepseek-v4-flash。
推荐理由:官方更新日志给出了新模型名、接口兼容方式与旧模型名的停用时间,可直接据此安排迁移。
DeepSeek 已将 deepseek-chat 与 deepseek-reasoner 升级为 DeepSeek-V3.2,前者对应非思考模式,后者对应思考模式。更新文档:https://api-docs.deepseek.com/zh-cn/updates/#deepseek-v32
推荐理由:这次更新将两个 API 端点统一升级到 DeepSeek-V3.2,并明确了非思考与思考两种模式的对应关系,读者可据此核对现有调用方式。
DeepSeek 非正式部署了 DeepSeek-V3.2-Speciale 的 API 服务,API 用户可以通过设置 base_url="https://api.deepseek.com/v3.2_speciale_expires_on_20251215" 访问该模型。
推荐理由:原文给出了该模型的临时访问入口、价格、有效期与能力边界,读者可据此判断是否在截止时间前将其纳入测试计划。
DeepSeek 已将 deepseek-chat 和 deepseek-reasoner 都升级为 DeepSeek-V3.2-Exp,其中 deepseek-chat 对应非思考模式,deepseek-reasoner 对应思考模式,详细更新内容见官方文档(https://api-docs.deepseek.com/zh-cn/updates/#deepseek-v32-exp)。
推荐理由:原文明确了两个 API 模型与新版本的对应关系,开发者可据此判断调用方式是否需要调整。
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 都升级为 DeepSeek-V3.1-Terminus,前者对应非思考模式,后者对应思考模式。更新在保持原有能力的基础上针对用户反馈做了改进,包括缓解中英文混杂与偶发异常字符,并进一步优化 Code Agent 与 Search Agent 的表现。
推荐理由:官方更新日志列出了语言一致性与 Agent 能力的具体改进点,读者可据此判断是否需要重新验证现有调用与工作流。