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。
月之暗面这周把 Kimi K3 开源了。公司自己承认模型还打不过最强的闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但 Arena.ai 和 Vals AI 的第三方评测显示，K3 已经能跟这些旗舰模型掰手腕了。发布正好赶上习近平在上海世界人工智能大会讲话，纳斯达克周五跌了约 1%，芯片股像英伟达被抛售。这波讨论很像 2025 年...
推荐理由：月之暗面把 Kimi K3 开源，第三方评测显示它能跟 GPT-5.6 Sol 和 Claude Fable 5 掰手腕，这是中国模型生态一个挺硬的信号。不过这篇是 TechCrunch 的评论稿，不是官方发布原文，所以重要性我打了 78 分，没再往上拉。
Mozilla 的第一份《开源 AI 现状》报告给出了几个硬数字。开放权重模型现在占了 OpenRouter 上大部分 token 流量，排第一的是 DeepSeek V4 Flash。GPT-4 级别的推理成本在 36 个月内跌了 50 倍，现在每百万 token 只要 0.4 美元。能力差距还有 3.3%，主要卡在推理和多模态上，编程能力已经打平。...
推荐理由：这份报告不是公关稿，给的是可引用的流量占比、成本曲线和能力差距数字。我会先打个折：它是快照而非产品发布，所以没给更高分，但对开源生态的判断有实际参考价值。正文没披露样本覆盖时段和统计口径，这点先别太激动。
前 OpenAI 技术负责人 Mira Murati 创立的 Thinking Machines 推出了第一个模型。FT 报道说，这个模型用了和中国公司 DeepSeek 类似的训练技巧，用更少的算力做到了接近前沿的水平。不过正文没披露模型叫什么、参数量多大、具体跑分是多少，也没说是不是开源权重。
推荐理由：Mira Murati 创业首秀加上 FT 独家，故事分量够上 featured。但正文没给模型名、参数量、跑分和是否开源，信息缺口不小，所以分数先打 78，等更多细节出来再调。
FT 的消息说，DeepSeek 在 6 月刚完成公司史上第一轮外部融资，现在已经在跟投资人聊新一轮了。第一轮到底融了多少钱、估值多少、谁投的，正文都没披露。新一轮的规模和用途也还没定。创始人梁文锋之前一直靠自有资金撑着，连着两轮融资说明公司正快速切到扩张模式。
推荐理由：FT独家消息，DeepSeek 6月刚完成史上第一轮外部融资，现在已经在谈第二轮了。梁文锋从自掏腰包到连续融资，是个重要的战略信号。不过第一轮到底融了多少、估值多少、谁投的，正文都没说，所以重要性没给满。我会先打个折，等具体数字出来再重新评估。
推理模型有时会卡在“死循环”里，反复输出无意义的 token 直到把上下文窗口塞满。Liquid AI 开源了 Antidoom，用最终 Token 偏好优化（FTPO，一种教模型在推理结束时学会停下来的训练方法）来解决这个问题。他们在 DeepSeek V4 Pro 上试了，用 1,040 组偏好样本训练后，死循环率从 3.2% 降到了 0.3%，而...
推荐理由：Liquid AI 开源了一个修推理模型死循环的实用方法，在 DeepSeek V4 Pro 上把死循环率从 3.2% 压到 0.3%，数字扎实。没给更高分是因为目前只有一篇博客，没有论文或第三方验证，单源信息到这个分数已经不错了。
Anthropic 6月致信美国参议员，指控阿里巴巴用数万个未经授权的账户，以工业级规模蒸馏其 Claude 模型。蒸馏本身不是什么新技术，谷歌十年前就发明了它，本质是让大模型当老师，教小模型学回答风格，省算力。马斯克4月也在法庭上承认 xAI 蒸馏过 OpenAI 的技术。目前法律上是否违法还不明确，法院没判过，版权法也管不着模仿行为。正文没披露阿里...
推荐理由：Anthropic 正式指控阿里巴巴用数万个账户大规模蒸馏 Claude，马斯克的案子是现成的平行案例。核心钩子是法律真空：模仿行为本身不违法，法院没判过，版权法也管不着。文章没披露阿里的回应和具体证据，所以分数没给到 85 以上。
这篇文章把 AI 答案抓取从 SEO 工具重新定义为模型访问市场。NetNut 被 FBI 查封之所以值得关注，不是因为它做网页爬虫，而是它的爬虫目录里公开卖 ChatGPT、Perplexity 和 Google AI Mode 的访问接口。Anthropic 今年 2 月的报告指出，有 24,000 个欺诈账号对 Claude 发起了超 1,600...
推荐理由：这篇把一个看似常规的网络犯罪查封案，重新解释成模型蒸馏基础设施的曝光，视角新鲜。H、K、R 三条都踩中了。正文有硬证据：NetNut 的爬虫目录里直接列着模型访问接口，不是推测。Anthropic 的数据也给了攻击规模一个量级。我会先打个折——文章没展开讲这些被抓取的输出具体怎么喂进蒸馏流程，但把‘谁在卖、卖给谁、规模多大’这条线理得很清楚，对从业者来说信息密度够高。
这项研究跟踪了华中某县2.6万多名中学生两年半，发现用AI写作业的学生平时成绩涨了18%，完成时间从64分钟缩到45分钟，但闭卷月考成绩直接掉了20%。更麻烦的是，中考、高考这类关键考试的成绩下滑了18%到24%，而且这个跌幅要差不多两年才会完全显现，短期研究根本看不出来。约81%的长期用户出现了典型的“外包模式”——作业做得又快又好，考试却一塌糊涂。...
推荐理由：这篇研究用大规模纵向数据（2.6万人、2.5年）挖出了AI辅助学习的一个隐藏成本：效果恶化有两年延迟期。HKR三项都打中了，但只覆盖一个县、原文付费墙，信息细节有限，所以分数没再往上拉。
作者把一个 1500 行的 LangGraph 巨型节点（god node，所有逻辑塞在一个函数里）扔给 11 个模型，让它们各自出重构方案和完整代码，然后让模型互相打分。Fable-5 的方案在同行评审里排第一，GPT-5.5 和 DeepSeek-4-pro 紧随其后，GPT-5.4 和 Opus-4.7 垫底。每个模型都产出了架构文档和代码，评审...
推荐理由：一篇 11 模型重构实战，有完整代码和同行互评排名，不是纸上谈兵。Fable-5 拿第一本身就值得讨论。扣分是因为这只是个人单次实验，不是受控基准测试，所以停在 feature 级别。
美团放出了 LongCat-2.0，一个总参数 1.6 万亿、每次推理激活约 480 亿参数的混合专家模型。它全程跑在美团自研的 AI ASIC 超算集群上，用超过 5 万张卡、没出过需要回滚的重大训练事故，预训练吞下了超过 35 万亿个 token。模型专门为长上下文和智能体任务做了优化：引入 LongCat 稀疏注意力来加速百万 token 级长文...
推荐理由：美团开源了一个总参数 1.6 万亿、每次激活约 480 亿参数的 MoE 模型，全程用自研 AI ASIC 训练，5 万多张卡零回滚跑完，预训练数据量超过 35 万亿 token。模型专门为长上下文和智能体场景做了优化，引入了 LongCat 稀疏注意力来加速百万 token 级处理。我会先打个折：目前只有官方博客，没有第三方评测或真实业务反馈，所以分数停在 82 而不是更高。如果是真的，这套非 GPU 训练方案挺省钱，但稳定性和性能还需要更多证据。
DeepSeek 宣布 V4 模型会在七月中旬正式发布，同时上线峰谷计价：北京时间每天 9:00–12:00 和 14:00–18:00 算高峰，API 价格翻倍。高性能版 deepseek-v4-pro 输出从每百万 token 6 元涨到 12 元，轻量版 deepseek-v4-flash 从 2 元涨到 4 元。用户会在调价前 24 小时收到邮...
推荐理由：V4 发布加上峰谷计价，是国内大模型 API 头一回把电力市场的逻辑搬过来。高峰时段价格翻倍对重度用户是实打实的成本信号，所以给 featured。没打更高是因为正文只放了价格和时段，模型能力、性能提升这些关键信息都还没披露，先别太激动。
旧金山一家25人的公司Lindy，CEO说每月AI费用已经超过所有员工的工资总和，这个月他们把100%的调用从Anthropic的Claude切到了DeepSeek，预计未来几个月能省下数百万美元。他之前在Uber的同事也说，Uber现在给部分AI工具设了每月1500美元的开支上限。咨询公司Highspring的人提到，有些客户干脆暂停AI投入，等能证...
推荐理由：有公司名和具体数字，不是空谈趋势。Lindy 的 100% 切换和 Uber 的 1500 美元上限是可验证的决策信号。没给更高分是因为目前只有标题和摘要，正文还没披露切换后的实际效果和确切节省金额。
DeepSeek 正在从字节、阿里等大厂高薪挖人，部分 offer 能给到候选人当前薪资的 2 到 3 倍。团队会从现在的几百人快速扩张，但正文没披露具体要招到多少人。我会先打个折——能不能持续这个节奏，还得看下一轮融资和收入能不能跟上。
推荐理由：FT 独家报道了 DeepSeek 用 2-3 倍薪资高调挖人的动作，有硬数字、有明确的大厂对手，信息冲击力够。缺点是正文没披露具体要招到多少人，且 FT 有付费墙，部分读者看不到全文。
华盛顿邮报拿六个主流AI模型做了次政治立场测试，结果发现它们整体还是偏左。OpenAI的GPT-5.5回答里80%只给左派论点，DeepSeek V4 Pro也有70%，两者都反对死刑，尽管美国多数民众几十年来一直支持。Anthropic的Claude Opus 4.8有43%的回答纯左派。xAI的Grok 4.3虽然右派回答比其他模型多，但纯左派回答...
推荐理由：华盛顿邮报这次测试给了具名模型和百分比，不是那种“AI可能有偏见”的模糊喊话。三个HKR维度都踩中了，但这是媒体做的基准测试，不是产品发布或技术突破，所以放在72分上下的featured档位。信息源是媒体，正文没披露测试方法和样本量，这点先别太激动。
作者在试用 DeepSeek V4 时发现，它的 API 价格只要 0.09 美元，而 Anthropic 的同类模型要 5 美元，差了将近 50 倍。文章认为，Anthropic 和 OpenAI 被自己的高成本结构卡住了脖子，很难把价格砍掉一两个数量级去跟 DeepSeek 或小米的 Mimo 竞争。作者猜测，这两家可能会走奢侈品路线，靠制造稀缺感...
推荐理由：作者用一个真实的定价对比，把开源权重模型和闭源厂商之间的结构性成本矛盾摆到了台面上。50 倍价差是硬数据，不是修辞。正文被截断了，完整论证看不到，所以评分停在 featured 档，不加码。
彭博社说微软正在测试 DeepSeek-R1 和 DeepSeek-V4，准备把这些中国模型提供给西方客户。另一边，微软也在把 ChatGPT 卖给中国企业，相当于在中美之间做 AI 模型的中间商。正文没披露定价、分成比例和具体上线时间，所以这个双向贸易网络到底能跑多大，现在还不清楚。
推荐理由：彭博社的信源让这事有可信度，微软在中美之间双向倒卖 AI 模型这个定位以前没被挑明过，所以信息增量是实的。我会先打个折：正文没披露定价、分成比例和具体上线时间，所以这个双向贸易网络到底能跑多大、赚多少，现在全是问号。但光是微软同时卖 GPT 给中国、卖 DeepSeek 给西方这个事实，就足够让从业者重新盘算自己的采购和合规策略了。
作者拿 GPT-5.5、DeepSeek V4 Pro 和智谱的 GLM-5.2 做了个对比测试。在 AA-Omniscience 幻觉基准上，GPT-5.5 的幻觉率高达 86%，DeepSeek V4 Pro 更是飙到 94%，而 GLM-5.2 只有 28%。这意味着前两者遇到不会的问题时，十次里有八九次会瞎编一个答案，而不是老实说“我不知道”。...
推荐理由：这篇是个人博客做的第一手对比测试，数字很具体、结论也反直觉，所以 H、K、R 三个维度都踩中了。分数定在 78 而不是更高，是因为样本量和测试方法没完全展开，权威性有限，我会先打个折。
DeepSeek研究员Deli Chen放出了一个叫AutoResearch的实验协议，让AI智能体在285B参数的模型上独立跑完了一整套强化学习研究闭环——自己设计实验、写代码、提交GPU任务、修bug、写总结，全程没人插手。系统用了GRPO这个工具。不过正文没披露具体做了什么任务、训练了多久、成功率多少，这些关键信息都缺着，所以先别太激动，等有人复...
推荐理由：DeepSeek 研究员放出了一个实验协议，让智能体在 285B 模型上独立跑完强化学习研究闭环，设定很强。但正文没披露具体任务、训练时长、成功率这些关键指标，信息缺口太大，所以分数先打个折，等有人复现再说。
DeepSeek 多模态研究员 Xiaokang Chen 宣布，识图模式今天在网页和 App 端正式上线。这个模式跟“快速模式”“专家模式”并列，打开后可以上传图片让模型理解画面内容，不只是提取文字。IT之家实测发现，App 端还挂着“图片理解功能内测中”的提示，网页端没有。今年 4 月 DeepSeek 公开过背后的多模态框架“Thinking w...
推荐理由：DeepSeek 把图片理解做成一个正式模式，产品上算是一个节点，补上了多模态输入的缺口，而且有公开框架背书。IT之家实测提到 App 端还挂着内测提示，说明全量放开可能还要等一等，所以重要性没给满。整体上，这件事对用 DeepSeek 做开发的团队来说是个直接可用的更新，值得提一下。
推理模型不是2024年突然蹦出来的。让模型写解题步骤的思维链、用自己生成的正确推理训练自己的STaR、给中间步骤打分的过程奖励模型，这些技术从2022年起就陆续成熟了。o1真正改变的是产品化：把推理变成一种可以计费、可以调度的资源，在API里引入reasoning tokens和可调节的思考强度参数，相当于给scaling law开了第二个轴。Deep...
推荐理由：这是一篇有信息量的长文综述，用具体论文和时间线追溯推理模型的技术源头，核心判断是o1的分水岭在于把推理产品化成可计费算力，而非发明了推理本身。HKR三项都踩中，但属于梳理整合型内容而非独家爆料，放在78分、featured层级合理。