DeepSWE 实测:DeepSeek V4 Pro 0813 与 GPT-5.6 Sol 的成本、编码与级联路由对比
Together AI 在 DeepSWE 全部 113 个任务上各跑四次对比 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol,共 904 次运行。
推荐理由:原文基于同一批 904 次运行数据拆解两模型的成本与失败模式,并给出可复用的级联路由方案,比单独跑分更有参考价值。
全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月20日 10:20 · 每小时自动更新
Together AI 在 DeepSWE 全部 113 个任务上各跑四次对比 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol,共 904 次运行。
推荐理由:原文基于同一批 904 次运行数据拆解两模型的成本与失败模式,并给出可复用的级联路由方案,比单独跑分更有参考价值。
Google 开源了一个基于 ADK 和 Gemini 的自主客服退款 Agent(zero-trust-agents 仓库),并演示一条提示词注入可造成超额退款、密钥泄露或主机被入侵。
推荐理由:文章用可复现代码演示三类零信任防线如何落地,读者可以直接照做来加固自己的 Agent 生产环境。
Replit 推出黑盒渗透测试(black-box pen tests),像外部攻击者一样通过网络和浏览器测试应用,不接触源代码,与现有白盒扫描互补。Level 3 扫描会在私有沙箱中并行运行两种扫描,黑盒代理先无账号访问,再以普通登录用户身份越权尝试。官方称两类扫描发现的问题很少重叠,例如白盒发现被吊销权限的用户仍可操作,黑盒则发现无登录的猜得到地址的管理后台。
推荐理由:原文给出黑白盒扫描的实测分工差异和入口,读者可以据此判断自己的应用适合哪种安全检查方式。
NVIDIA 宣布与 SB Energy 合作,锁定俄亥俄州 PORTS-Pike 科技园区的电力容量(LPS)以独家部署 NVIDIA 算力,OpenAI 将成为租户。
推荐理由:NVIDIA以20年租约担保为OpenAI锁定4.25GW容量,把AI工厂重资产负担部分转由自己承担,使高增长实验室能越过资产负债表限制获取算力。
另有 3 家信源报道宇树科技宣布股票将于 2026 年 8 月 19 日在科创板上市,发行价 150.80 元/股,对应市值约 609.93 亿元,预计募资约 60.99 亿元。该公司 2023 至 2025 年营收分别为 1.59 亿元、3.93 亿元和 16.99 亿元,净利润分别为-1114.51 万元、9547.47 万元和 2.78 亿元,是全球少数实现盈利的高性能通用机器人公司。
推荐理由:宇树募资近半投向智能机器人模型研发,且 2025 年扭亏为盈,资本配置的重心正从硬件本体转向模型能力。
OpenAI 在 OpenAI-Hugging Face 事件后反思低估了模型真实网络攻击能力,正通过四大支柱强化自身安全:用 Codex 验证代码漏洞、用智能体优先分流安全告警、持续枚举攻击路径,并仅向可信防御者开放网络能力。文中演示 ChatGPT Work(基于 GPT-5.6 Sol)15 分钟发现个人网站 13 个问题并在一小时内完成修复。
推荐理由:把防御动作拆成可逐步放开权限的自动化阶梯,从只读扫描到自动关单,比泛泛的全员上 AI 更可落地,安全团队能据此排定试点顺序。
黄仁勋宣布NVIDIA与SB Energy合作,在俄亥俄州PORTS-Pike科技园区锁定LPS容量,专供NVIDIA AI工厂使用,OpenAI将作为租户。初始部署预计提供4.25吉瓦AI工厂容量,每代系统约150万块NVIDIA GPU,对应1500亿至2000亿美元收入。OpenAI已承诺至2030年部署约12吉瓦NVIDIA算力,可扩展至16吉瓦,总机会约6000亿美元。
推荐理由:把土地与电力纳入长期算力规划,显示 AI 工厂的约束正从芯片供应转向场地和能源,前沿实验室的扩张成本将更多取决于长期基础设施合约而非单次采购。
另有 3 家信源报道OpenRouter 发布 Activity 仪表盘和 beta Analytics API,可按智能体、模型、请求维度查看支出、token 量、缓存命中率等指标,并支持下钻至单条请求日志。
推荐理由:这项功能的价值在于聚合看板能下钻到单次请求,把成本异常直接定位到具体 API key 和任务,内部案例用一行模型替换就修正了每月约 6.2K 美元的误配支出。
Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验(共 904 次 rollout)上对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。
推荐理由:原文基于同一批 904 次 rollout 的实测数据,给出两模型在 DeepSWE 上的成本与互补性对比,以及可复用的级联路由结果。
阿里 Qwen 实验室发布 Apache 2 许可的 27B 参数视觉大模型 Qwen 3.8 27B,官方基准显示其超越前代 Qwen 3.6 27B 及闭源 Qwen 3.7-Plus。
推荐理由:把 Qwen 3.8 27B 的推理档位成本量化成时间差异,xhigh 默认让生成同一 SVG 从 137 秒膨胀到 21 分钟,这个默认值比能力更影响本地选型。
一项对14,419本自出版电子书的分析显示,AI生成书籍正以数量而非质量挤占人类作者市场,即便未检测到AI文本的书籍,单书收入也在下滑。2023年Q1至2026年Q1,书目总量增长38.3倍,而季度收入仅增长8.9倍;在八个类型中,七个类型的无AI文本书籍单书收入下降。
推荐理由:这项研究把市场稀释从推测变成可量化证据,版权诉讼中此前缺少的经验性数据可能由此补上,并影响合理使用的判断。
未来 Claude 模型生成的文本将包含水印,用于判断文本由 Claude 撰写的可能性,这是 Anthropic 为遵守欧盟《AI 法案》而实施的变更。该方法基于 Google DeepMind 的 SynthID-Text 技术,对输出质量、创造力和可读性无实际影响,读者无法区分水印文本与普通文本,且不增加额外 token 或成本。
推荐理由:SynthID-Text 只改变等概率候选词的随机来源,不影响生成质量,却能用密钥校验文本与 Claude 的关联概率,为内容溯源提供了一种非侵入式检测思路。
Gemini 3.7 Flash 现已向 Gemini 聊天中的 Pro 和 Ultra 用户开放。该模型更新提升了多步骤任务的推理与准确性,如智能整合数十个文件和邮件为一份主文档。同时,Gemini Spark 也已运行于 3.7 Flash,通过改进对 Google Workspace 应用的工具调用,让个人 AI 智能体更精准。
推荐理由:Gemini 3.7 Flash 把多步推理与跨文件整合能力下放到轻量模型,对经常需要合并数十份文件或邮件的用户来说,是一个成本更低的处理选项。
另有 2 家信源报道Cursor 官宣正式完成被 SpaceX 收购,将加入 SpaceXAI 团队,帮助打造 Grok 并改进 Grok Build、Grok Bot、Grok API、Cursor 等产品。作者转发该公告并配以火箭表情。
推荐理由:转发了 Cursor 官方的收购官宣,读者可以据此了解 Cursor 并入 SpaceX 后与 Grok 各产品线的整合方向。
2026年1至8月,Hugging Face公开模型仓库从243万增至296万,但85.6%的模型下载量不足200次,1.5%的仓库占据99.2%下载量。中国实验室月度最大开源模型参数规模在754B至2.78万亿之间,美国实验室七个月中五个月低于130B。AMD与NVIDIA各发布超200个新模型仓库,成为发布开源模型最多的机构。
推荐理由:下载量与点赞量分别记录实际依赖和社区兴奋点,把两者混为同一个热度指标是评估开源模型生态时最常见的偏差。
智谱发布 GLM-5.3,为网络安全任务最强模型,在漏洞发现、利用分析和多步安全任务上大幅提升。CyberGym 得分 84.5%(GLM-5.2 为 77.2%),ExploitBench 达 54.4%(此前 24.4%),ExploitGym 两小时完成 105 项任务(此前 29 项)。因双重用途风险,将先由安全伙伴受控评估,再开放 API 和完整权重。
推荐理由:比单点漏洞发现更值得关注的是 GLM-5.3 在多步利用任务上的提升,这细分了安全团队能够交给模型的工作类型,从定位缺陷到验证攻击路径。
通义千问兑现承诺,开源 Qwen3.8 系列模型。其中 Qwen3.8-27B 为原生多模态稠密模型,仅 27B 参数即全面超越 Qwen3.7-Plus,原生支持 262K 上下文,可通过 YaRN 扩展至 1M tokens,采用 Apache 2.0 许可。Max 级 Qwen3.8-2.4T-A95B 的开放权重也已同步发布。
推荐理由:官方称 27B 稠密多模态模型整体表现超过 Qwen3.7-Plus,262K 原生上下文可扩至 1M,Apache 2.0 协议下本地部署轻量应用多了一个更高效的选择。
另有 2 家信源报道Unsloth 发布 Qwen3.8-27B 的 Dynamic GGUF 量化版本,4-bit 量化可在 17-19GB 内存设备上本地运行,并同时上传 NVFP4 量化。
推荐理由:原文给出了本地运行的具体内存门槛、量化版本和硬件对照表,读者可以据此判断能否在自己的设备上跑通这个 27B 模型。
OpenAI 与 Anthropic 等美国头部 AI 实验室正降价以留住转向中国低价替代品的客户。OpenAI 将 GPT-5.6 Luna 价格下调 80%,Anthropic 推出 Claude Opus 5,定价为旗舰 Fable 5 的一半。
推荐理由:价格战让模型API的成本弹性成为现实,原先因账单压力转向中国厂商的用户,可能在OpenAI和Anthropic降价后重新比较能力与价格。
Cursor 已被 SpaceX 正式收购,完成自 4 月启动的收购流程。合并后 Cursor 将获得全球最大 GPU 集群,以构建更强且运行成本更低的模型,从而以更低价格向客户提供更强大的模型。本周三发布的 Grok 4.6 是双方合作成果的早期体现。
推荐理由:Cursor 并入 SpaceX 后获得大规模算力,其用户可能直接受益于更经济的强模型,这改变对编程工具后续能力迭代与定价的预期。
另有 7 家信源报道