#DeepSeek

DeepSeek 开源推理框架 DeepInfer 并披露生产性能数据

Latent Space 汇总并解读了 DeepSeek 开源的推理框架 DeepInfer 及其配套的 deepseek-recipe 组件，涵盖其在 V4.1 Flash 生产环境中的单集群吞吐、缓存命中率及高利润率等数据。

Artificial Analysis@ArtificialAnlys· 00:42精选AI 评分8181

深度求索（DeepSeek）发布 DeepSeek V4.1 Flash 1017 旗舰更新模型，在 Artificial Analysis 智能指数中获得 45 分，与 GLM-5.3 并列开源模型第二位。

X.PIN@thexpin· 17:14精选AI 评分8282

深度求索向开发者开放了其应用背后的搜索引擎，推出 Search 和 Fetch API 端点，定价为每 1,000 次调用 5 元人民币（约 0.70 美元），并过滤了 SEO 垃圾信息和低质量 AI 内容。同时，V4.1 Flash 模型进行了 1017 版本更新，具备更快的运行速度、更低的成本以及开放权重。

DeepSeek 发布 V4.1-Flash-1017 模型并开放自研搜索 API

DeepSeek 发布新模型 DeepSeek-V4.1-Flash-1017，在提升代码和 Agent 任务表现的同时缩短了运行时间并减少了输出消耗。网页端、APP 与 API 已同步更新，配套的 DeepSeek Harness 升级至 0.2.1 版本。此外，官方还推出了支持网页搜索与正文抓取的自研 Search 和 Fetch API 接口。

字节Seed团队发现DeepSeek模型存在相位敏感性问题

字节Seed团队研究发现，DeepSeek-V4系列模型在处理长上下文时，检索准确率会随信息在输入中的位置呈现周期性波动，这种现象被称为相位敏感性。研究指出该问题源于分块KV Cache压缩技术，不同位置的信息在压缩过程中会产生系统性差异，导致模型表现不稳定。研究建议在评估此类模型时，需关注不同压缩相位下的检索表现，而非仅依赖整体平均分。

Reflection 发布 Beam 501B-A23B 开源模型

Reflection 发布了 Beam，这是一款面向编码、智能体和科学工作的文本模型，采用 501B 总参数/23B 激活参数的 MoE 架构。该模型从零训练，计划本月开源 Apache 2.0 权重，在 SWE-bench Verified 上取得 80.9 分，并展示了较高的推理效率。

GLM-5.3 与 Claude Fable 5 在 DeepSWE 编码基准上的对比分析

在 DeepSWE 编码基准测试中，GLM-5.3 与 Claude Fable 5 的首轮通过率（pass@1）分别为 69.0% 和 69.7%，表现几乎持平。

GLM-5.3 与 GPT-5.6 Sol 在 DeepSWE 上的编码能力与成本对比

Together AI 在 DeepSWE 基准上对比了 GLM-5.3 与 GPT-5.6 Sol 的表现。GPT-5.6 Sol 在单次尝试中保持领先，而 GLM-5.3 在多次尝试下表现更优且成本仅为前者的一半。分析建议采用级联路由策略，即优先使用 GLM-5.3，在测试失败时再调用 GPT-5.6 Sol，以实现更优的成本效益与任务覆盖率。

DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的性能与成本对比

Together AI 在 DeepSWE 基准上对比了 DeepSeek V4 Pro 0813 与 Claude Fable 5 的编码能力。结果显示，Claude Fable 5 在单次尝试中准确率略高，但 DeepSeek V4 Pro 0813 在多次尝试下表现更优且成本仅为前者的 1/90。