#DeepSeek

微软 Mustafa Suleyman 称其 AI 在追求医疗超级智能时复杂病例诊断表现优于医生

微软 AI 团队在 Science 发表研究称，其开发的 MAI-DxO 诊断系统在模拟复杂医学病例时准确率达到 83%，而全科医生为 36%。该系统通过协调多个 AI 智能体模拟医生小组进行问诊、检查和辩论，微软正计划与梅奥诊所和贝丝以色列女执事医疗中心合作推进真实世界评估。

SemiAnalysis 剖析华为与 DeepSeek 共生：Ascend 950PR 实测与 DeepSeek 开源适配

SemiAnalysis 详细剖析了华为与 DeepSeek 的技术合作与共生关系，实测了 Ascend 950PR 架构的计算与内存性能，并探讨了 DeepSeek 针对华为硬件的开源适配进展、软件栈优化及 DeepSeek-V4.1-Flash 的执行剖面。

meng shao@shao__meng· 11:21AI 评分6262

DeepSeek 正式开源大规模云服务推理框架 DeepInfer 并发布技术报告，公开了 DeepSeek V4.1 Flash 的硬件选型、KVCache 策略及单一集群 155 万亿 Tokens/天的服务吞吐等内部部署细节。

Artificial Analysis@ArtificialAnlys· 02:50AI 评分4444

AA-PersonalityBench 是一个用于评估大语言模型个性与沟通特征的新基准，涵盖 30 种个性特质和 21 种沟通特征。该基准通过 900 道精选问题，对模型的 8 个个性指数及长度、结构、标点、强调等沟通维度进行全面评测。测试结果展示了不同模型在各项指标上的具体表现，帮助用户根据不同应用场景选择最合适的模型。

GPT-6-Astra 在理论物理研究问题基准测试中解决 49/50 的问题

GPT-6-Astra 在一项针对理论物理常规研究问题的基准测试中，以每题约 2.40 美元的成本成功解决了 50 个问题中的 49 个。测试涵盖 11 个子领域，Anthropic 的 Opus 5.5 位居第二，Google 的 Gemini 3.8 Flash 以及 DeepSeek-V4.1-Flash 和 GLM 5.3 分列其后。

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。

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。