HAT's Public Channel |
前往频道在 Telegram
二代目转生频道，主要是带有个人偏好的技术类消息，UTC-N 时区，本频道除特殊消息外默认静音发送消息。 TG 平台内转发的消息不代表本人立场 / 随缘更新 可能包含的关键词: AI, LLM, 前/后端, DevOps 以及一些小杂碎和可能的暴论/锐评 非常欢迎转发本频道所撰写的内容，但对于本频道原创内容还请带上来源，谢谢！ 本频道消息下方的 TG 官方广告位并非由频道主投放，频道主也无法直接将其关闭，请勿相信广告内容。 联系频道主: 请直接私聊 @omnihat_bot or 频道 DM
显示更多未指定国家未指定类别
3 403
订阅者
+1424 小时
+397 天
+3930 天
帖子存档
DS 已滑跪，不再直接将 DSv4 Pro API 路由到 4.1 Flash
为响应广大用户的需求，我们决定在 2026 年 9 月 14 日之后继续提供 DeepSeek V4 Pro 的 API 调用服务，计费方式保持不变；如有变动，我们将另行通知。感谢您的理解与支持！https://api-docs.deepseek.com/zh-cn/
？？？什么东西迭代了？
@所有人 🎉 Kimi K2.8 Preview 现已全量上线 Kimi Code CLI！ 综合性能接近 K3，思考（thinking）效率更高 支持 thinking effort 档位调节（与 K3 的思考等级一致） 支持 1M 超长上下文 🌟 温馨提示 K2.8 Preview 已全量上线，无需手动切换 Model ID —— kimi-for-coding 现已默认指向 K2.8 Preview。 💡关于 1M 上下文的建议 1M 上下文 ，可以处理更长对话、更多文件和更复杂任务。为了降低 Token 消耗，建议尽量明确本次任务范围。长文档/代码库可先让模型定位相关部分，再深入分析，这样既能利用 1M 上下文的能力，也能减少无关历史反复进入上下文带来的消耗。 🔗 更多模型配置信息详见：https://www.kimi.com/code/docs/kimi-code/models.html
A/ 是这样的，即便从 API 开启了 ZDR, 所有数据也会被截留最高两年，比国内网安合规要求的半年还狠
即使启用了 ZDR，Anthropic 也可能在法律要求或解决使用政策违规时保留数据。如果会话因政策违规而被标记，Anthropic 可能会保留相关的输入和输出长达 2 年，与 Anthropic 的标准 ZDR 政策一致。 ... Claude Fable 5.1 和 Fable 5 是 Covered Models，默认需要数据保留，无法启用 ZDR ... 通过 Claude for Enterprise 网络界面的聊天对话不受 ZDR 保护。 Cowork 会话不受 ZDR 保护。 ...read more: https://code.claude.com/docs/zh-CN/zero-data-retention
A\ 实锤 DeepSeek 此前灰度测试时会将请求直接路由至 Claude
你是说我的自来水里有石油吗
Our investigation revealed that DeepSeek also deployed tactics similar to Moonshot’s. DeepSeek built a CoT extraction pipeline, relying on the same cross-session replay attack described above. DeepSeek also silently relayed exchanges to Claude without informing DeepSeek customers. Like GTG-16002, their customers were likely not made aware that their requests were being funneled to Claude. Our investigation revealed that DeepSeek targeted the reasoning traces of Opus, leveraging a similar technique to that of Moonshot. Using the reasoning signature, DeepSeek used the same cross-session replay attack used by Moonshot to extract CoT transcripts and circumvent our technical controls. DeepSeek used this technique to exfiltrate reasoning traces that would have otherwise been summarized. DeepSeek rerouted requests from users that were attempting to use one of DeepSeek’s models through third-party or Anthropic coding harnesses, like Claude Code, the Claude Agent SDK, or OpenCode. DeepSeek checked various strings included in inbound requests, tagging users that were using these third-party harnesses. Selected tagged users then had their requests relayed to Claude Opus. This sensitive data was likely routed to Anthropic without the knowledge or consent of DeepSeek’s customers.https://www.anthropic.com/~
*Tips: 此次发布的 DSv4.1 Flash 已实装 Engram 稀疏记忆技术，并有足足 196B 规模，将大大提升模型的世界知识能力
*Qwen4 也准备正式落地相似思路
吸取了 DSv4 Pro 0812 教训后，这次训练 DSv4.1 Flash 时还专门测试了跨 Harness 的 benchmark 表现
省流: 搭配 DSH 仍然是 Minimal > Standard > PTC
+2
DeepSeek V4.1 Flash 正式发布并开源！
1. 更大的规模底座、更小的运行成本
新 V4.1 Flash 使用了相比 V4 Flash 更大 (近乎大了一倍) 的模型底座: 284B -> 552B，意味着 Flash 模型也能拥有 DeepSeek V3/R1 水平级的世界知识能力
但 V4.1 Flash 使用了全新 “Causal-Encoder-Decoder” 架构降低了推理成本：输入激活只有 8B，输出激活 16B，带来的优势就是相同的规模和相近表现的前提下吞吐量 (tok/s) 更大
2. 相比 V4 Flash 0731, 新模型缩小了 13.7 倍的 KV Cache 用量
对 KV Cache 体积的压缩，大幅降低了 Agent 等任务的使用成本 (附图 P2)
🤗HF: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
Benchmark: [附图P1/P3], 含金量可见官方文案: “DSv4.1 Flash 全面超越 DSv4 Pro 0812”
Tech Report: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash/blob/main/DeepSeek_V41_Tech_Report.pdf
