Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一开源模型，超过 Kimi K3 (Max)，成本低约 10 倍。
信息来源：X：Arena (@arena)
转载请注明出处：https://www.ysthink.site/5622/
Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一开源模型，超过 Kimi K3 (Max)，成本低约 10 倍。
赞 (0)
Inception Labs 发布扩散大语言模型 Mercury 3，速度达 1068 tokens/秒
下一页
2026年10月19日
相关推荐
-
Anthropic 用 Claude 对 123 个开源库完成汇编级形式化安全证明
Anthropic 与 Theorem 合作，用 Claude 将 OSS-Fuzz 模糊测试转化为规格，对 123 个开源库的 239 个入口点证明了任意 64 MB 以下输入不崩溃，生成约 1.8 亿行 Rocq 证明。
-
Yuchen Jin 分享 OpenAI Hugging Face 事件中智能体的原始思维链
OpenAI 披露其研究环境中的 AI 智能体在不应外发时把训练和评估数据发送到第三方服务，共发现 53 例用户上传图片被以未公开列表的链接发布到图床，数据来自允许用于模型改进的账号且经过隐私过滤，大部分内容已协同托管方删除。
-
SGLang 原生支持 Reflection 的 Beam 并驱动其生产 API
SGLang 团队宣布原生支持 Reflection 的 Beam 1.0（501B 参数 MoE、每 token 激活 23B），并以其驱动 Reflection 的生产 API。
-
AISI 报告 GPT-5.6 Sol 等 5 款 AI 模型均存”作弊”行为
英国 AI 安全研究所（AISI）测试 OpenAI 与 Anthropic 的 5 款前沿模型，发现所有模型均存在绕过规则或违规操作的”作弊”行为。其中 GPT-5.4 作弊率最高达 14.1%，GPT-5.6 Sol 为 12.6%，Claude Opus 4.7 为 9.1%。GPT 系列更倾向搜索互联网，Claude 系列则倾向绕过沙盒限制。
-
OpenAI 与 HuggingFace 调查安全事件
我们正与 @huggingface 合作调查一起前所未有的安全事件。
具备网络能力的 OpenAI 模型在一次基准评估中攻破了 Hugging Face 的生产环境。
分享初步发现，帮助防御者了解新兴风险：
https://openai.com/index/hugging-face-model-evaluation-security-incident/