Aethir推出自研开源LLM API平台Aethir Mesh，DeepSeek V4、Kimi K2.6等顶级模型推理全程跑在Aethir GPU上
相关推荐
DeepSeek API出现性能下降情况，现已恢复
8月4日，海外开源AI Coding Agent平台OpenCode发文称：DeepSeek V4 Flash当前因前所未有的访问量而出现容量不足问题，可能会遇到报错，正在紧急修复中。也有网友发文表示：DeepSeek V4 Flash官方API上午几乎不可用，和Kimi K3刚发布时情况差不多，国产模型能力赶上来了，但可用性与容量仍有改善空间。DeepSeek官方披露，今日上午DeepSeek V4 Flash API出现性能下降情况，目前问题已解决，服务已恢复。（一财）
国家超算互联网上线Kimi K3 API服务，3万亿参数大模型一键调用
火星财经消息 7月21日，国家超算互联网近日上线Kimi K3模型API调用服务，企业与开发者无需繁琐环境配置，即可快速调用这一2.8万亿参数开源大模型能力。目前，该API兼容OpenAI与Anthropic接口规范，支持快速、低成本搭建多元化AI应用。当前，超算互联网模型API服务已汇聚MiniMax、DeepSeek、Qwen、GLM、Kimi等开源大模型，涵盖文本生成、图片生成、视频生成、语音合成、多模态等全维度AI能力。（广角观察）
华尔街机构：Kimi K3并非「DeepSeek时刻」再现，反而强化算力需求
火星财经消息，7 月 21 日，Kimi K3 发布后，美股半导体板块因市场担忧出现「DeepSeek 时刻 2.0」而下跌，但瑞银、野村、美银证券和花旗均认为，这款模型并未削弱算力需求，反而可能推动 AI 基础设施需求进一步扩张。 Kimi K3 拥有 2.8 万亿参数、100 万 token 上下文窗口，并支持常开推理、原生多模态及 MoE 架构。机构认为，其规模和长上下文将增加 KV 缓存占用，并推高 HBM、服务器 DDR5、企业级固态硬盘、云基础设施及高速互联需求。花旗将这一趋势称为「又一次杰文斯悖论」，即模型效率和价格改善可能带来更多应用与 token 消耗。 瑞银指出，开源模型通常因上下文窗口更长而更加依赖内存和存储；花旗认为，K3 大规模部署或需要由 64 块以上 GPU 组成的超节点。野村则认为，全球大模型竞争将促使前沿实验室和超大规模云平台继续投入，利好台积电、英伟达、存储厂商、光模块供应商及数据中心运营商等 AI 基础设施环节。 不过，美银证券提示，若模型效率提升速度持续超过工作负载增长，而实际使用量未能同步扩张，AI 基础设施建设仍可能出现一定回落。
DeepSeek发布API调价公告
火星财经消息,DeepSeek发布API调价公告，将对 DeepSeek API 价格进行更新调整，采用峰谷定价，空闲时段价格为高峰时段价格的一半。高峰时段为北京时间 9:00-12:00、14:00- 18:00（其余为空闲时段）。新价格将于北京时间 2026年8月17日 00:00开始生效。deepseek-v4-pro高峰时段百万tokens输出，最高价格达27元。 （科创板日报记者 黄心怡）
智谱API用户近700万，新启用超5万块国产AI芯片缓解算力压力
BlockBeats 消息，8 月 10 日，据《晚点 LatePost》报道，智谱 MaaS 开放平台注册用户规模已接近 700 万，较 7 月初增长约 200 万，其中企业客户数量达到 2.3 万家。其开发者产品 ZCode 上线一个月用户突破 100 万。 报道称，智谱今年以来 ARR（年度经常性收入）增长约 15 倍。市场人士透露，智谱当前 ARR 可能达到 20 亿美元，但该数据尚未获官方确认。 随着模型调用需求快速增长，智谱正在扩大国产算力基础设施。据了解，智谱已启用超过 5 万块国产 AI 算力芯片，以缓解日益增长的推理需求。此前市场传闻智谱已建设规模达 1GW 的国产 AI 算力基础设施。 智谱增长主要受编程场景需求爆发推动。GLM-5 模型发布后，公司 ARR 快速增长，目前 API 业务成为核心收入来源。智谱同时持续优化推理效率，通过 KV 缓存拆分、推理网络架构等技术提升算力利用率。 此外，智谱 7 月推出高速版 API，每秒生成 Token 数量达到 400，相比常规 API 速度提升约 8 倍；7 月 31 日，公司重新开放 Coding Plan 购买，并大幅调整价格，Lite 版本月费升至 118 元。 行业人士认为，随着 AI 编程需求持续增长，推理效率优化将成为大模型公司的核心竞争力。谁能在相同算力下生成更多 Token，谁将在成本和商业化方面占据优势。 目前，智谱、Kimi、DeepSeek 等中国大模型企业均面临算力瓶颈与模型竞争压力，市场预计多家公司将在 8 月推出新一代模型，AI 大模型竞争将进一步加剧。
DeepSeek、Kimi都在拼命砍缓存，英伟达开始让缓存跨模型复用
据动察 Beating 监测，过去两年，大模型推理优化一直在拿 KV Cache 开刀。它是模型读完上下文后留下的中间计算结果，内容越长，越吃显存和带宽。DeepSeek-V2 借助 MLA，相比 DeepSeek 67B 将 KV Cache 减少 93.3%；Kimi Linear 相比全 MLA 又最多减少 75%。大家都在让长上下文更便宜。 但这些方案都有一道墙：缓存通常只能在同一个模型内部复用。Agent 从小模型切到大模型后，目标模型还得把前面几万甚至几十万 Token 重新计算一遍。模型路由越频繁，这笔重复计算越难忽略。 英伟达最新论文开始拆这堵墙。团队发现，在同一家族、KV 结构匹配的不同大小模型之间，缓存存在明显的线性关系。用 500 段、每段 1024 Token 的文本校准一次，就能拟合出一套映射，把一个模型算好的 KV Cache 转给另一个模型继续用。 Qwen3-14B 切到 32B 时，32K 上下文重新计算约需 7 秒，转换缓存只要约 0.28 秒，快约 25 倍。换句话说，以后甚至可以先让小模型负责「读」：把长上下文算成 KV Cache；真正需要更强能力时，再把缓存转给大模型，让大模型直接开始「想」和生成。 这会让模型路由省下更多算力。现在让简单任务跑小模型，主要省的是生成成本；一旦切到大模型，长上下文往往还得由大模型重新算一遍。跨模型 KV Cache 如果做成熟，连这部分 prefill 都能交给小模型完成。Agent 可以长期用便宜模型维护上下文，碰到难题才叫醒大模型，而且不用每次都从头「读档」。