券商集体入驻第三方AI平台 Agent时代卡位战打响
相关推荐
DeepSeek V4.1 Flash第三方实测:没夺回国模第一,但成本只有Kimi、GLM七分之一
动察 Beating AI 快讯,Artificial Analysis 完成 DeepSeek V4.1 Flash 独立测试,综合智能指数拿到 40 分。它已经超过自家 V4 Pro 0813 的 36 分,但仍低于 Kimi K3 的 44 分和 GLM-5.3 的 45 分。按这套第三方榜单,DeepSeek 还没夺回国产模型第一。 但价格差距非常夸张。V4.1 Flash 跑完一个 Intelligence Index 任务平均只花 0.27 美元,Kimi K3 和 GLM-5.3 都在 2 美元左右,相差约 7 倍。输出速度达到 197 Token/s,也远高于 Kimi K3 的约 36 Token/s 和 GLM-5.3 的约 58 Token/s。 Agent 依然是它最强的部分。AutomationBench-AA 上,V4.1 Flash 拿到 69%,追平 GPT-6 Astra,并超过 GLM-5.3 的 62%;长上下文测试 AA-LCR 也拿到 84%。缺点是它特别能说,AA 测试中单任务平均输出约 8.9 万 Token,比 V4 Pro 多 62%,吃掉了一部分价格优势。
梁文锋署名DeepSeek发新论文,剑指大规模Agent训练
PANews 9月23日消息,据新浪财经报道,DeepSeek创始人梁文锋署名的最新论文公开,首次系统发布了 DeepSeek的Agent 训练沙盒平台DSec(DeepSeek Elastic Compute)的技术细节,作者名单超过130人,梁文锋在列。论文显示,DSec平台的规模非常庞大,其中一个生产单元由约:160个CPU节点、3万核、250TB内存构成,托管PB级镜像。能力方面,DSec平台单日服务约300万个沙盒,峰值并发超过38万个,创建速度超过每秒5000个,单个训练任务最多可以一次性拉起3.2万个沙盒。
Kimi Code桌面端上线:浏览器、终端、多Agent塞进一个窗口
动察 Beating AI 快讯,月之暗面正式上线 Kimi Code Desktop,把原本偏终端的 Kimi Code 做成了独立桌面应用。用户可以直接打开本地项目,让 Agent 读写代码、跑命令、查看 Git 改动,目前支持 macOS 和 Windows。 桌面版直接内置了浏览器和终端。做网页时,Agent 可以读取右侧网页的页面信息,用户也能直接点选元素、框出区域或者截图批注,告诉它具体哪里要改。改代码、看网页效果、跑测试都不用再切窗口。 它还支持计划、目标和 Swarm 三种任务模式。Swarm 可以把任务拆给多个子 Agent 并行处理,长任务也能放到后台继续跑。除了 Kimi 自家的模型,用户还可以自己填 API Key 和 Base URL,接入其他模型供应商。
Kimi推出金融行业方案,Agent直接跑投研、建模和报告
动察 Beating AI 快讯,月之暗面推出 Kimi 金融行业解决方案,把金融数据、Skill 和 Agent 能力打包到一起。方案接入 Wind、东方财富、标普全球、财联社、财新数据等 10+ 数据源,并提供财务建模、机构研报、财报点评、组合复盘、持仓早报等 9 项金融 Skill。 Kimi 称,合作案例中,财务建模的人力投入从 5–7 人天降至 0.5–1 人天,深度研究从 10–20 天缩短至约 2 天。 Kimi 还与中信建投共建「风险评估网关」,处理数据分级、个人信息保护、工具授权、内容核验和审计追溯。试点中,单份临时受托报告的人工制作时间从约 30 分钟降至 10 分钟。 最近一周,OpenAI、Anthropic 也相继推出金融行业产品。现在 Kimi 也跟进,把金融数据、专业 Skill 和 Agent 工作流一起推向机构客户。
DeepSeek工程师刘胜与:会继续坚持写算子以及不断引入AI Agent写算子
火星财经消息 9月15日,DeepSeek机器学习系统(MLSys)工程师刘胜与发布对《我不得不把才华埋葬在昨天》的补充说明。“我写这篇文章本来的目的,并非要表达对失业的焦虑,更不是想强调DeepSeek的开放普惠与Anthropic的不讨喜,而是想和我过去手写算子的那段时光说句再见。”他表示,对于他未来能不能长久地把一件事情同时作为工作和爱好是悲观的,不过还是会继续坚持写算子、以及不断引入AI Agent写算子。此前,刘胜与在《我不得不把才华埋葬在昨天》一文中给出判断,等到AI写算子的水平高于他的那天,他不至于会“失业”,但必须要“转业”,需要放弃他深耕已久并充满热爱的算子设计、编写、优化领域,转而去做Agent的“机甲驾驶员”。(广角观察)
DeepSeek开始模型和Agent一起训:V4.1 Flash为Harness专项优化
动察 Beating AI 快讯,DeepSeek Harness v0.1.5 发布。V4.1 Flash 在训练阶段就针对 Harness 做了专项训练和优化,覆盖标准、PTC 和极简三种模式。Harness 已经直接进入模型训练环节,不再只是模型发布后再接一个 Agent 外壳。 新版还加入实验性的 Agent Teams。父子 Agent 可以双向通信,主 Agent 能给不同子 Agent 指定模型和推理强度;多个 Agent 还能共享任务、互相发消息,最后由主 Agent 汇总。 V4.1 Flash 还有一个很特别的长任务优化:Agent 跑到一半修改系统提示词,也可以尽量保留已有 KV Cache。长任务不用因为前面的规则改了一点,就把后面大段上下文重新计算。 Web 端也加入文件上传和预览,支持 PDF、图片、代码等格式。插件可以往左右 Sidebar 和内容区接入自己的 UI,长会话的加载、恢复和内存占用也一起做了优化。