DeepSeek 发布 V4.1-Flash 新架构模型

面向 ChatGPT Work 的行业定制版，内置金融数据并结合 GPT-6 Astra 推理，团队可用于研究、财务建模与制作客户材料。

开发者可用 Codex harness 在云端构建并运行 Agent，编排、长时会话与上下文管理由 OpenAI 托管，目前进入公开测试阶段。

报告披露针对 Claude 的网络攻击、影响行动、监控、生物与武器等滥用尝试及处置方式，Anthropic 称已阻断报告中全部行动。

不再为每个任务单独开对话，而是在单一持久线程中与协调 Agent 协作，它常驻在线、用子 Agent 主动管理任务并随时间改进。

ant CLI 加入 session viewer：可把终端附着到运行中的会话，或用 --web 参数在本地浏览器打开 Web 界面查看。

桌面版可把 diff 或终端拖到第二块屏幕独立显示，主窗口继续工作，也支持多个会话并排或堆叠运行。

让 100 个 Agent 协作做数学题，考察当一小部分 Agent 行为改变时，群体求解结果会受到多大影响。

在发布 Solaris 与 GWM Worlds 2 之后，Runway 认为即时生成是视频模型的方向，并公开其在实时视频生成上的整体研究布局。

可按小时、天或周设定周期任务，每次运行先执行确定性代码，仅在需要推理时调用 Agent，避免 24×7 常驻烧 token。

DeepSeek-V4.1-Flash 正在 Ollama 云端灰度上线，先面向 Max 与 Team 账户，官方称将快速扩容到全部订阅用户。

在 ChatGPT 里输入 @Higgsfield /effects 并上传照片，即可直接生成适合传播的短视频，官方称现阶段免费开放。

SGLang 与 Miles 提供推理及 RL 支持；该模型采用跨层共享压缩 KV、两级稀疏索引与 196B Engram 查表记忆。

符号学习就是基座为符号的机器学习：学到的函数像代码而非曲线，与参数化学习相对，而不是另一套独立范式。

三方结合 Sakana 的技术、SCSK 的系统集成与住友约 10 万家企业网络，推动日本国产生成 AI 落地。

John Schulman 认为数学等领域的进展主要来自预训练与 RLVR 规模化，用户数据更多用于发现失败模式。

一条提示即可替换角色、重建背景或改变风格，官方称其是速度最快、成本最低的视频编辑模型。

他认为一篇研究员辞职帖经媒体与播客放大后形成协同传播，并逐条辨析其中哪些风险主张成立、哪些属于夸张。

Sebastian Raschka 认为 V4.1 采用编码器-解码器结构是大幅改造，直言这应该直接叫 V5，令人耳目一新。

由 self-decoder 与 cross-decoder 组成，全局 KV 只编码一次并被交叉注意力复用，大幅省显存且性能与原 Transformer 相当。

Stas Bekman 的机器学习工程书实测显示，mmap 在部分场景比顺序连续读慢 457% 至 4937%，网络文件系统上需谨慎。

他认为行业已陷入尽快造出超级智能的全面竞赛，需要制度性机制为安全与对齐工作争取更多时间。

Sara Hooker 撰文讨论“scaling 的缓慢死亡”，即单纯堆算力与参数规模的收益正在递减这一趋势及其含义。

当前数学领域的冲击源自能力锯齿边界，是其他职业即将经历的预演——数学家除解题还要带学生、维护学术共同体。

分析显示 V4.1-Flash 共 40 层，前 20 层为因果编码器，其余用 CSA2 压缩稀疏注意力取代 V4 的 CSA-HCA 混合。

其解读认为 V4.1 在每个层面都抛弃了 V4 的权宜方案：去掉 HCA、泛化 CSA、取消稀疏注意力预热，并采用更简单的单次 mHC。