DeepSeek V4.1 Flash 跑分出炉:ARC-AGI 双榜提升,成本也跟着涨 2.5 倍
ARC Prize 公布 DeepSeek V4.1 Flash 成绩:ARC-AGI-1 拿到 94.5%,ARC-AGI-2 拿到 72.9%,比上一代分别高 5.5 和 11.5 分,但单任务成本也涨了约 250%。对中文开发者和企业用户来说,这是一次以推理换取精度的小升级。
AI快讯
AI 应用、插件、平台和商业化进展。
ARC Prize 公布 DeepSeek V4.1 Flash 成绩:ARC-AGI-1 拿到 94.5%,ARC-AGI-2 拿到 72.9%,比上一代分别高 5.5 和 11.5 分,但单任务成本也涨了约 250%。对中文开发者和企业用户来说,这是一次以推理换取精度的小升级。
安全研究机构 PromptArmor 披露,Databricks 的自然语言助手 Genie Code 可被构造为钓鱼工具:恶意 Skill 把数据写进聊天里的 HTML,再借用户浏览器悄悄回传,并弹出伪造界面。
Meta 在 X 平台公布六篇开放数学问题论文,由数学家与 Muse Spark 1.1、1.2 Thinking Mode 在普通聊天界面下协作完成。论文逐段标注人类或 AI 主笔,并署名所依赖的前人研究,强调可复核与可追责。
云端 AI 基础设施公司 Modal 把多节点 GPU 集群做成一个 Python 装饰器,自动配 InfiniBand 和 NCCL,省掉工程团队大量底层工作。对独立开发者、中小团队和中文 AI 创作者来说,过去只有大厂才玩得动的分布式训练,开始变成按小时租的资源。
AI 语音公司 ElevenLabs 完成 3 亿美元员工 tender offer,估值升至 220 亿美元,是今年 2 月 D 轮的两倍。企业收入占比 55%,语音智能体周对话超 1500 万次,ARR 数月内增长超 3 倍。
MIT团队借助AI算法优化脂质纳米颗粒辅料配比,让RNA疫苗在室温下稳定保存长达一年。小鼠实验显示效果与Moderna相当,配方筛选周期由几个月缩短到几周,论文已发《Nature Biotechnology》。
Anthropic 公布基于 Lean 4 与 Mathlib 的费马大定理完整机器检查证明,并以 Apache 2.0 开源。该工作把 AI 辅助数学从“局部证明片段”推进到“完整经典难题”,对形式化方法、AI for Math 与开源社区都有标志性意义。
美团 LongCat 团队宣布其 LongCat-2.0 模型接入开源编码助手 Cline,提供免费试用机会。这条线索意味着外卖巨头的自研大模型开始进入海外开发者工具链,也给国内用户在编码场景里多了一个可比较的国产选项。
Voice Arena 与 Hugging Face 合作,在 Open ASR 排行榜中上线印地语与印度英语评测集,印地语成为多语言板块首个非欧洲语言。数据集覆盖近五千名说话人并记录多项属性,旨在暴露语音识别在不同地区、年龄、性别下的误差分布。
斯坦福领衔的团队发布 Terminal-Bench-Science 0.1,用 70 个跨学科任务考核 AI 智能体在真实科研工作流中的能力,挑战现有模型在生命、物理、地球、数学和工程等领域的短板。