ARTICLE · 1361693
DeepSeek把App拆成了接口,开发者能省下多少活?
01|DeepSeek 开放了 App 里的工具,账也要重新算
给客服机器人发一份带表格的 PDF,再问“哪一项比官网贵了”,这看似是一句提问,后台却有好几份工作。先把表格读对,别把年费看成月费;再找对网页,用同一币种和计量单位比较;最后还要让用户知道答案从哪儿来。以往接入一个会对话的模型,这些步骤大多仍得自己接。11 月 13 日,DeepSeek 把一部分工作挪到了它的服务端。
这次开放的是 V4.1-Flash 的应用接口。在已有的对话请求里,可以启用联网搜索、读取链接,或者让服务端解析上传的文件并拼入上下文。普通搜索可返回带引用的答案,打开思考模式后,模型还能在推理中继续查找和阅读。需要自己控制流程的团队,也能把搜索、网页抓取、文字识别、语音转写和语音合成分别调用。团队放出了一个能导入历史对话的前端示例,方便开发者看清客户端要负责哪一段。
对只有一两个人的团队,这意味着可以先做那个“比价格”的功能,不必先维护五种接口适配。但成本会从开发工时移到运行账单上。DeepSeek 明确把模型处理的 token 和工具调用分开计费。一个问题要查几次网、文件解析后有多长,都可能改变单次服务成本。我的判断是,最值得先做的测试很朴素:拿十份真实客户文件,逐条看引用是否能支撑结论,再把每次请求的工具费和模型费加起来。两个数都明白了,才知道新接口替自己省了什么。
02|Google 让 Agent 做证明,最费心的是谁来判错
一个模型给出一段流畅的证明,第二个模型也说“没问题”,读者仍然不知道证明能不能成立。Google Research 11 月 13 日披露的 Antigravity /teamwork 把验证交给了更挑剔的对象。做数学时可以用 Lean 4 检查形式证明,写软件则运行原有的测试套件,性能优化还得让硬件计时。每个 Agent 只接触当前一步所需的材料,评审者也能在全新的上下文里复查,免得沿着前一个模型相同的误解一路走下去。
论文里最有意思的细节是人怎么参与。面对一个 2013 年提出的信息论猜想,模型先找到了某个推广版本的反例。香港中文大学团队据此提出新的候选函数和关键下界,把原问题化成可处理的优化任务。报道把这些贡献逐步列出来,远比“AI 证明了猜想”几个字有信息量。发现一条路走不通,本身就是研究成果,接下来的数学判断仍由参与者共同完成。
同一篇报告还列出约 180 万行 Lean 代码、约 2.88 万次子 Agent 调用,对应的是把已经有数学证明的韦伊猜想形式化。一个是为开放问题寻找证明,一个是把既有结果转化为机器可检查的形式,投入的算力都很大,成果的含义却不同。判断这类科研 Agent 的进展,可以先问作者交付了什么,以及谁能独立把它再检查一遍。
03|Inkling 2 Small 的权重到了,名字容易低估它
Thinking Machines Lab 在 11 月 5 日介绍 Inkling 2 Small 时先开放了平台访问,11 月 12 日才更新公告,给出可下载的权重。对准备在自己的设备上评估模型的团队,两天代表两道不同的门。能通过托管接口试用,足以了解交互效果;能拿到权重,才可以在自己控制的软件栈里量出吞吐、显存占用和部署成本。
官方模型卡给出的规模是总参数 5940 亿,每步激活约 170 亿,支持图片输入。这个差距来自混合专家结构,每处理一个 token,只会调用其中一部分专家。要让路由选中的专家随时可用,部署者仍得为整套权重的保存、加载或分布安排资源。拿“激活 170 亿”直接对照一台能跑 170 亿稠密模型的机器,会低估最昂贵的一部分。
团队列出了原始权重、MXFP8 版本以及支持的推理框架,许可证为 Apache 2.0。对于已有集群的人,这是一次可以复测服务成本的具体更新。只有一张消费显卡的读者,也可以先用平台验证目标任务,尤其留意多轮图文输入是否真的带来收益,再决定要不要为这个名字里带 Small 的模型预留机器。
04|Perplexity 的决策模型能指出,答案在原文哪几个字
11 月 13 日在开发者社区出现的 Decider v1.3,有一个比长篇回答更容易检验的输出。给模型一段工单,问它对方提到的是哪个订单号,Locate 功能可以返回原文片段、字符位置和置信度。界面因而能把那几个字符直接高亮出来,复核人员不用读一遍模型改写过的解释,再去猜它的依据。
官方卡片列出两个选择。常规模型建立在 Qwen3.8-27B 上,Flash 版基于 Qwen3.5-4B,由大版本蒸馏而来。两者沿用相同的调用格式,支持图文输入,权重采用 Apache 2.0。使用统一格式有个实际好处,可以把同一批故障单分别交给两档模型,看工单分流和关键字段提取究竟差多少,而不用重写两套业务逻辑。
字符位置解决了“它从哪儿抄来的”,还剩“它有没有抄对”这个问题。一封邮件可能同时出现原订单号和补发订单号,两串字符都真实存在。用这类有干扰项的样本测试,比让模型抽取只有一个数字的句子更有价值;置信度阈值也应该由误派工单的代价来定。
05|Cloudflare 把给 Agent 用的浏览器交给开发者
11 月 13 日,Cloudflare 按 Apache 2.0 公开 Kitesurf。它把解析 HTML、计算样式、执行网页脚本和绘制截图这些工作拆开,在 Workers 上运行。它能说 Chrome DevTools Protocol 这门已有的“语言”,所以维护着 Puppeteer 客户端的人有机会沿用上层工具。Cloudflare 列出了依赖的第三方组件及各自的许可,源码可在本地构建,部署到自己的 Workers 账号需要付费计划。
这套设计对 Agent 的意义,在于很多任务只需打开一张表、点击一项筛选、读出结果。让每一次短任务都占一整套常驻浏览器,容易把启动和资源成本做大。但支持一个调试协议,并不自动带来与 Chromium 相同的页面效果。要用它批量检查订单页,应该拿真正依赖脚本和登录状态的页面来试;只截官网首页,很难发现字体、布局或交互上的细小偏差。
06|AMD 花几天移植 50 个模型,模型能启动之后呢
11 月 13 日公开的 HRX Loom 实验中,AMD 工程师用 Agent 工作流,把涉及 18 种架构的 50 个热门模型移到面向客户端 GPU 的环境,耗时约三到四天。公开的 loom-skills 仓库面向 Strix Halo,里面的材料让编程助手能沿着已有步骤生成、运行和优化模型程序。这里节省的是从一套模型定义走到目标硬件可执行版本的工程时间。
实验还测了长提示词的处理。在特定硬件和 32K token 输入下,团队报告相对 llama.cpp 的 ROCm 后端有提升。预先处理一段很长的会议记录,与用户问完问题后逐字输出,是两段不同的计算。如果电脑主要用来边写边补全代码,就不能拿长输入的成绩直接推算每个输出 token 的等待时间。反而是那 18 种架构更值得跟踪,只有持续覆盖不同算子和内存布局,硬件上的可用模型才会真正多起来。
07|同一道题,换种语言会多耗多少电
密歇根大学 11 月 10 日介绍了一项生成式 AI 能耗研究。一段意思相近的请求,用不同语言交给模型,生成过程的能耗可能相差很大,回答质量也会变化。这里有两个容易被忽略的变量:同样的信息分成了多少 token,以及模型为了完成回答究竟生成了多长的文本。英文里看起来很短的一次问答,换个语言并不一定占用同样长的计算时间。
对做多语言产品的人,这比一个全球平均成本更具体。假设一个售后系统的英语回答简洁,另一种语言的回答总要多解释两段,按“处理了多少张工单”平均结算,恰好会把语言之间的差距抹掉。按语言记录输入输出长度、任务完成率和设备实测能耗,才能知道损失发生在哪里。研究观测来自指定模型和测试任务,不能据此给某种语言永久贴上一张高耗能标签。
08|能写出训练系统的 Agent,过了哪六关
11 月 12 日提交的 Singularity-Bench,把六种任务放在同一套评测思路里,覆盖预训练、训练中段、训练后阶段、推理、Agent 自身运行框架和集群编排。作者给出最小起点,让 Agent 交付可执行系统,再与同一硬件上的人工实现对比。对关注模型能否接手工程的人,这种题目的价值在于:跑出来的东西必须经得住实际执行。
研究测试了七种前沿模型、两种运行框架组成的 11 个 Agent。论文报告,Opus 5.5 搭配 Claude Code 在六项任务上达到或超过人工基线,其余组合的平均表现明显较低。这是一个“模型加工具加评测环境”的结果,单换聊天模型不一定能得到相同表现。还有一层边界值得保留:把既定问题交给系统求解,与决定下一项研究应该解决什么,是两类工作。这份成绩单更适合拿来寻找前一类工作的可自动化部分。
09|MacBook Pro 的 OLED 屏,为什么有人用着反而难受
11 月 15 日,MacAnorak 对新 MacBook Pro 的调光表现提出质疑,Hacker News 上的讨论集中在一个具体问题:一块对比度漂亮的面板,低亮度长时间看文字时是什么体验?作者引用 Notebookcheck 的测量,指出面板仍有约 240Hz 的亮度波动,也引述了一些此前能适应其他 OLED 设备的用户反馈。测量值和个人感受属于两份不同的证据。
屏幕的刷新率描述一秒能换多少幅图像;用亮暗脉冲调节亮度,还涉及另一套频率及波动幅度。只看到产品页上的高刷新率,很难由此推断写两小时文档时是否舒服。作者的经历不能代表所有购买者,但它给试听试看提供了一个好办法:在自己常用的亮度、字体和阅读距离下打开真正要看的内容。对长时间写代码的人,一页静止的白底文本可能比循环播放的鲜艳样片更有参考价值。
10|AgentTorrent 去一万多个仓库里找工程习惯
11 月 11 日的 AgentTorrent 论文把镜头从模型移到仓库。作者在 10944 个 GitHub 工程项目中收集了六种编程工具的配置材料,包括项目给助手的说明、导入的文件、计划文档,以及注明使用 AI 工具的提交。数据里有 62374 件配置材料和 27593 份计划文档,能把同一项目里“人要求做什么”和“实际留下什么”连起来看。
例如,一份要求助手先运行构建的规则,单独摘出来只是一句话。放回原仓库,研究者可以追问它什么时候加入、引用哪个脚本、项目重构后有没有一起更新。这类问题靠横向问卷很难回答。不过,公开仓库愿意提交哪些文件、开发者愿不愿意在提交里注明 AI,都存在选择偏差。用这套数据研究团队如何留下可复用的约束,比用它估算所有商业团队的 AI 使用率稳妥得多。
11|Emilia2 想让语音模型撑过半小时对话
一段十秒钟的合成语音很自然,不代表它可以录出一集播客。11 月 10 日提交的 Emilia2 研究整理了约 22.9 万小时多语言数据,同时保留说话人、停顿、文本和声音转换等线索。研究者专门制作了约 23 小时的双语测试材料,单段最长可到 30 分钟,最多四位说话人,每人还配有参考音频。
把样本拉长之后,错误的样子也变了。第八分钟把甲的声音安在乙身上,前七分钟可能句句自然;为了接下一句,把一次本应保留的停顿吞掉,听起来也会像在抢话。论文列出不同模型在特定评测上的错字率和表达控制成绩,读者更值得关心的是测什么。若目标是制作一段可听的访谈,转写正确率之外,还需要把身份连续性和长时间听感单独验一遍。
12|Walrus 让同一模型听懂混说,也开口翻译
11 月 10 日公开的技术报告里,Walrus 用约 80 亿参数处理语音识别、翻译、生成和音频理解。团队选择从 Gemma 4 底座出发,重点投入数据配方,让一个模型接触超过 20 类任务和 100 种语言。这样设计实验,是为了观察数据选择带来的变化,而不必把差异都归到新网络结构上。
想象一次中英文交替的远程会议:人名用英语念,后半句回到中文,背景里还有另一位参与者插话。先识别语种、再送给单语识别器,一次错误分流就可能让整段文字失真。统一模型在这类输入上有潜在优势。论文作者报告了多说话人和语码切换基准上的表现;如果把它用来做会议纪要,仍需要拿实际行业词汇、重叠讲话和远场收音条件去验,因为每一个都可能改变结果。
13|把词表缩到 384 项,一个 270 亿参数模型还认得字吗
11 月 12 日修订的一篇论文做了个有意思的改造。研究者保留 Qwen3.8-27B 的大部分权重,把原有约 24.8 万项的词表缩成 384 项,其中包含 256 个字节值及特殊标记,再分阶段训练它重新编码和阅读。其余大量参数得以复用,问题也因此变得清晰:模型究竟能保住多少原有能力?
作者记录了 8 张 H200 约 179 小时的训练。在若干数学和代码评测上,新旧模型的差距落在研究所报的不确定范围内;在 C-Eval 等测试上则仍有数分损失。对于中文,一字常占多个 UTF-8 字节,字节表示把拼写细节交还给模型,但会拉长一部分序列。于是“词表更小”与“一篇文章读得更快”成了两个要分开测的问题。这份结果的价值,在于原有模型确实有机会学习另一套书写单位,代价也有实测记录。
14|190 行 JAX,讲明白 DeepSeek-V3 的哪些零件
11 月 14 日,一位开发者在 Hacker News 分享了一个教学仓库。作者用约 190 行纯 JAX 实现 DeepSeek-V3 中的若干结构,并在 MacBook Air 上用公共领域侦探小说从头训练小模型。仓库采用 MIT 许可。这里的 DeepSeek-V3 指架构思想,项目没有把原厂模型的规模、数据或最终权重搬进笔记本。
它适合读代码的原因是,注意力怎样保存信息、专家层怎样给 token 分配路径、训练时怎样预测后续位置,都能沿短小的张量操作追下去。教材里常被分成几张图的组件,在这里得共同完成一次前向计算。对想理解“混合专家到底省下哪部分计算”的人,能改一个路由参数,再看哪些专家被调用,比拿小模型和线上助手比文笔有用。它给的是观察结构的显微镜。
15|iPhone Duo 折了 45 万次,先变的是铰链
CNET 连续数周用机器开合一部 iPhone Duo。11 月 13 日披露的阶段结果里,这个数字超过 45.1 万次,值得看的却是过程中最先变化的行为。按测试团队的观察,约 39 万次时铰链手感开始松,后来机器一次开合无法完全打开手机,手动还能推平。屏幕有没有明显裂纹,与铰链能否把它稳定送到终点,是两件可以分别记录的事。
这类测试更像跟踪同一件机械结构如何老化。固定装置反复走相似轨迹,便于发现转轴变化,却覆盖不了裤袋灰尘、偶发摔落、斜向用力,也只代表这一部样机。把总次数除以自己每天打开手机的次数,看起来能算出“还能用几年”,实际跳过了中间最关键的环境差别。对折叠机用户更有用的观察,是长期留意展开角度、阻尼和闭合后的对齐是否一起发生变化。
16|希捷复活混合硬盘,把 SSD 的选择留给买家
11 月 10 日,Tom’s Hardware 发布 FireCuda Forge 的上手体验。希捷把外置机械盘和可由用户自行加装的 NVMe SSD 放入同一套产品,机械盘有 8TB 和 20TB 档。大容量存储留在磁盘一侧,经常访问的数据可利用闪存提速。看到“混合”两个字,先要确认盒子里是否已经包含那块 SSD。
这让两种外表相同的使用方式拉开距离。剪片的人反复打开同一批素材、缩略图和工程文件,缓存比较有机会命中;刚把数 TB 的冷素材第一次拷进来时,这些数据此前并不在缓存。后续评测如果只展示第二遍读取速度,未必能回答第一次备份要等多久。总预算也要把额外的 SSD 算进去。在已经有闲置 NVMe 盘的工作室,这套搭配和从零购买的吸引力可能完全不同。
17|华为折叠电脑开订,最先要选的是内存
11 月 14 日,华为 MateBook Fold S 进入预订阶段,公开配置从 16GB 内存加 256GB 存储起,最高为 32GB 加 1TB。前几天的问题还是一台折叠电脑展开后有多大,这次多了真正下单时的选择。存储决定本地能放多少资料,内存则影响浏览器、文档和会议软件同时打开时要不要频繁重载,两个数字解决的麻烦并不相同。
如果主要用途是在路上读文献和写作,应该把常用的 PDF 并排放进两个窗口,看看折叠后的有效宽度。需要演示的人还要考虑放在桌上时屏幕距离和键盘位置。最高配置能缓解本地空间和多任务压力,却不会改变屏幕支撑方式,也不能代替软件适配。预订提供了具体规格,持续负载下的表现和一天带着走的体验,仍值得等独立测试回答。
18|初代 Xbox 游戏来到 PC,新增 21 款,目录共 25 款
微软 11 月 12 日公布了新的 PC 向后兼容阵容,一口气把 21 款初代 Xbox 游戏加进原有目录,使总数达到 25 款。新增与总数相差四款,恰好解释了为什么同一条消息会出现两种数字。对老玩家来说,真正的变化是不用把早已收进箱子的主机重新接上电视,就有机会重玩当年的主机版本。
“主机版本”这几个字有分量。即使同名作品以前上过 PC,它的界面、控制和内容也可能与 Xbox 版不同。微软为兼容目录增加成就等支持,键鼠体验仍适合按具体游戏判断。对数字保存而言,这比只保留一个可下载文件更进一步,运行环境也得到维护。它同时提醒人们,一份兼容名单就对应一组具体作品及权利安排,不能从 25 款直接推导整个初代库已经在 PC 上可用。
19|Fursoy 让开发者看见,一颗处理器怎样启动 Linux
11 月 14 日亮相开发者社区的 Fursoy,把一个 64 位乱序 RISC-V 核心的 SystemVerilog 实现放进公开仓库,采用 Apache 2.0。项目给出了在仿真环境中启动 Linux 6.6.50 和 BusyBox 的结果,以及针对 Nangate 45nm 工艺库的时序结果。能看到系统走到用户空间,比单独展示几条算术指令更有说服力,因为中间还涉及地址转换和异常处理等环节。
这里最容易混淆的数字是频率。针对特定库通过时序分析,说明设计在那些设定下满足目标;实际投片后能以怎样的功耗、温度和良率运行,还需要另一套证据。这个项目对学习者的价值,恰好来自能看见这些分界:同一份硬件描述如何接受仿真测试,Linux 启动卡住时又如何观察现场。把它当作可研究的完整设计,比把它当作即将开售的通用芯片更准确。
20|星舰第一次接住了上面级,复用还差一次再飞
美国当地时间 11 月 14 日,SpaceX 在第十五次星舰试飞中,用塔架接回从轨道飞行返回的上面级。发射直播里两个阶段很容易混在一起。此前人们熟悉的是助推器返回,这次受关注的是实际进入太空、经历返回过程的飞船;同次任务的助推器并未完成塔架捕获。因此,“第一次接回上面级”和“两级同时接回”代表不同的试验结果。
对于商业航天,回收成功的第一项收益是能拿到实物检查。热防护表面、结构和活动部件经过飞行之后留下什么痕迹,可以从落地后的硬件上寻找答案。要把回收的技术价值转换为发射价格优势,还得看检修要换掉多少、花多长时间,以及同一件硬件能否再次可靠飞行。这个周末最硬的一条证据,就是那艘飞船确实回到了塔架上;接下来最值得等的一条证据,是它能否再出发。
参考来源
01 · DeepSeek开放应用APIhttps://api-docs.deepseek.com/zh-cn/news/news261113/
02 · Google的多Agent科研实验https://research.google/blog/advancing-science-engineering-with-antigravitys-teamwork-feature/
03 · Inkling 2 Small权重落地https://thinkingmachines.ai/news/inkling-2-small/
03 · Thinking Machines 模型卡https://thinkingmachines.ai/model-card/inkling-2-small/
04 · Decider v1.3增加原文定位https://huggingface.co/perplexity-ai/pplx-decider-v1.3
05 · Kitesurf浏览器引擎开放源码https://blog.cloudflare.com/kitesurf-open-source/
06 · AMD用Agent移植模型https://github.com/loom-fun/loom-skills
06 · Phoronix 对 AMD 实验的报道https://www.phoronix.com/news/AMD-HRX-Loom-Experiment
07 · 大模型处理不同语言的耗电https://news.engin.umich.edu/2026/11/generative-ai-uses-more-energy-on-non-english-text/
08 · Singularity-Bench的六项考试https://arxiv.org/abs/2611.16591
09 · MacBook Pro OLED调光争议https://macanorak.com/the-macbook-pros-oled-pwm-problem-when-a-better-display-becomes-worse-to-use/
10 · AgentTorrent收集智能体工程配置https://arxiv.org/abs/2611.15436
11 · Emilia2长语音数据集https://arxiv.org/abs/2611.13614
12 · Walrus统一语音模型https://arxiv.org/abs/2611.13689
13 · 27B模型改用字节https://arxiv.org/abs/2611.13607
14 · 190行JAX演示DeepSeek架构https://github.com/Vaibhaav-Tiwari/deepseek-v3-jax
15 · iPhone Duo折叠测试https://www.macrumors.com/2026/11/13/iphone-duo-fold-testing/
15 · CNET 原测试记录https://www.cnet.com/tech/mobile/iphone-duo-fold-test-3-weeks-starting-fail/
16 · 希捷混合硬盘https://www.tomshardware.com/pc-components/external-ssds/seagate-resurrects-hybrid-storage-hands-on-with-the-firecuda-forge-8-or-20tb-external-hard-drive-requires-you-to-bring-your-own-nvme-ssd
17 · 华为折叠电脑开启预售https://news.mydrivers.com/1/1165/1165758.htm
18 · Xbox把初代游戏带进PChttps://news.xbox.com/en-us/2026/11/12/25-original-xbox-games-now-available-on-pc/
19 · Fursoy处理器项目https://github.com/FURSOY/fursoy-cpu
20 · 星舰上面级首次被塔架接住https://www.spacex.com/launches/starship-flight-15















































































