AI 日刊 · 2026-10-18
Product
1. DeepSeek Flash-1017 升级并开放搜索
10 月 17 日，DeepSeek 把 V4.1 Flash 升到 V4.1-Flash-1017。API 名仍是 deepseek-flash，价格不变。官方数字：DeepSWE v1.1 从 74.2 到 77.0，Terminal-Bench 4.0 从 31.2 到 42.3，无工具 HLE 从 36.8 到 42.6。任务时间和输出都更短。网页、App 和 API 已同步。要用新适配，DeepSeek Harness 需升到 0.2.1-rc.1 及以上。同一天开放自研搜索 API，称每天处理数亿次搜索，索引千亿级网页，并过滤 SEO、GEO 和低质 AIGC。转发者补充：若干专项榜超过 GPT-5.6-Sol，综合推理和部分高难编程仍是 Claude Opus 5 领先。这是转发者的比较，不是更新日志原文。
2. OpenCode 称蒸馏攻击影响 1.4% 用户
OpenCode 官方说，昨夜 Console 发生安全事件，和一次大规模蒸馏攻击有关。受影响的是 1.4% 的 Console 用户，而且都绑定了外部模型供应商。官方已在当天早上发邮件通知这些人。没收到邮件的人，不在这次影响范围内。
来源：OpenCode
3. Claude Code 审查改成多层机器先看
Claude 约写 Claude Code 九成代码。6 月到 9 月，合并的 PR 增加一倍以上，被回滚的比例下降超过 40%。Anthropic 主仓库的日变更从 5 月约 2500 增到 9 月超过 30000，Claude Code 在单独仓库，压力同类。团队不再把“人读过每一行”当成质量标准，目标是大多数 PR 最多一个人批准，这个人可以是提出变更的人，同时回滚和事故不上升。研究预览期，有实质审查意见的内部 PR 从 16% 升到 54%，Code Review 已对 Team 和 Enterprise 正式开放。机器人批准不能代替人，新提交会使旧批准失效。审查轮次设了上限，因为有 PR 一夜互相改了 50 多轮。
4. 小决策模型接管智能体的例行选择
JevAgentHarness 问的是：智能体里大量调用其实是多选题，能否交给决策模型。单独测试里，最准的决策模型只做对 69.5% 的智能体任务。加上置信度阈值后，成功率再降 19.0 分。他们的 harness 按每个选择设阈值，低于阈值才交给大模型。现有决策模型没见过智能体自己走到的状态，所以他们用 Jev 的回答当标签，训练开源 4B 模型 AgentDecision-4B。在不像训练数据的任务上，它做对 91.5%，Jev 是 82.0%。在像训练数据的任务上，便宜 81.1% 到 89.0%，最快 2.5 倍，任务成功率下降不超过 3 分。代码将放在 GitHub。
来源：@dair_ai
5. Meta 放出 Muse Spark Open 权重
AI Newsletter 本期以 Meta 的 Muse Spark Open 为主。它称这是美国目前能力最强的开源权重模型。结构是原生多模态 MoE，总参数 816B，激活 42B，上下文 100 万 token，面向编码和长程智能体。通讯引用模型卡：MCP-Atlas 89.2，JobBench 61.8，OSWorld Verified 80.4，Toolathlon Verified 72.8，Terminal-Bench 2.1 配合 Terminus 2 为 76.4%。Artificial Analysis Intelligence Index 为 39，在 Meta 的表里低于 GLM 5.3、Kimi K3 和 Qwen3.8-2.4T。Meta 称它可在两台 Apple M5 Ultra Mac Studio 上用 MLX 本地运行，并用它给 Ice Cubes Mastodon 客户端提交过 iOS 改动。权重放在 Hugging Face 等平台，协议是 Muse Model License，许多开发用途免费，但商业条款有限制。
Tutorial
1. 把模型任务做深，而不是把回答写长
Claude 工程负责人 Felix Rieseberg 写了一篇用法教程。他把野心分成速度、高度、深度和范围。速度是同一件事做得更快，他直接跳过。高度是问结果之后还要发生什么，例如从修一个崩溃改成让应用保持不崩溃。深度是逼模型用该领域最好的人会用的工具，而不是只换一套专业词汇。他给出一条可复用的改写提示：先说顶尖从业者会做而你没要求的事，再说他们会从哪份原始材料开始，用什么方法和工具，以及除了你和模型之外谁能证明结果是对的。范围是让不同领域同时看同一件事。这些做法都要求模型有电脑、能装软件、能碰到相关数据。
