搜索
随着开源模型能力不断提升，它们已经能够以极低的成本生成多个高质量候选方案，并进一步利用模型自身对这些结果进行验证、打分和筛选。斯坦福团队最新实验发现，使用 DeepSeek V4 Flash + LLM-as-a-Verifier 进行「自验证」，可以在 Terminal-Bench 2.1 上超越 Claude Fable 5，同时整体成本低约 11 倍。
8月14日，一个叫Cocode的项目悄悄出现在GitHub上，简介写得很直白，基于DeepSeek Harness构建的开箱即用发行版。不到两周，它拿到150多个star，并在8月25日发布了v1.0.2。
最近 DeepSeek Harness（DSH）真是太火了！之前我发过 《首发实测 + 入门教程》 教大家如何安装使用，还盘点过 《16 个超火的 DSH 插件》。
DeepSeek Harness(DSH) 的口号，大家应该都有所了解，模型、工具、Skills、会话、沙箱、存储、Agent Loop、调度，甚至 UI，一切皆插件。
“你以为你买的是 DeepSeek Flash，实际上可能是个 1.5 bit 的 DeepSeek，或者里面掺了 Opus 用于训练。”这是 Pi 核心贡献者 Armin Ronacher 的一个比喻。他形容现在的 token 市场像一种成分不明的商品——量化程度、实际版本、是否掺了别的东西、计费方式，全是黑洞。
同样的模型，同样的任务，让它执行五遍，再让他自己挑一遍最稳的，效果能有多大提升？斯坦福把这套玩法用在了AI身上，DeepSeek V4 Flash在Terminal-Bench 2.1的成绩从79%一路涨到88%，反超了尖子生Fable 5。而且连做五遍加挑选这一通折腾，价格依然比Fable 5便宜了4-11倍。
8 月 13 号中午，我和 OpenClacky 的朋友相互 sync 了下近况，得知他们在 Agent 探索上又有了新的进展：将 Agent 视作底座，功能由其自身开发
昨晚，DeepSeek 突然向其 API 用户发布了一则通知：自北京时间 8 月 23 日 00:00 起，调整峰谷计费规则，周末（周六、周日）全天不再区分峰谷时段，统一按低谷时段价格收费。一石激起千层浪。这则通知在开发者群体中炸了锅，也让打工人有了隐隐的担忧。
AI行业观察 DeepSeek 峰值涨价五倍之后，有人把 AI 员工塞进了你的电脑 "水龙头和水井的账，每个人心里都有自己的算法。但至少从今天开始，你多了一个选项：把 AI 员工领回家住。" 先跟你报
本周五，AI 社区热烈讨论的是一个端侧大模型部署技术，它能让笔记本 RTX 4060 跑 Qwen 3.6-35B，桌面 RTX 5090 跑得起 DeepSeek-V4-Flash 284B。而且都是单卡，模型都是满血的。Codex 生产 trace 的中位 decode 速度是 33 token/s