VOL. 2026-10-18 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-18 · PUBLISHED · 约 9 分钟
DeepSeek 将 V4.1-Flash 更新至 V4.1-Fla…
DeepSeek 将 V4.1-Flash 更新至 V4.1-Flash-1017，网页端、App 与 API 同步更新并开放模型权重下载，官方称新模型在 DeepSWE、Automation-Bench 等基准上领先多款模型。模型侧同日还有 Lightricks 发布支持图像、文本、音频到视频及音频生成的 LTX-2.5，以及 Bonsai Image 4B 三值模型转换为 LiteRT 格式用于端侧文生图。推理与工具链方面，vLLM v0.32.0 新增结构化决策端点并将低精度 KV cache 扩展至 NVFP4、FP8 等硬件，llama.cpp 连续更新加入从 Hugging Face Hub 发现下载模型及 Hexagon、ESIMD 内核支持。研究层面，微软与香港城市大学提出的 Taste-Bench 显示 AI 智能体长期决策能力不足，最佳模型 GPT-5.6 Sol 仅 59.7%。
今日看点
4 个章节 · 12 条情报- 01模型发布DeepSeek V4.1-Flash-1017更新：基准测试领先多款模型并开放搜索API4
- 02开源项目vLLM 发布 v0.32.0：新增结构化决策端点与低精度 KV cache6
- 03产品发布llama.cpp 新增从 HF Hub 发现与下载模型功能1
- 04研究进展新基准 Taste-Bench 揭示 AI 智能体长期决策品味差，最佳模型仅 59.7%1
模型发布
MODEL RELEASE4 篇DeepSeek V4.1-Flash-1017更新：基准测试领先多款模型并开放搜索API
DeepSeek将V4.1-Flash更新至V4.1-Flash-1017版本，网页端、App与API同步更新，模型权重在HuggingFace和ModelScope开放下载。官方称新模型在DeepSWE、Automation-Bench等多项基准测试中领先Kimi K3、GLM 5.3、GPT 5.6-Sol和Claude Opus 5等模型，DeepSWE单次任务通过率达77.0%，每任务平均费用从约3.3元降至约1.3元。同时DeepSeek向公众开放自研搜索引擎的Search与Fetch API，均定价5元/千次，并针对DeepSeek Harness、腾讯CodeBuddy等平台框架做了优化。
Bonsai Image 4B 三值模型转换为 LiteRT 端侧文生图
PrismML 的 Bonsai Image 4B 是一个基于 FLUX.2-klein-4B 架构的三值权重扩散 Transformer，现已被转换为 LiteRT（原 TensorFlow Lite）格式，用于端侧文生图。整条流水线由三个固定形状的 .tflite 计算图组成，最小可用模型集为 3.97 GiB，在 iPhone 17 Pro 上约 64 秒生成一张 512×512 图像。三值权重在 int4 block-32 容器中被无损表示（取值为 -7、0、+7），量化后的低 PSNR 主要来自采样器漂移，而非质量退化。
Stellon Labs 发布 Kitten TTS 2 多语言 GGUF 包
Stellon Labs 在 Hugging Face 发布了 Kitten TTS 2 的多语言 GGUF 导出包，基于 KittenML/kitten-tts-2 权重，提供 BF16、Q8、Q4、NVFP4 和 TQ2_1 五种精度版本，支持语音合成与声音克隆，覆盖英语、中文、阿拉伯语等十种语言。该包面向 audio.cpp 推理，无需 Python 或 LibTorch，Q8 为默认推荐版本，Q4 仍属实验性质，长音频可能漏词。
Lightricks 发布 LTX-2.5 多模态生成模型
Lightricks 发布了 LTX-2.5 模型，支持图像/文本/音频到视频及音频的生成，并强调可自托管部署。该模型采用社区许可协议，提供 API 演示和 GitHub 资源，旨在提供全面的视频、音频和世界模拟能力。
开源项目
OPEN SOURCE6 篇vLLM 发布 v0.32.0：新增结构化决策端点与低精度 KV cache
vLLM 发布 v0.32.0，包含来自 363 位贡献者的 814 次提交。该版本新增 POST /v1/systemone 结构化决策端点与通用 hf 工具/推理解析器，将低精度 KV cache 扩展至 NVFP4、FP8 等多种硬件平台，并推出 Model Runner V2 的多项能力。同时修复三个 GHSA 安全漏洞，并包含移除 Python 3.10 支持、限制默认 CORS 来源等破坏性变更。
PydanticAI 发布 v2.58.0
PydanticAI 发布 v2.58.0，包含多项兼容性变更、新功能与缺陷修复。兼容性方面调整了挂起响应的用量统计、RealtimeConnection 生命周期事件公开、read_file 支持图片与 PDF 等。新功能包括委派任务 steer、消息单次存储、模型请求重试与超时控制、Vercel AI 与 AG-UI 前端消息流等。修复涉及系统提示保留、并行工具调用、Bedrock/Mistral 工具选择、缓存与流式错误回退等问题。
llama.cpp b11717：Hexagon 新增 Hadamard 与 Q1_0/Q2_0 支持
llama.cpp 发布 b11717 版本，为 Hexagon 后端新增对 Hadamard MUL_MAT 以及 flat 和 tiled Q1_0、Q2_0 量化格式 GET_ROWS 的支持，并优化了 q8_1 量化器与 vec_dot_q1 的数据包数量。该更新主要提升高通 Hexagon NPU 上的量化推理能力，同时照例提供覆盖 macOS、Linux、Windows、Android 等多平台多后端的预编译包。
LiteLLM v1.106.0 发布：镜像签名验证与 MCP 默认禁用
LiteLLM 发布 v1.106.0，所有 Docker 镜像均使用 cosign 签名，并提供了基于固定 commit hash 和 release tag 两种验证方式。该版本包含多项变更：默认禁用 stdio MCP 服务器（破坏性变更）、新增一键启动 gateway/Postgres/管理界面的 Docker quickstart、新增 Laya gateway 与 OSS 分类器 provider、支持 Claude Agent SDK 追踪，以及大量成本映射、代理、UI 和测试修复。
LiteLLM 发布 v1.107.0-rc.1：镜像签名验证与多项 MCP、计费修复
LiteLLM 发布 v1.107.0-rc.1 候选版本，所有 Docker 镜像均使用 cosign 签名，并提供了基于固定 commit 哈希和 release tag 的两种验证方式。该版本包含多项修复与功能更新，涉及 MCP 网关 OAuth 作用域、Anthropic 自适应思考参数处理、代理层 agent_access_default_deny 最小权限控制、Ollama 与 Vertex AI 计费日志修复，以及新增 Baseten Muse Spark Open、Nemotron 3.5 Super VL 等模型成本映射。
llama.cpp b11718：FFN 路径恢复 ESIMD 内核并扩展 Q8_0 融合
llama.cpp 发布 b11718 版本，由 Intel 工程师 Todd Malsbary 提交的 PR #30239 在 FFN 路径上恢复并重新启用了 ESIMD 内核，同时将 ESIMD 融合扩展到 Q8_0 量化格式，并清理了 test-backend-ops 中显式引用 ESIMD 的注释。该改动主要提升 Intel GPU 上前馈网络推理的算子融合与量化支持，版本同时提供覆盖 macOS、Linux、Windows、Android 等多平台及 CUDA、Vulkan、SYCL、ROCm 等后端的预编译包。
产品发布
PRODUCT RELEASE1 篇llama.cpp 新增从 HF Hub 发现与下载模型功能
llama.cpp 发布 b11714 版本，为其 UI 新增从 Hugging Face Hub 发现和下载模型的功能，并加入下载暂停、恢复、断点续传及草稿模型（sidecar）自动匹配下载等能力。该更新还引入 Enable Discover Models 开关，用于控制是否允许浏览和下载 HuggingFace GGUF 模型。这些改动提升了 llama.cpp 本地模型管理体验，并支持投机解码所需草稿模型的自动获取。
研究进展
RESEARCH1 篇新基准 Taste-Bench 揭示 AI 智能体长期决策品味差，最佳模型仅 59.7%
微软与香港城市大学的研究者提出 Taste-Bench，用「决策分叉」方法评测 AI 智能体在长任务中做长期决策的能力（即「品味」）。测试 14 个模型，最好的 GPT-5.6 Sol 仅 59.7%，接近随机猜测；当关键线索只在后续工作中出现时，准确率跌至 21%。研究者还通过蒸馏教师模型判断力，使学生模型在未见任务上从 30% 提升到 47.9%，并在 SWE-bench Pro 上把任务成功率从 14.6% 提升到 33.7%。