研究:花哨的 harness 让编码智能体更贵但并未更强
一项研究让 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 在 Claude Code、OpenCode、mini-SWE-agent 三种 harness 上跑 SWE-bench Verified,发现换 harness 带来的任务结果变化与同一配置重跑相当,通过率差异多在测量噪声范围内。
一项研究让 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 在 Claude Code、OpenCode、mini-SWE-agent 三种 harness 上跑 SWE-bench Verified,发现换 harness 带来的任务结果变化与同一配置重跑相当,通过率差异多在测量噪声范围内。
据彭博报道,DeepSeek 在美国要求联邦民事机构移除其 AI 技术两天后融资约 150 亿美元,约合 1000 亿元人民币,潜在投资方包括宁德时代和腾讯。这轮融资紧随其 6 月超过 70 亿美元、估值 500 亿美元的融资,7 月还曾传出以约 710 亿美元估值再融 15 亿美元,并计划最早明年在中国 IPO。
Latent Space 的 AINews 汇总了 10 月 21 日至 22 日被称为 Black October 的一轮集中安全事件,约 48 小时内出现多起关键漏洞披露与入侵,涉及 PHP、GitLab、Node.js、NGINX、LiteLLM、Railway、Zeabur 以及 CA 机构 eMudhra。
推荐理由:材料把 48 小时内集中出现的漏洞披露、供应链攻击和银行账户内智能体事件放在一起,读者可据此理解这轮安全压力的规模与来源。
DeepSeek 开源了支撑 V4.1 Flash 的生产推理框架 DeepInfer,并公布单集群日处理 155 万亿 token、96% 输入缓存命中、首 token 延迟 400ms、生成 230 token/s 等生产数据。
推荐理由:原文把 DeepInfer 的架构取舍、缓存分层与成本测算放在一起,读者可据此判断开源推理栈与闭源服务的差距。