研究主题

模型评估

4 篇研究文章与工程指南，主题为“模型评估”。每篇都以简明答案开头，并链接一手证据。

AI 编程新闻2026年7月31日

2026年7月31日，DeepSeek V4-Flash正式版API上线公测。模型架构不变，仅靠后训练就让Agent成绩全面超越V4-Pro预览版。V4-Pro（1.6T/49B）预计8月初发布。对编程团队意味着什么，本文逐一拆解。

AI 编程资讯2026年7月31日

DeepSeek V4-Flash 正式版证明后训练才是真正的杠杆。13B 激活模型仅凭训练方法论就击败了 1.6T 预览版——这是一次范式转变，大多数团队还没意识到。

AI 编程新闻2026年7月30日

月之暗面（Moonshot AI）于 2026 年 7 月以开源权重发布了 Kimi K3。模型卡声称了什么、其定制许可证要求什么，以及自托管团队应如何评估它。

AI 编程新闻2026年7月15日

OpenAI 称 GPT-5.6 提升了编程 agent 的能力与效率。本文梳理官方公布了什么、benchmark 证明不了什么，以及团队该如何测试它。