Allen AI 发布 XYBench 基准,测试大模型能否识别提问背后的真实问题
Allen AI 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 发布 XYBench,用 8,115 道问题测试 AI 助手能否识别用户提问中隐含的误解(即 XY problem)并给出针对真实目标的建议,该基准获得了 EMNLP 2026 最佳资源论文奖。
Allen AI 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 发布 XYBench,用 8,115 道问题测试 AI 助手能否识别用户提问中隐含的误解(即 XY problem)并给出针对真实目标的建议,该基准获得了 EMNLP 2026 最佳资源论文奖。
DeepSeek 正式开放全家桶应用 API,将 DeepSeek App 的搜索、文件输入、链接阅读、语音及安全能力接入原有 API。V4.1-Flash(deepseek-flash)在 Messages、Responses 与 Chat Completions 接口下支持相关能力,Search、Fetch、OCR、ASR、TTS 也可独立调用。
推荐理由:文章具体展示 DeepSeek 如何把搜索、文件解析、链接阅读和语音能力接入 API,并列出独立接口与调用价格,便于评估集成成本。
DeepSeek 将 DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017,官方网页端、APP 与 API 已同步切换到新模型。
推荐理由:材料同时给出新版模型的基准对比、适配框架,以及 Search/Fetch 接口 5 元/千次的价格,便于评估升级与接入成本。
DeepSeek 正式发布 552B 参数的 MoE 模型 DeepSeek V4.1 Flash,具备原生多模态视觉理解能力并同步上线 DeepSeek API。
推荐理由:文章同时交代了 DeepSeek V4.1 Flash 的架构、缓存成本变化、API 使用方式和开源入口,有助于判断其部署与使用影响。
DeepSeek 将全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API,用户可通过指定 model='deepseek-v4-flash-vision-exp' 访问。
推荐理由:材料同时给出文本与多模态 Agent 基准对比,并说明 API、图片传入和 Files API 的接入方式,便于判断模型的适用场景。
DeepSeek 发布 DeepSeek V4 Pro 正式版,并同步更新至 APP、网页端和 API。模型增强了 Agent 能力,API 原生支持 OpenAI Responses API 并适配 Codex;V4-Pro 和 V4-Flash 思考模式新增 low、high、max 三档。API 将于北京时间 2026 年 8 月 17 日 0 时启用峰谷定价,闲时价格为高峰时段的一半。
推荐理由:原文同时交代了 DeepSeek V4 Pro 的 Agent 能力、Responses API 接入、思考强度与峰谷定价变化,便于评估升级成本和接入方式。