从这里开始
最新技术简报
2026-10-21
技术简报 - 2026-10-21
1 条立即关注4 条值得跟踪
这一期的五条信号都在把能力挪到更便宜、更本地的地方。先看 MiniMax M3.1 Flash：输入每百万 token 0.15 美元，Agent 任务成本较上一代降 70%，OSWorld V2 得 61.7。本地推理有三条：PyTorch 2.15 让 MPS 支持 FP8，MoE 解码在 M3 Ultra 上从 9.4 提到 61.3 tokens/s；AnyLanguageModel 1.0 让 Apple 应用换模型只改一行 import…
优先技术信号
现在最值得关注
MiniMax M3.1 Flash：成本降七成，Agent 国模第一
MiniMax 于 10 月 19 日发布 M3.1 Flash，输入每百万 token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，官方称 Agent 任务使用成本较上一代降低 70%。模型在 OSWorld V2 得 61.7、Agents' Last Exam 得 29.6，文章称后者位列中国模型第一。此前匿名模型 Space Bunny 被确认是该模型的早期版本。
为什么重要Flash 档模型过去基本只承担简单问答和补全，这次 MiniMax 把它推进到电脑操作与多步骤 Agent 任务，并且把输入价格压到每百万 token 0.15 美元。对正在评估 Agent 工作流成本的团队来说，这意味着低单价模型第一次值得进入真实任务的横向对比，而不只是做降级兜底。
适合 正在为编码或电脑操作类 Agent 选型的工程团队、需要控制大规模模型调用成本的平台与基础设施负责人、关注国产开放模型在 Agent 赛道进展的技术决策者
价格与成本AI 智能体+2
vLLM v0.32.0：结构化决策接口，KV 缓存精度再降
vLLM v0.32.0 包含 814 个 commit、363 位贡献者（其中 121 位首次参与）。新版本加入 POST /v1/systemone 结构化决策接口和通用 hf 工具与推理解析器，并将 NVFP4、FP8 等低精度 KV 缓存扩到更多硬件，GLM-5.x 在 SM100 上默认使用 FP8 KV 缓存。
为什么重要vLLM 是主流的开源推理引擎，这次更新同时改了解析接口和 KV 缓存精度默认值，直接关系到部署时的显存占用与首 token 延迟。GLM-5.x 在 SM100 上默认改用 FP8 KV 缓存，意味着升级后行为会变化，不实测就可能遇到 TTFT 回退。
适合 自托管 vLLM 推理服务的平台与基础设施工程师、在 SM100/SM90 或 ROCm 上部署 GLM-5.x、MiniMax-M3 等模型的团队、需要为多种模型写工具调用与推理解析器的应用开发者
推理与部署量化与推测解码+1
DeepSeek V4.1 Flash 新版 1017：更强也更省
DeepSeek 推出 V4.1-Flash-1017 模型，在代码与智能体任务基准上提升的同时压缩了任务运行时间和输出长度，官方称为「性能—费用的帕累托改进」。配套 Harness 升级至 0.2.1 版本，并开放自研 Search 与 Fetch 两个搜索 API，每千次成功请求 5 元，11 月 1 日前免费。
为什么重要这次更新同时动了模型能力和单位任务成本：官方称性能提升的同时运行时间和输出长度下降，直接影响智能体任务的账单。配套开放的搜索 API 按成功请求计价且初期免费，给了团队一个低成本替换自建检索管线的选项。
适合 用 DeepSeek API 跑编码或智能体任务的工程团队、正在自建或评估检索管线的开发者、关注推理成本与 token 消耗的平台负责人
编码智能体价格与成本+2
今日快讯
来源里正在发生什么
自动聚合内容，未经编辑精选，以来源原文为准。
技能
建立判断技术信号的能力
知识