DeepSeek 通知将调整 API 的搜索服务定价
DeepSeek 团队今天发邮件表示：
via 匿名
🗒 标签: #DeepSeek #AI
📢 频道: @GodlyNews1
🤖 投稿: @GodlyNewsBot
DeepSeek 团队今天发邮件表示：
DeepSeek API 现已支持网页搜索与抓取，按请求次数计费，单价为每 1000 次成功请求 5 元，请到价格页面查看详情。
请注意，当前用户在 DeepSeek Harness/Claude Code/Codex 中使用 DeepSeek API 时，已经会通过 Server 端工具调用访问到 Search/Fetch 接口，这部分 Search/Fetch 接口调用目前未计费，并将于北京时间 2026 年 11 月 1 日 00:00 起按次收取调用费用。
接口用法与完整计费规则详见网页搜索与抓取。
如您在计费调整后继续选择使用我们的服务，则代表您已同意调整后的计费方式；如不同意接受则可选择退出使用并申请退费。如有任何疑问或需进一步了解相关信息，请随时联系我们。
感谢您对我们的支持与理解！
DeepSeek 团队
via 匿名
据澎湃新闻今日报道，有消息称 DeepSeek 最近将 Harness 团队以及 Web、App、Platform 团队整合成“产品部”，负责公司的所有的产品、设计和研发工作，崔添翼任产品部负责人。
10 月 16 日，崔添翼向澎湃新闻表示，该消息属实。
公开资料显示，DeepSeek 的 Agent Harness 团队组建于今年 3 月，负责人崔添翼毕业于浙大计算机专业，拥有 6 枚 ACM 亚洲区域赛金牌，曾在顶级量化机构 JaneStreet 任职九年，今年 3 月加入 DeepSeek。
DeepSeek Harness 桌面端 v0.2 预览版于 9 月 29 日正式发布，并提供开箱即用的 macOS 和 Windows 桌面端安装包，已上线 DeepSeek 官网。
DeepSeek Harness（简称 dsh）是由 DeepSeek 于 2026 年 8 月开源的一款智能体（Agent）运行时框架，采用 MIT 许可证，以 TypeScript 编写。
DeepSeek Harness 最突出的特点是“一切皆插件”（Everything is a Plugin），包括模型、工具、技能、会话、沙箱、存储、智能体循环、调度、UI 等，所有 Agent 能力都通过底层插件系统 Cordis 以插件形式提供。
via 匿名
DeepSeek V4.1 Flash模型正式发布：对HBM的需求减少到1/4，对SSD的需求减少到1/8
9月10日，DeepSeek正式发布DeepSeek V4.1 Flash模型。这是公司全新模型结构系列中的最小尺寸的模型，具备原生多模态视觉理解能力。据介绍，新一代模型大幅减少了KV Cache缓存的大小，与上一代模型相比，对HBM的需求减少到1/4，对SSD的需求减少到1/8。在Agent使用场景中，缓存命中的费用往往占比较高，对KV Cache的压缩大幅降低了Agent类任务的使用成本。
🗒 标签: #DeepSeek #AI
📢 频道: @GodlyNews1
🤖 投稿: @GodlyNewsBot
9月10日，DeepSeek正式发布DeepSeek V4.1 Flash模型。这是公司全新模型结构系列中的最小尺寸的模型，具备原生多模态视觉理解能力。据介绍，新一代模型大幅减少了KV Cache缓存的大小，与上一代模型相比，对HBM的需求减少到1/4，对SSD的需求减少到1/8。在Agent使用场景中，缓存命中的费用往往占比较高，对KV Cache的压缩大幅降低了Agent类任务的使用成本。
DSH插件商店
DeepSeek Harness 插件市场，聚合 GitHub 上的 DSH 插件，截止拟稿已收录 4815 个项目，支持按名称、作者、描述或标签搜索，并按界面增强、Agent 与会话、开发工具、消息通讯、文件与数据、模型与 MCP、安全与治理等 11 个分类浏览，数据每日自动更新，免费使用，无需注册。
https://dsh.deepseek404.com
频道 @WidgetChannel
官方明确该产品属于Exp实验预览版本，不建议直接用于生产环境，正式版上线时间暂未对外公布。
DeepSeek在API平台正式上线实验性质多模态模型DeepSeek-V4-Flash-Vision-Exp，开发者设置model参数为deepseek-v4-flash-vision-Exp即可完成调用。
该版本保留V4-Flash全部文本能力，补齐视觉理解能力，多模态Agent综合表现接近Claude Opus-4.8旗舰水平。
纯文本层面，该模型的推理、知识储备、文本Agent能力与V4-Flash正式版保持对齐，Terminal Bench 2.1、DeepSWE、DSBench-Hard等文本类评测维持原有得分，能够继续胜任代码编写、工具调用、长文档处理等原有业务场景。
在视觉相关Agent基准测试当中，对比原版V4-Flash实现明显跃升，ApexBench、Agents'Last Exam、Chartography等多模态专项评测分数显著提升，可完成截图解析、界面识别、图表读取、图文混合任务，适配GUI智能体、屏幕操作、图文数据分析等开发场景。
计费规则沿用V4-Flash现有定价标准，图片输入会转换为token参与计费，单张图片最高计384 tokens，不会额外收取视觉专项费用，百万token输入缓存未命中1元，输出2元，缓存命中可低至0.02元每百万token，降低多模态Agent开发的调用成本。
模型延续100万token超长上下文窗口，支持思考模式，可设置high、max推理强度，复杂多模态智能体任务推荐开启max档位，适配Harness智能 体框架，支持工具调用、Function Call，能够结合图片理解完成调研、数据提取、自动化任务编排等链路工作。
Agent能力大幅升级，比V4 pro预览版还要强！
另外，DeepSeek Harness和DeepSeek-V4-Pro即将公布。
https://api-docs.deepseek.com/quick_start/agent_integrations/codex/
据知情人士透露，DeepSeek已启动首次公开募股（IPO）的筹备工作，并可能最早在今年提交申请，这有望为中国科技行业带来一场里程碑式的上市首秀。
DeepSeek正与会计师事务所合作，力争在12月底前完成财务报告（这是提交IPO申请的必要步骤），并计划在年底或2027年初正式提交上市申请。在IPO之前，该公司正寻求在私募市场筹集更多资金，目标投前估值至少达到4800亿元人民币，并正在与新投资者就新一轮融资展开洽谈。（彭博）
OpenClaw 已将 DeepSeek 最新的 V4 Flash 设为其热门 AI 代理的默认模型。
在周日的更新中，OpenClaw 表示已将目录扩展至包含 DeepSeek 的 V4 Flash 和旗舰 V4 Pro，并把 Google Meet 等功能整合进其代理。同时，OpenClaw 优化了 DeepSeek V4 模型在执行多步骤任务时保持一致性的能力。
其中 V4 Pro 拥有 1.6 万亿参数，成为该公司有史以来参数量最大的模型，而较小的 V4 Flash 模型则有 2840 亿参数。
DeepSeek 周五表示，其 V4 模型已为主流代理工具优化，包括 Anthropic 的 Claude Code、OpenClaw 以及腾讯的 CodeBuddy。
https://api-docs.deepseek.com/zh-cn/quick_start/pricing
V4-Pro在Agent能力、世界知识和推理性能上达到开源领先水平，可比肩顶级闭源模型；V4-Flash参数更小，速度更快、成本更低。
DeepSeek-V4分为Pro与Flash两个版本，均支持百万（1M）token超长上下文，两个版本均大幅降低了对计算和显存的需求。
API服务同步上线，开发者将model参数修改为deepseek-v4-pro或deepseek-v4-flash即可调用，接口兼容OpenAI ChatCompletions与Anthropic两套标准。
DeepSeek同时披露，受限于高端算力供给，Pro版本当前服务吞吐十分有限，预计下半年随华为昇腾950超节点批量上市后，Pro版本价格将大幅下调。
值得注意的是，昇腾CANN将在今晚7点直播DeepSeek V4在昇腾平台的首发。
众所周知，当前所有 LLM 处理长文本时都面临一个绕不开的困境：计算复杂度是平方级增长的。序列越长，算力烧得越狠。
于是，DeepSeek 团队想到了一个好办法。既然一张图能包含大量文字信息，而且用的 Token 还少，那不如直接把文本转成图像？这就是所谓的「光学压缩」——用视觉模态来给文本信息「瘦身」。
论文显示，DeepSeek-OCR 的压缩率能达到 10 倍，OCR 准确率还能保持在 97% 以上。
也就是说，原本需要 1000 个文本 Token 才能表达的内容，现在只用 100 个视觉 Token 就搞定了。即使压缩率拉到 20 倍，准确率也还有 60% 左右，整体效果相当能打。
DeepSeek 今日正式发布 DeepSeek-V3.2-Exp 模型，这是一个实验性（Experimental）的版本。
作为迈向新一代架构的中间步骤，V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种稀疏注意力机制），针对长文本的训练和推理效率进行了探索性的优化和验证。
DeepSeek Sparse Attention（DSA）首次实现了细粒度稀疏注意力机制，在几乎不影响模型输出效果的前提下，实现了长文本训练和推理效率的大幅提升。
为了严谨地评估引入稀疏注意力带来的影响，官方特意把 DeepSeek-V3.2-Exp 的训练设置与 V3.1-Terminus 进行了严格的对齐。在各领域的公开评测集上，DeepSeek-V3.2-Exp 的表现与 V3.1-Terminus 基本持平。
目前，官方 App、网页端、小程序均已同步更新为 DeepSeek-V3.2-Exp。
本次更新带来了 API 大幅度降价，开发者调用 DeepSeek API 的成本将降低 50% 以上。
DeepSeek-V3.2-Exp 虽然已经在公开评测集上得到了有效性验证，但仍然需要在用户的真实使用场景中进行范围更广、规模更大的测试。为方便用户进行对比测试，官方为 V3.1-Terminus 临时保留了额外的 API 访问接口。
DeepSeek-V3.2-Exp 模型现已在 Huggingface 与魔搭开源，论文也已同步公开：
HuggingFace / ModelScope / GitHub PDF
via 匿名
LINUXDO 网友发帖发现 DeepSeek V3.1 模型在输出中会随机出现 “极” 字，最开始在第三方 API 上出现了这个问题，火山、chutes 等第三方都可能出现这个问题。作者表示此 bug 严重影响到编程或日常使用。
作者经测试后，官网同样存在这个问题。作者表示一旦出现问题，后续会更加频繁。
作者认为，是数据集没有清理干净的问题，这也和 “极速” 等词并列出现合理。通过查看分词，作者发现 “极” 对应的 token 2577 和省略号 2576 相邻，这可能是导致该 bug 的原因。也有可能和模型偷懒有关系。但也存在部分情况无法解释。
目前结论，官网出现 “极” 字概率最低，但不是没有。第三方概率显著增加，可能和第三方量化、部署配置、设备差异相关。
via 匿名
DeepSeek 线上模型版本已升级至 V3.1，上下文长度拓展至 128k，可通过官方网页、APP、小程序测试，API 接口调用方式保持不变。
新版 DeepSeek 能一次性记住和处理的文本长度更长，上下文容量大提升，对长文档分析、代码库理解、长对话保持一致性都更有帮助。
不过，这只是常规更新，和大家期待已久的 R2 没关联。按照过去的经验，R2 发布前应该会先更新 V4 模型。
上周市场曾传出下一代大模型 DeepSeek-R2 将在 8 月下旬发布的消息，但消息来源并不可靠。
据接近 DeepSeek 人士透露， DeepSeek-R2 在 8 月内并无发布计划。
via 匿名
KPOP猎魔女团 —— 打破BTS纪录的KPOP动画力作
🎤 最近在电影院里，不仅仅有 Pixar 的大电影还有 Sony 的大电影上映。但是皮克斯的电影默默无闻，反而是索尼的这部猎魔女团破了无数记录
🕹 电影中 KPOP女团HUNTR/X是被选中拯救世界的猎魔人。三位主角不仅唱跳，更以歌声维持人类与恶魔之间的结界，融合韩国传说与现代偶像文化。剧情围绕音乐和身份认同展开，角色设计不再追求完美无瑕，而是展现女孩们真实、幽默和不完美的一面，令人耳目一新
🚀 上线后，《Kpop猎魔女团》迅速突破BTS过去创下的多项纪录，成为KPOP相关影视作品中的新高峰。2025年6月20日Netflix全球首播，已获得影评人高度评价。对于喜欢音乐、动画、奇幻题材的观众来说，这部作品值得一看
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
🎤 最近在电影院里，不仅仅有 Pixar 的大电影还有 Sony 的大电影上映。但是皮克斯的电影默默无闻，反而是索尼的这部猎魔女团破了无数记录
🕹 电影中 KPOP女团HUNTR/X是被选中拯救世界的猎魔人。三位主角不仅唱跳，更以歌声维持人类与恶魔之间的结界，融合韩国传说与现代偶像文化。剧情围绕音乐和身份认同展开，角色设计不再追求完美无瑕，而是展现女孩们真实、幽默和不完美的一面，令人耳目一新
🚀 上线后，《Kpop猎魔女团》迅速突破BTS过去创下的多项纪录，成为KPOP相关影视作品中的新高峰。2025年6月20日Netflix全球首播，已获得影评人高度评价。对于喜欢音乐、动画、奇幻题材的观众来说，这部作品值得一看
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
Study Together —— OpenAI的互动式学习新体验
🧑💻 ChatGPT最新推出“Study Together”模式，和以往直接给答案不同，这次它更像是一位耐心的导师。它会不断抛出引导性问题，带你一步步拆解难题，帮助你真正理解知识的来龙去脉
🔍 这种方式让学习变得更主动。每次与AI对话，都是一次头脑风暴。你不再只是被动接受信息，而是在互动中不断思考和反思，找到属于自己的解题思路
💡 AI个性化辅导的潜力正在被释放。无论是自学新知识，还是备考难题，“Study Together”都能根据你的反馈调整节奏，模拟出一对一辅导的感觉。对于追求高效、深入学习的科技用户来说，这或许是AI教育的下一个重要节点
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
🧑💻 ChatGPT最新推出“Study Together”模式，和以往直接给答案不同，这次它更像是一位耐心的导师。它会不断抛出引导性问题，带你一步步拆解难题，帮助你真正理解知识的来龙去脉
🔍 这种方式让学习变得更主动。每次与AI对话，都是一次头脑风暴。你不再只是被动接受信息，而是在互动中不断思考和反思，找到属于自己的解题思路
💡 AI个性化辅导的潜力正在被释放。无论是自学新知识，还是备考难题，“Study Together”都能根据你的反馈调整节奏，模拟出一对一辅导的感觉。对于追求高效、深入学习的科技用户来说，这或许是AI教育的下一个重要节点
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
bitchat —— Jack Dorsey打造的蓝牙自组网聊天工具
🛰 你有没有想过，不用WiFi和蜂窝网络也能聊天？bitchat 正是这样一款利用蓝牙自组网技术，实现点对点消息传递的工具。它让手机之间通过蓝牙自动组建“网状网络”，即使没有互联网，也能让消息在用户之间跳跃转发，最终抵达目标
👨💻 bitchat 的创始人 Jack Dorsey，是 Twitter（现X）和 Square 的联合创始人。这是他用周末时间开发出 bitchat，延续了他对去中心化和开放通信的探索
💡 这款产品还借鉴了 IRC 聊天室的开放氛围，用户只能本地范围内自由组建聊天室，体验有点复古又极具未来感的社交方式。对于喜欢探索技术和隐私保护的用户来说，bitchat 是一个值得尝试的小玩具
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
🛰 你有没有想过，不用WiFi和蜂窝网络也能聊天？bitchat 正是这样一款利用蓝牙自组网技术，实现点对点消息传递的工具。它让手机之间通过蓝牙自动组建“网状网络”，即使没有互联网，也能让消息在用户之间跳跃转发，最终抵达目标
👨💻 bitchat 的创始人 Jack Dorsey，是 Twitter（现X）和 Square 的联合创始人。这是他用周末时间开发出 bitchat，延续了他对去中心化和开放通信的探索
💡 这款产品还借鉴了 IRC 聊天室的开放氛围，用户只能本地范围内自由组建聊天室，体验有点复古又极具未来感的社交方式。对于喜欢探索技术和隐私保护的用户来说，bitchat 是一个值得尝试的小玩具
📮 这篇文章是转发给你的吗？点击这里加入频道，一起探索更多有趣的内容！
