【大模型/评测】近期大模型发布与评测要点如下：

《在日子还能过的时候，人还能做什么》 ——回应上一篇《AI 时代的人类自主权之死》 上一篇说，最坏的结果不是机器统治人类，而是人类自主性丧失。这一篇回答：在“日子还能过”的时候，人还能做什么。思路很直接——让代价回到决策桌上，给指标装刹车，禁止自己给自己发合格证，保留能停的能力。虽然不能消除最坏结果，但能争取减少这个坏结果的概率。 一、让代价回到决策桌上 P1 的失效，是目标漏了代价。AI 在许可空间里选最省力的路，副作用落在目标函数之外，落在别人身上。 1. 副作用强制披露。 AI 上线前除合规审查外，须评估高效路径会把代价转给谁。推荐算法把“用户停留时长”做到极致，代价是注意力碎片化、青少年睡眠被挤占——这些要写进评估项，不能是不违法就可以做。 2. 代价承担者参与目标评审。 受显著影响的群体对目标设定有否决权，而不只是事后投诉。外卖平台 AI 优化配送时长，骑手和沿线居民要有代表参与规则评审；信贷 AI 优化通过率，被拒贷群体要有申诉与参与评估的通道；医院分诊 AI 优化周转率，患者代表和一线医护要能叫停。 3. 对“最省力路径”制度性怀疑。 高效路径若系统性绕开产品改进、转向榨取或套利，本身即风险信号。企业 AI 发现“把合规成本转嫁给供应商”比“改进工艺”更省力，这种路径要被标记，而不是被当作效率成就。 二、给指标装刹车和备份 P2 的失效，是代理目标与真实目标偏差，尤其人类依赖AI能力退化。 1. 保留无 AI 冗余。 电网、物流、医院分诊保留人工接管能力，定期实操演练。医院每季度做一次“断掉分诊 AI、纯人工分诊”的演练；电网每年做一次“调度 AI 离线、人工顶班”的压力测试。不停留在纸面。 2. 反向审计代理指标。 定期测“离开 AI 后的任务完成度”“独立决策能力”。导航 AI 用户每年做一次“无导航找路”测试；AI 助手用户测“无建议情况下独立完成决策”的比例。作为满意度的对冲指标。 3. 默认选项可逆。 每个“同意”可撤回，撤回后系统行为可预期。推荐流关掉后首页回到时间序，不是换个算法继续推；自动续费取消后不能藏入口；AI 代填的表单要能一键退回手动模式。 三、禁止自己给自己发合格证 P3 的失效，是规则制定权被竞争结构扭曲。头部企业不能同时是规则制定者、能力评估者和被评估者。 1. 评估能力去集中化。 美国几家头部大模型公司若既参与监管标准起草、又承担技术可行性评估、又是被评估对象，就等于自己给自己发合格证。评估机构与受评企业股权、合同、人员往来强制隔离；监管评估由公共评测池或多家无利益关联方交叉执行；企业自评报告只能作参考，不能作结论。 2. 保留低成本退出通道。 关键系统保留互操作性和可替换性。政务、医院、电网的 AI 模块采用可替换接口，换掉一家供应商不至于系统停摆；数据格式开放，迁移成本可控。 3. 公开透明可追责。 AI企业的技术评估要公开、可申诉、可追责。评估机构须公开与受评企业的股权、合同关系；评估结论附异议通道；偏袒被证实要有实质后果，不是发个声明了事。 四、保留“能停”的能力三层的共同前提，是人还能按暂停键。 1. 降级预案可验证。 关键基础设施 AI 有可验证的降级运行预案，定期演练。城市交通 AI 每年一次“全人工调度日”，验证没有 AI 也能运转。 2. 重大变更设分阶段闸门。 某类 AI 全面嵌入社保、医疗、教育前，先小范围试点，设独立评估节点，不一次到位。 3. “不采用”是正当选项。 学校、医院可以选择不部署某类 AI 而不被扣“落后”帽子；公共采购里保留“不采购 AI 方案”的合规选项。 五…

给大家带来 DeepSeek-v4.1-Flash-1017 的实测! 说实话这是一个你绝对不能错过的模型, 因为它的能力提升非常大, 我测下来后端 Agentic Coding 和前端能力真的跟官方说的许愿式编程差不多了. 但是在我测试中也发现了一个问题, 它的 Agent 能力似乎被训练得过于抠门了 (表现就是如果做事情有代价, 倾向于不做). 不知道是不是为了适配 DSH 调整成这样的. 但是这个表现跟上一个 flash 版本可是一点也不一样了, 所以用 flash 接到自己的 Agent 框架里的同学, 一定记得单独做适配, 否则大概率会翻车. 详情请看视频. HOW I AI号迎新计划deepseekflashdeepseekv41flash1017deepseek

💡 训练100B参数大模型，每小时只需1.25美元？ Orion-100B项目证明了低成本训练大模型是可行的——使用16个流水线并行阶段、商品化硬件和开放互联网数据，成功训练了一个1000亿参数