DeepSeek V4.1 Flash 转正，KV 缓存降到四分之一

概览

本期共 9 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · DeepSeek-V4.1-Flash 转正式版，KV 缓存降到每 token 890 字节
2. 重点 · MiniMax M3 在 MI355X 上把输出吞吐提到 day-0 的 3.14 倍
3. 重点 · OpenAI 把 250 人安全冲刺做成 Defense Factory，首日关掉 53 个高危问题

全球 AI 资讯

4. Anthropic 组建威胁情报运营，把抗议活动纳入安全风险
5. Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111：73 个节点、11 条流水线
6. TorchServe 停止维护，AWS 用 Ray Serve 深度学习容器接手
7. 六家中国 AI 公司被指激进复制美国前沿模型

区域与早期信号

8. 智谱上半年 API 收入占到 86.5%，Token 调用量较年初增超 40 倍
9. Heurist 用 AgentCore payments 按查询购买付费金融数据

九凤根据本期已引用来源整理。

热门模型动态

DeepSeek 把 Flash 线推到正式可用，权重以 MIT 许可开放，全局 KV 缓存压到每 token 890 字节。

DeepSeek-V4.1-Flash 是一款多模态 MoE 模型，骨干 552B 参数、另有 196B Engram 参数，上下文窗口 100 万 token；prefill 阶段每 token 激活 8B 参数，decode 阶段激活 16B。MarkTechPost 拆解里最关键的一个数字是全局 KV 缓存足迹：

架构上，40 层骨干拆成 20 层因果编码器加 20 层解码器，思路来自 YOCO：解码器不再计算自己的全局 KV，prefill 因此减半。主 KV 缓存量化到 E2M1、每 16 个通道配一个 E4M3 缩放因子，沿用 NVFP4 但不带全局缩放。

• 参数：552B 骨干 + 196B Engram，prefill 激活 8B、decode 激活 16B
• 上下文：100 万 token
• 许可与部署：MIT 开放权重，Hugging Face 上提供 vLLM、SGLang、Transformers 三条路径
• API：low / high / max 三档推理
• 评测：MarkTechPost 的 Training and Results 一节把 V4.1-Flash 与 V4-Flash、Opus 5、GPT-5.6 Sol 放在 Terminal-Bench 2.1、DeepSWE v1.1、Terminal-Bench 4.0、Automation-Bench 与 GPQA Diamond 五项上对比

局限：本条的参数、缓存与许可信息都来自这两篇报道，未见第三方复现，890 字节是 MarkTechPost 拆解给出的核心数字。Pandaily 另称新的 Flash 价格自 9 月 10 日起执行。

图片来源：huggingface；已转存至九凤 R2。

来源：MarkTechPost · Pandaily · DeepSeek on Hugging Face · YOCO 论文

vLLM 公布 MiniMax M3 在 AMD Instinct MI355X 上的后续优化结果，MXFP8 并发 32 下达到 day-0 的 3.14 倍。

对照基线是 M3 的 day-0 实现，那一版已经带上 MiniMax Sparse Attention、多模态输入、推理与工具输出、MXFP8 权重和 EAGLE3。数字来自公开的 SemiAnalysis InferenceX 基准：

延迟同步下降：并发 32 时 TTFT 中位数从 1.46 秒降到 0.67 秒、TPOT 均值从 69.1 毫秒降到 22.1 毫秒；并发 128 时 TTFT 中位数从 3.53 秒降到 1.54 秒、TPOT 均值从 100.7 毫秒降到 48.8 毫秒。上面三行都跑在 TP4/EP1 四卡路径上；改成 TP2/EP1 后 MXFP4 进一步到 943.5 tok/s/GPU，比那个 TP4 检查点高 31.6%。工程改动之一是 vLLM #45725，把 kernel launcher 拆开，分别照顾 prefill 的大批 token 和 decode 的少量行。

局限：vLLM 自己强调，有用的结论不是某一个更高的吞吐数字，而是当瓶颈不断移动时如何决定下一步优化什么；943.5 那一档换了并行拓扑，与前面 TP4/EP1 的结果不在同一契约下，不能直接并列。

来源：vLLM Blog · vLLM #45725

OpenAI 公开一套让智能体持续发现、验证并修复漏洞的参考架构，称首日由智能体关闭 53 个紧急或高优先级问题。

起点是一次内部「code red」：Security、Applied 与 Research 三个组联手，检查了 100 多个服务领域里的数百个系统。产出的 Defense Factory 把 AI 智能体接到源码平台、安全扫描器、issue 跟踪系统和隔离开发环境——智能体可以盘点系统、扫描代码、验证疑似漏洞是否真的可利用、把确认的发现路由给负责人、准备补丁并核对已部署的修复。蓝图在 9 月初发布，9 月 9 日 OpenAI 再次推广，称其最新的 cyber 模型找出了安全人员本可能漏掉的漏洞。落地上它配合 OpenAI 的 Codex 产品和两级受控 cyber 访问，重要变更仍由人类保留审核权。

局限：53 这个数字出自 OpenAI 自述、且只统计首日，报道未附外部核验。RuntimeWire 指出这套做法押的是「防守方用前沿模型的速度快于攻击方拿到同类工具」，而这一点尚未得到验证。

来源：RuntimeWire · OpenAI · Daybreak 访问说明

全球 AI 资讯

报道称 Anthropic 监控高管与设施周边的抗议、调查被认定的潜在威胁，并与执法部门交换信息。

The American Prospect 周三发表的报道，把 Anthropic 的招聘启事、它对其他媒体的表态，以及一次安全官员描述用 AI 辅助风险平台追踪某场抗议的访谈串在一起。新岗位要求做 OSINT 调查并与警方保持联系。

可以对照的是 2026 年 2 月的表态：当时 Anthropic 拒绝解除对 Claude 用于大规模国内监控和全自主武器的限制，Amodei 的理由是 AI 能把位置、浏览与社会关系记录合成前所未有规模的个人档案。

局限：报道自己指出，这个内部项目与 Amodei 当时反对的政府监控并非一回事，它是一家公司的企业安保运营；证据来自招聘启事、对其他媒体的表态和一次访谈，而不是 Anthropic 的正式披露。

来源：RuntimeWire · Anthropic 政府数据请求政策

Workflow1111 把 stable-diffusion-webui 的大部分功能重做成一张可视化工作流画布。

Hugging Face 在官方博客里放出 Workflow1111：一张用 gr.Workflow 搭的画布，由 11 条媒体流水线、共 73 个节点组成，覆盖文生图、高分辨率修复、图生图、prompt-matrix 网格、VLM 反推、检测转 inpaint 蒙版、ControlNet 风格标注器、去背景、PNG Info 存取以及图生视频。用 Hugging Face 账号登录或提供 access token 即可运行，模型调用走使用者自己的配额；Space 也可以复制后自行改线。

局限：博客的说法是重建了 AUTOMATIC1111「大部分」功能集，但没有列出哪些没覆盖，也没有给出与原版的性能对照；运行需要登录并消耗使用者自己的额度。

来源：Hugging Face Blog · GitHub

官方声明称 TorchServe 不再有更新、缺陷修复与安全补丁，AWS 推出 Ray Serve DLC 承接这批推理负载。

AWS 在博客中点明，TorchServe 已不再积极维护，项目官方声明称没有计划中的更新、缺陷修复、新功能或安全补丁，漏洞也可能不会被处理。对仍在 TorchServe 上跑推理的团队，这意味着安全补丁停发、与新版 PyTorch 和 CUDA 的兼容性更新也停发，工程师得自己扛整条依赖链：跨 GPU 栈挑兼容版本、逐层打补丁、在组件版本漂移时排查隐蔽故障。AWS 的答案是把训练侧 Deep Learning Containers 的思路延伸到推理端——Ray Serve DLC 是预构建、经过性能优化的 Docker 镜像，把框架、依赖和 GPU 栈打包成一套测试过、打过补丁的组合。

局限：这是一条迁移路径而不是原地兼容层，文章没有给出从 TorchServe 迁到 Ray Serve 的工作量、性能对照或版本时间表。

来源：AWS Machine Learning Blog

Ars Technica 报道称，六家中国 AI 公司被指激进复制美国前沿模型，同时美方敦促 AI 公司识别中国用户后改用能力较弱的模型。

Ars Technica 的报道给出两层内容：一是六家中国 AI 公司被指控激进复制美国前沿模型，二是美方敦促 AI 公司先识别出中国用户，再在不告知的情况下把这些用户切换到能力较弱的模型。

局限：这是单一媒体报道，被点名的六家公司、指控所依据的证据、提出该建议的机构以及可能的执行方式，报道摘要里都没有给出；在拿到原始文件之前，不宜当作已认定的事实。

来源：Ars Technica

区域与早期信号

智谱上市后首份中报显示收入重心从本地化部署切到开放平台，8 月末 ARR 达 16 亿美元。

2026 年上半年，智谱收入 9.54 亿元，同比增长 399.7%，规模已超 2025 年全年。收入结构是这份中报里变化最大的部分：

• ARR：截至 8 月底 16 亿美元，较 7 月上旬的 10 亿美元增长 60%；8 月单月 1.33 亿美元
• 用户：MaaS 平台注册用户超 740 万，较年初增长 144%；付费日活较年初增长 603%
• 调用量：Token 调用量较年初增长超 40 倍，其中 Coding Plan 调用量增长超 23 倍
• 定价：API 平均售价提高约 101%，API 毛利率从上年同期的 -0.4% 升到 24.6%

局限：这些是公司自行披露的中报口径数字，暂无独立核验。报道同时指出，收入暴涨的另一面是亏损也在扩大，且业绩与市场预期仍有距离。该条目目前只有中文单一来源。

来源：钛媒体

一个面向散户的对话式投研工作台，把按次付费的高级数据采购放进了智能体的执行链。

Heurist Finance 把几类机构式工作流收进一个对话界面：采集市场数据、读财报与新闻、跑深度研究、构建并压力测试组合、监控持仓，每个回答都会结合用户自己的持仓与偏好。系统建在 Amazon Bedrock AgentCore 上，用 AgentCore payments 按单次查询购买高级数据，再配合 Identity、Memory、Code Interpreter 与可观测性，把付费数据访问、沙箱内分析、身份与记忆串成一条可审计的回答链路。Heurist 给出的动机是：散户要用的高级市场、宏观、基本面与另类数据分散在各家付费墙和定制 API 之后，没有哪一家供应商能全覆盖。

局限：这是 AWS 发布的客户案例，文章没有给出准确率、成本或用户规模数据，也没有第三方评测；按查询付费的实际单价与数据供应商名单未披露。

来源：AWS Machine Learning Blog