DeepSeek V4.1 Flash 1017：许愿式编程一键成真 | 大模型讨论专楼

舞以

awy002 发表于 2026-11-6 08:38
我hardness里大肥鱼的版本号变成4.1Flash没有1017的图标了，这不会是把我模型降智了吧 ...

只是 dsh新版本把这个标记去掉了

论坛助手,iPhone

startraveller

所以这周说的大招全都没来

小野賢章

不可能单独阉割网安能力的，防御式编程和网安是一体两面的，最多做拒答，但是在长任务里面AI可能自己就开始搞攻击了，即使用户没有要求。

半江瑟瑟半江红

宏. 发表于 2026-11-6 08:30
你看看我在这楼里的历史发言就知道我用过K3.1吗，不如说我更怀疑你用的K3.1是哪个K3.1，workbuddy积分送 ...

Allegro订阅，我不知道allegretto有啥可优越的

—— 来自 HUAWEI SGU-AL10, Android 16, 鹅球 v4.0

半江瑟瑟半江红

宏. 发表于 2026-11-6 08:40
你在说啥，kimi官方专门说了靠限制网安数据来砍了k3.1的网安能力，网安你可以认为是coding的一个子集 ...

月之暗面的说法是有一个checkpoint的网安能力比较强，但并没有说主动剔除了数据，我个人认为是那个版本的网安比较强，其他的能力比较弱，所以就没办法拿出来。大模型的RL也是个很玄学的事儿。

—— 来自 HUAWEI SGU-AL10, Android 16, 鹅球 v4.0

半江瑟瑟半江红

另外K3.1的网安能力很强啊，相比K3是极大的提升，当然你要说它不如肥鱼1017，那是没办法的事儿，肥鱼太强了。怎么传到现在都变成K3.1网安能力不行了。

—— 来自 HUAWEI SGU-AL10, Android 16, 鹅球 v4.0

半江瑟瑟半江红

宏. 发表于 2026-11-6 08:30
你看看我在这楼里的历史发言就知道我用过K3.1吗，不如说我更怀疑你用的K3.1是哪个K3.1，workbuddy积分送 ...

你懂大模型的训练吗？基模不变的情况下砍一部分权重，增加另一部分权重，你在讲玄幻故事？

—— 来自 HUAWEI SGU-AL10, Android 16, 鹅球 v4.0

阿刚

舞以 发表于 2026-11-6 09:11
这次是米猴的孤狼攻击了
一坨大粪来回甩，你们不吃屎就是你们挑食！

心疼楼上认真解释的老哥们。。。。

CyborgIP

看到+100条信息还以为是有大的发布了，失望

—— 来自 vivo V2509A, Android 17, 鹅球 v4.0

培根芝士蛋堡XD

zfy1989 发表于 2026-11-6 07:24
1017 作为一个小参数低成本 模型真的强过头了

—— 来自 HONOR PTP-AN70, Android 16, 鹅球 v3.5.99 ...

这模型加上engram真得不算小，差不多都有之前v3的大小了

mitzvah

培根芝士蛋堡XD 发表于 2026-11-6 09:37
这模型加上engram真得不算小，差不多都有之前v3的大小了

官方权重体积等价q4量化，实际我跑q2量化智力都还过得去，跑了个老的4.1作为演示的测试集，完全饱和，应该是强过官方的老4.1的

engram放ssd的，又不占用内存

宏.

半江瑟瑟半江红 发表于 2026-11-6 09:30
月之暗面的说法是有一个checkpoint的网安能力比较强，但并没有说主动剔除了数据，我个人认为是那个版本的 ...

官方原话，这事根本就不用推测，就是数据剔除。除非你认为这是月暗专门打了个马虎眼，单指公开权重版

随着 K3.1 Pro 的能力不断提升，我们将更多精力投入到了解其网络安全能力的来源，以及我们能在多大程度上对其进行管控。为此，我们分析并评估了 K3.1 Pro 的漏洞研究能力，同时在训练过程中实施了针对性控制，在降低潜在滥用风险的同时，保留模型的通用实用性。
识别并移除网络攻防相关数据。在开发过程中，我们观察到随着后训练规模扩大，模型的漏洞研究性能持续提升。追溯这一趋势的来源，我们发现网络攻防相关内容嵌入了中期训练的通用语料中，网络攻防相关任务也存在于强化学习环境组合里。这是使用广泛数据进行训练带来的自然副产品。在内部模型的初步实验中，我们发现若在中期训练和强化学习阶段均不移除相关数据，下游网络攻防能力将大幅增强。这些发现为我们提供了具体的控制手段。在准备发布 K3.1 Pro 开放权重版本时，我们从两个训练阶段均识别并移除了网络攻防相关数据，同时保留了保障模型实用性所需的通用编程任务。我们未来将在每一训练阶段持续采取适当的控制措施，网络攻防相关数据的识别与限制便是其中之一。
评估与结果。完成数据清理后，我们使用自研的 xdev-bench-hard 基准测试对 K3.1 Pro 进行了评估。该测试由专家策划，包含基于源代码的漏洞发现与利用任务，并经过校准以在当前能力水平上实现有效区分。多数任务真实复现了 Linux 内核、Node.js、JavaScriptCore、Exim 和 VirGL 等软件中近期披露的漏洞，且各项缓解措施均已启用。每项任务提供存在漏洞的源代码、简短提示以及对应的二进制文件。智能体需要开发出漏洞利用程序，在独立沙箱中实现任意代码执行，并获取密钥字符串以通过自动验证。我们报告了 pass@3 指标，未设置严格超时或输出 token 上限。
在 xdev-bench-hard 上，若中期训练和强化学习阶段均未对网络攻防相关数据进行移除或过滤，模型在 pass@3 指标上可解决 90.5% 的问题；最终版 K3.1 Pro 的得分则为 81.0%。对比表明，数据移除有效降低了漏洞研究能力，使其明显低于同一训练流程原本会产出的水平。与此同时，K3.1 Pro 仍较前代实现了大幅提升，说明即使在针对性移除相关数据后，更强的通用编程和长周期调试能力仍能泛化到此类任务上。K3.1 Pro 的网络攻防能力目前仍落后于那些已公开发布至少三个月的前沿闭源模型。我们将持续完善内部基准测试，确保在模型能力不断提升的同时，评估结果仍有参考价值。

宏.

mitzvah 发表于 2026-11-6 08:50
模型后端强，网安能力不可能差的

他说砍了，你不看看实测数据？

官方原话，信不信由你

K3.1 Pro 的网络攻防能力目前仍落后于那些已公开发布至少三个月的前沿闭源模型。

宏.

__________

奥柏伦亲王

搞金融的人放的屁有什么听的价值吗，喜欢听可以去小宇宙找几个所谓投资人的播客听一听，不要听现在的，去听24年的，25年的，去听听那些装模做样的投机客当初是如何看待人工智能产业的，是如何悲观的看待国产开源模型的，你就会知道这些所谓的专业人士和我们普通老百姓没什么两样，甚至可能还远远不如。

不要吃二手屎，要去实践，在工作中学习。

半江瑟瑟半江红

宏. 发表于 2026-11-6 09:42
官方原话，这事根本就不用推测，就是数据剔除。除非你认为这是月暗专门打了个马虎眼，单指公开权重版

这就是月之暗面挽尊的说法，就是网安能力好的Checkpoint，其他能力不行而已。否则2.8T的一个模型，3个月重新做了一遍权重再训练出来，你觉得只靠2万卡可能吗？

—— 来自 HUAWEI SGU-AL10, Android 16, 鹅球 v4.0

库德里尔

pov：看到一群人和屏蔽列表吵架 感受到无可奈何

—— 来自 鹅球 v3.5.99

qwased

给你懂完了，训练用了多少数据和参数量有什么关系妈的智障

龙骑士尹志平

猕猴可怕

cscbzcbz

今天都没啥动静，只能再等下周了

大的来大的来

论坛助手,iPhone

lactone

qwen4再不出来算是放鸽子了

—— 来自 vivo V2505A, Android 17, 鹅球 v3.5.99

奥柏伦亲王

1017出来20天了，4.1Pro呢，救一下啊

Rowen233

OpenCode Go的DS又429了

zkjqw139

https://github.com/frostming/dsh-hongguo    我宣布，DeepSeekHarness 比 pi 牛逼多了，谁能拒绝在蹬的间隙来上一集红果呢？

lactone

polymarket首页开始开盘AI泡沫啥时候爆了

小野賢章

lactone 发表于 2026-11-6 11:02
polymarket首页开始开盘AI泡沫啥时候爆了

看了一下判断破裂的标准：

本市场将结算为“是”，如果人工智能行业在指定日期美东时间晚上11:59之前经历行业低迷。否则，本市场将结算为“否”。

就本市场而言，一旦在本市场指定时间范围的90天内发生以下事件中的至少三项，人工智能行业即被视为经历了行业低迷：

英伟达公司（NVDA）收盘价较其历史最高点下跌50%。

iShares PHLX半导体ETF（SOXX）收盘价较其历史最高点下跌40%。

OpenAI, Inc.或Anthropic PBC宣布破产。

OpenAI, Inc.被收购。

根据SiliconData Silicon Index（网址：https://www.silicondata.com/products/silicon-index）显示，H100租赁价格连续五天降至1.00美元或以下。

主要AI硬件供应商崩盘：台湾积体电路制造股份有限公司（TSM）、ASML Holding N.V.（ASML）、Broadcom Inc.（AVGO）、Arista Networks, Inc.（ANET）或Super Micro Computer, Inc.（SMCI）中任一公司的收盘价较其历史最高点下跌50%。

一旦在本市场指定时间范围的90天内满足三项条件，本市场可立即结算。

eno_emos

Rowen233 发表于 2026-11-6 10:41
OpenCode Go的DS又429了

这两天感觉明显慢很多，之前能到120~160tps，这两天只有60多点
还时不时429
怕不是印度光头找的上游机房合作商快被蹬爆了

andychen

Codex不给重置了，官方渠道GLM5.3感觉被降智了，OCG的DS也跑不动了

各种不祥之兆啊，我们的AGI大业怕是要中道崩蹙了

tk553521

andychen 发表于 2026-11-6 11:15
Codex不给重置了，官方渠道GLM5.3感觉被降智了，OCG的DS也跑不动了

各种不祥之兆啊，我们的AGI大业怕是要 ...

卜要怕，只要肥鱼发4.1p一切都会好起来的

—— 来自 nubia NX809J, Android 16, 鹅球 v3.5.99-alpha

Steel.Haze

奥柏伦亲王 发表于 2026-11-6 10:41
1017出来20天了，4.1Pro呢，救一下啊

没准正是梁子等下一个美AI股回光返照的高位然后发布版本吃个大空红包呢？

飞剪号

Steel.Haze 发表于 2026-11-6 11:20
没准正是梁子等下一个美AI股回光返照的高位然后发布版本吃个大空红包呢？ ...

梁子这几天应该已经赚飞了

lactone

a/下周路演，这还搞不搞了

—— 来自 HONOR BRT-AN00, Android 17, 鹅球 v3.5.99-alpha

cube

lactone 发表于 2026-11-6 11:32
a/下周路演，这还搞不搞了

—— 来自 HONOR BRT-AN00, Android 17, 鹅球 v3.5.99-alpha

已经被压价了，估值直接跌了4000多亿刀。

saizeriya

现在这舆论和政治环境，A畜还敢顶风上市那不是腿都要被dem打断了

—— 来自 鹅球 v3.3.96

Unlight

qwased 发表于 2026-11-6 08:46
wenyi的侧重点是质量，lingua gacha感觉还是以效率为主的
我比较建议的用法是lingua gacha里面用世界知识 ...

问题是文译慢了几倍不说，质量上还一塌糊涂就离谱。大段大段的漏翻。梗概也驴唇不对马嘴。
因为我用的都是那个9b的qwen3.8的问题吗？
不过lg那个agent也不太聪明的样子…

—— 来自 S1Fun

qwased

Unlight 发表于 2026-11-6 12:14
问题是文译慢了几倍不说，质量上还一塌糊涂就离谱。大段大段的漏翻。梗概也驴唇不对马嘴。
因为我用的都 ...

3.8没有9b，是社区自己蒸馏的27b跑翻译也很糟糕，毕竟是coding特化了

Unlight

qwased 发表于 2026-11-6 12:16
3.8没有9b，是社区自己蒸馏的27b跑翻译也很糟糕，毕竟是coding特化了

对，那个9b的3.8到底是个啥东西啊？说是用3.8 27b蒸的3.5 9b？

—— 来自 S1Fun

qwased

Unlight 发表于 2026-11-6 12:22
对，那个9b的3.8到底是个啥东西啊？说是用3.8 27b蒸的3.5 9b？

—— 来自 S1Fun ...

对啊
你可以试试把那套提取术语表的工作流抽出来放WB或者反重力之类的有便宜大模型的地方用，把术语表提取完导回去lg里面进行具体文本翻译，这一步就可以用本地的便宜模型比如mt2了

Unlight

qwased 发表于 2026-11-6 12:24
对啊
你可以试试把那套提取术语表的工作流抽出来放WB或者反重力之类的有便宜大模型的地方用，把术语表提 ...

mt2的问题是有甲 。当初卡了半天，才发现mt一个翻译模型居然甲那么厚…ollama网站上面也没看到有什么靠谱的破甲版。

我可以说是刚接触大模型，对很多概念都没有认识，lg算是我用的第一个harness了…我还是纯本地吧。

—— 来自 S1Fun

qwased

Unlight 发表于 2026-11-6 12:27
mt2的问题是有甲 。当初卡了半天，才发现mt一个翻译模型居然甲那么厚…ollama网站上面也没看到有什么靠谱 ...

只用来翻译是无甲的，你是不是让他干agent的活了