W tabeli karty modelu V4.1-Flash ma 90,6 punktu w Terminal-Bench 2.1 i 74,2 w DeepSWE v1.1. To wynik na poziomie lub powyżej Opus-5.0, GPT-5.6 Sol, K3 i GLM-5.3.
Do 31 sierpnia 2026 roku rejestrację przeszło łącznie 1112 usług generatywnej sztucznej inteligencji, podał Państwowy Urząd ds. Cyberprzestrzeni. W tym samym czasie na Tygodniu Bezpieczeństwa Cybernetycznego opublikowano „Ramy bezpiecznego ładu w sztucznej inteligencji 3.0”.
Reuters i The Information podają, że DeepSeek zatrudnił CITIC Securities, żeby przygotować debiut na giełdzie STAR w Szanghaju, i prowadzi drugą rundę finansowania o celu 50 mld juanów. Roczne przychody spółki mają przekraczać 1 mld dolarów.
Xiaomi pokazało na żywo, jak trenuje duży model metodą uczenia ze wzmocnieniem. MiMo-V2.6-Pro ma 1,02 bln parametrów i 42 mld aktywnych, a w rankingu modeli otwartych zajął pierwsze miejsce. DeepSeek w tym samym czasie udostępnił eksperymentalną wersję modelu wizyjnego na licencji MIT.
Nowa praca DeepSeek, pod którą podpisał się Liang Wenfeng, opisuje system DSec do treningu agentów. DSec tworzy ponad 5000 sandboxów na sekundę, 3 mln w ciągu doby, a szczytowo działa w nim jednocześnie 380 tys. środowisk.
MiMo-V2.6-Pro ma 1,02 bln parametrów i 42 mld aktywnych. W otwartym treningu na żywo zdobył 46 punktów w indeksie Artificial Analysis i pierwsze miejsce wśród modeli otwartych.
Na AICC 2026 raport IDC rozłożył lukę obliczeniową na dwie warstwy: górny limit możliwości i skalę produkcji. Do 2030 roku luka może sięgnąć 380 900 000 000 dolarów, a samo dokładanie kart przestaje wystarczać, bo Prefill i Decode mają różne obciążenia.
W indeksie Artificial Analysis Xiaomi MiMo-V2.6-Pro ma 46 punktów, tyle samo co zamknięty Grok 4.7, ale średni koszt wykonania jednego zadania różni się około 29 razy. Koszt obok wyniku staje się osobnym wymiarem oceny.
Liu Sheng odpowiada w DeepSeek V4.1 za główny operator Attention. Napisał tekst „Musiałem pochować swój talent wczoraj”, który w ciągu jednego dnia trafił na pierwsze miejsce rankingu Zhihu. Z jego publicznych słów można wyczytać, jak zmienia się praca w erze programowania z AI.
Kunlun Tiangong pokazał Mureka V8 na koncercie w klubie muzycznym i twierdzi, że model wyprzedził Suno V5 w testach muzyków. Prezes spółki mówi wprost o nowym gatunku, a nie o kolejnym narzędziu.
Koszt długiego kontekstu rozbija się zwykle o pamięć, nie o wagi. DeepSeek V4.1 Flash ściska KV Cache do około 890 bajtów na token. Zapotrzebowanie na HBM spada do jednej czwartej, a na SSD do jednej ósmej w porównaniu z poprzednią generacją.
DeepSeek odwołał wyłączenie V4 Pro zaplanowane na 14 września. Firma poinformowała 11 września, że nadal będzie udostępniać API tego modelu, a rozliczenia pozostają bez zmian. Wcześniej chciała kierować wszystkie żądania do V4.1 Flash.
10 września czasu pekińskiego DeepSeek udostępnił model V4.1 Flash. Nowa struktura MoE ma 552 mld parametrów, przy odczycie promptu pracuje 8 mld, a zapotrzebowanie KV Cache na HBM spadło do jednej czwartej w stosunku do poprzedniej generacji.
Karta AI WeChat Pay obsługuje teraz DeepSeek Harness i OpenClaw. Po autoryzacji użytkownik załatwia w rozmowie całą drogę od rekomendacji do płatności. WeChat podkreśla, że karta jest odizolowana od głównego konta, a każdą transakcję trzeba potwierdzić.
Moonshot przygotowuje model Kimi K3.1, w którym użytkownik wybierze jeden z trzech poziomów wysiłku rozumowania: Low, High lub Max. Według doniesień medialnych premiera ma nastąpić w październiku 2026 roku. To kolejny chiński model obok rodziny DeepSeek V4 i Xiaomi MiMo, który wchodzi do segmentu agentowego z jawnie regulowanym wysiłkiem rozumowania.
Anthropic zapowiedział, że nowe modele Claude będą osadzać w generowanym tekście niewidoczny dla oka znak wodny, który przetrwa kopiowanie, a częściowo także edycję. Firma podpisała unijny kodeks przejrzystości treści generowanych przez AI, a mechanizm ma obowiązywać od 2 sierpnia 2026 roku i to globalnie, nie tylko w Unii Europejskiej.