https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
在花🎗️科技圈:
🤖 OpenAI 指控《纽约时报》要求获取 2000 万条用户对话侵犯隐私 OpenAI 于 2025 年 11 月发布声明，指责《纽约时报》在诉讼中要求交出 2000 万条 ChatGPT 用户对话是对隐私的侵犯。公司表示，用户托付给 ChatGPT 的聊天、文件与账号信息是最敏感的数据，新闻媒体不应要求获得这些私人内容。 OpenAI 此前已拒绝《纽约时报》多次相似要求，包括索取 14 亿条聊天记录。公司称正通过数据去标识处理与加密措施保护用户隐私，并计划推出客户端端到端加密及自动安全检测系统。首席信息安全官…
纽约时报起诉浏览器 Brave 抓取内容并转售 AI 公司
纽约时报周一起诉隐私浏览器 Brave，指其抓取受版权保护内容并售给 Anthropic、Perplexity、Mistral、xAI、Cohere 等 AI 公司，寻求禁令和赔偿。
同日在曼哈顿联邦法院，纽约每日新闻、芝加哥论坛报等也提起类似诉讼。诉状称 Brave 用未披露的爬虫建立超 300 亿网页索引，还绕过付费墙、屏蔽出版商广告。Brave 暂未回应。
TechCrunch
🌸 科技圈· 茶馆 · 投稿
via 在花🎗️科技圈 - Telegram Channel
↩️ 消息称 DeepSeek V5 计划用昇腾训练
消息称 DeepSeek V5 计划用昇腾训练
据产业链人士消息，DeepSeek 下一代大模型 V5 计划基于华为昇腾芯片进行训练，此前昇腾芯片主要用于 DeepSeek 模型的推理任务。
今年 9 月底，DeepSeek 开源了面向昇腾算力平台的基础设施组件，包括编译工具、计算库和分布式通信库，与此前面向英伟达平台开源的组件一一对应。
科创板日报
🌸 科技圈· 茶馆 · 投稿
via 在花🎗️科技圈 - Telegram Channel
在花🎗️科技圈:
DeepSeek 开源大规模推理框架 DeepInfer 10 月 20 日，DeepSeek 开源内部大规模推理框架 DeepInfer，并同步开源 Token 编解码组件 deepseek-recipe。基于该框架，V4.1 Flash 的单一集群吞吐达 155 万亿 Tokens/天。 该框架支持分布式推理、推测解码、结构化输出等能力，可在英伟达与华为昇腾平台运行；KVCache 可保留 72 小时以上。 Github | DeepSeek 🌸 科技圈· 茶馆 · 投稿
消息称 DeepSeek V5 计划用昇腾训练
据产业链人士消息，DeepSeek 下一代大模型 V5 计划基于华为昇腾芯片进行训练，此前昇腾芯片主要用于 DeepSeek 模型的推理任务。
今年 9 月底，DeepSeek 开源了面向昇腾算力平台的基础设施组件，包括编译工具、计算库和分布式通信库，与此前面向英伟达平台开源的组件一一对应。
科创板日报
🌸 科技圈· 茶馆 · 投稿
via 在花🎗️科技圈 - Telegram Channel
QuestMobile:豆包、DeepSeek月人均使用次数超其他AI应用
11月3日，QuestMobile发布《中国移动互联网秋季大报告》，指出国内AI应用市场的“入口大战”正接近尾声，行业竞争重点已从用户规模扩张转向高频交互和用户经营。报告认为，具备独立服务闭环的应用入口，以及能够打通服务交付的系统级入口，正在逐渐占据优势。
数据显示，2026年9月，豆包和DeepSeek的月人均使用次数分别达到72.0次和65.9次，月人均使用时长分别为132.5分钟和136.7分钟，在使用频次和时长方面领先其他AI应用。
从季度环比变化来看，两款产品呈现不同走势。豆包月人均使用次数和时长分别下降6.1%和7.8%，DeepSeek则分别增长5.8%和9.5%，用户活跃度持续提升。
报告指出，随着AI应用市场竞争深化，单纯依靠流量投放和用户规模扩张已难以形成长期优势，产品能否持续满足用户需求、提高交互频率并完成服务交付，将成为下一阶段竞争的关键。
via AI新闻资讯 (author: AI Base)
11月3日，QuestMobile发布《中国移动互联网秋季大报告》，指出国内AI应用市场的“入口大战”正接近尾声，行业竞争重点已从用户规模扩张转向高频交互和用户经营。报告认为，具备独立服务闭环的应用入口，以及能够打通服务交付的系统级入口，正在逐渐占据优势。
数据显示，2026年9月，豆包和DeepSeek的月人均使用次数分别达到72.0次和65.9次，月人均使用时长分别为132.5分钟和136.7分钟，在使用频次和时长方面领先其他AI应用。
从季度环比变化来看，两款产品呈现不同走势。豆包月人均使用次数和时长分别下降6.1%和7.8%，DeepSeek则分别增长5.8%和9.5%，用户活跃度持续提升。
报告指出，随着AI应用市场竞争深化，单纯依靠流量投放和用户规模扩张已难以形成长期优势，产品能否持续满足用户需求、提高交互频率并完成服务交付，将成为下一阶段竞争的关键。
via AI新闻资讯 (author: AI Base)
据《华尔街日报》报道，上周科技股的暴跌，使得计划参与Anthropic IPO的大型投资者们倾向于给予这家AI巨头较低的估值。
图注：Anthropic CEO阿莫代伊
据知情人士透露，过去几天，机构投资者已向Anthropic及其顾问团队表示，他们认为该公司计划于本月晚些时候进行的IPO估值应在1.5万亿美元至1.6万亿美元左右，远低于近几个月市场上流传的接近2万亿美元的估值。
投资者列出了一系列令人担忧的因素，包括股市波动不定，以及市场对AI投资敞口过大的担忧日益升温。此外，数据中心面临的政治反弹，以及亚马逊和Meta等超大规模云服务商何时能展现AI相关利润的不确定性，也令投资者心存顾虑。
Anthropic尚未最终确定估值目标，仍在考虑计划出售多少股票。在上个月投资者日之后，已有一些投资者向该公司表示，其估值应更接近1.5万亿美元。但是，这是在上周科技股遭遇两位数跌幅之前的事，包括英特尔、Alphabet在内的公司在一系列令人失望的财报后股价大跌。
一些投资者表示，他们相信Anthropic CFO克里希纳·拉奥(Krishna Rao)会设定一个保守的估值，并优先确保IPO投资者能够在股票上市首日获得一波“涨幅”。他们认为，即使Anthropic以约1.5万亿美元的估值上市，其股价也可能在首个交易日结束时推动公司市值升至2万亿美元。埃隆·马斯克(Elon Musk)旗下SpaceX在6月上市首日大涨30%，但是当时投资者对AI的普遍焦虑尚未形成。
Anthropic计划最早于下周启动面向投资者的路演推介，上市时间预计在感恩节前一周。该公司将在路演启动时公布其希望出售的股份数量和目标价格区间，以此给出目标估值。
via cnBeta.COM - 中文业界资讯站 (author: 稿源：凤凰网科技)
8GB显存也能玩转128K超长上下文！开源本地大模型工具Strata 0.2. 10 发布
开源本地 AI 工具Strata近日正式迎来了0.2.10版本更新。作为一款专为消费级显卡设计的本地大模型运行神器，本次更新在降低显存门槛、提升推理速度以及优化多显卡协同方面带来了突破性进展，让普通电脑运行千亿参数大模型变得更加轻松。
显存大幅瘦身:8GB 显卡如何玩转128K 超长上下文?
在以往的本地运行场景中，如果用户尝试在8GB 显存的设备上开启64K 甚至更高的上下文，往往会因为专家缓存空间耗尽而直接导致启动失败，甚至不得不妥协降至48K 左右。
而在 Strata0.2.10中，官方优化了底层资源分配机制:当显存不足时，系统会优先动态调整显存与内存之间的数据分配，尽最大可能保留用户设置的上下文长度。这意味着，用户现在完全可以在8GB 显存的设备上成功启动 Qwen3.8IQ3_S 等大模型，并维持高达128K（即131，072Token）的超长上下文。
其核心原理在于，Strata 会根据实时显存余量自动缩减驻留在 GPU 中的 KV 缓存窗口，必要时还会将部分缓存平摊至系统内存或硬盘。官方测试数据显示，在8GB 显存限制下开启 DFlash2模式时，生成速度可达63至73Token/s;即便是使用英特尔 Arc A7508GB 真实显卡，也能顺利启动128K 上下文并保持12.7至14.8Token/s 的生成速度。
不过，开发者也需要注意:显存硬件的压力虽然通过内存和固态硬盘得到了分摊，但也对电脑的内存配置提出了更高要求。官方建议，内存容量最好达到32GB 起步，48GB 较为合适，拥有64GB 内存才能真正从容应对各类复杂场景。
默认启用 DFlash2加速器:额外节省4GB 显存
本次更新的另一大核心亮点，是将全新的 DFlash2正式设为了默认的推测解码器。
作为一种高效的推测解码技术，DFlash2的基本逻辑是让一个轻量化的辅助模型提前预测接下来的生成内容，再交由主模型进行批量验证。相比此前使用的 MTP 推测层需要占用约5.2GB 的显存空间，DFlash2的显存占用直接大幅压缩至约625MiB，单此一项就额外节省了约4GB 的宝贵显存。
在生成速度方面，无论是 Windows 端搭载的 Ryzen AI Max、RTX PRO5000，还是苹果的 Apple M5Max 等设备，DFlash2均展现出了明显的单请求性能优势。不过，传统的 MTP 在多并发处理和硬件兼容性上依然保有独特长处，官方因此将 DFlash2定位为单请求场景下的优先策略。
多显卡分工再升级:代码编辑生成速度接近翻倍
针对拥有多张显卡的硬核极客用户，Strata0.2.10引入了全新的 All-cards Split Engine（多卡联合分割引擎）。
过去多显卡运行模型时，通常是将模型的不同层机械地分配到不同显卡上;而新版本则支持多张显卡共同处理模型的每一层，让它们同时参与并行计算。官方测试表明，在使用两张 RTX A6000在 Linux 系统下运行模型时，代码编辑任务的处理速度直接从过去的195Token/s 飙升至377至394Token/s，性能接近翻倍。
专属编程模型与 Agent 体验优化
为了满足开发者的深度需求，新版本还引入了名为 ISTA-DAS Coder 的编程专用模型。该模型基于 DeepSeek-V4.1-Flash 进行专家裁剪，在保留强大编程与 Agent 能力的同时降低了冗余开销。不过，由于其模型权重与 Engram 数据文件体积较大，首次完整下载和运行仍需要较大的存储空间支持。
此外，针对智能体（Agent）和日常图形界面的交互痛点，0.2.10版本进行了全方位的修复与升级:
当 AI 回复较长时，界面上的 Approve 和 Deny 审批按钮不会再因页面滚动而被遮挡。
允许子 Agent 接收用户后续追加的指令。
历史对话的自动摘要功能会优先匹配用户原本的语言习惯。
在 AI 正在生成内容时，用户可以自由选择等待、排队发送新消息或直接中断。
支持精准引用之前的某轮对话或选中的特定文本。
优化了 Claude Code 遇到上下文溢出时的报错提示，引导其尝试进行自动压缩。
修复了 Windows 在特定后台启动场景下因磁盘读取优先级过低导致模型加载变慢的 Bug。
目前，Strata 已经全面覆盖 Windows、macOS 和 Linux 平台，图形界面用户可通过内嵌的更新通道直接升级至最新版本，终端用户则可以通过相关命令完成更新。
via AI新闻资讯 (author: AI Base)
开源本地 AI 工具Strata近日正式迎来了0.2.10版本更新。作为一款专为消费级显卡设计的本地大模型运行神器，本次更新在降低显存门槛、提升推理速度以及优化多显卡协同方面带来了突破性进展，让普通电脑运行千亿参数大模型变得更加轻松。
显存大幅瘦身:8GB 显卡如何玩转128K 超长上下文?
在以往的本地运行场景中，如果用户尝试在8GB 显存的设备上开启64K 甚至更高的上下文，往往会因为专家缓存空间耗尽而直接导致启动失败，甚至不得不妥协降至48K 左右。
而在 Strata0.2.10中，官方优化了底层资源分配机制:当显存不足时，系统会优先动态调整显存与内存之间的数据分配，尽最大可能保留用户设置的上下文长度。这意味着，用户现在完全可以在8GB 显存的设备上成功启动 Qwen3.8IQ3_S 等大模型，并维持高达128K（即131，072Token）的超长上下文。
其核心原理在于，Strata 会根据实时显存余量自动缩减驻留在 GPU 中的 KV 缓存窗口，必要时还会将部分缓存平摊至系统内存或硬盘。官方测试数据显示，在8GB 显存限制下开启 DFlash2模式时，生成速度可达63至73Token/s;即便是使用英特尔 Arc A7508GB 真实显卡，也能顺利启动128K 上下文并保持12.7至14.8Token/s 的生成速度。
不过，开发者也需要注意:显存硬件的压力虽然通过内存和固态硬盘得到了分摊，但也对电脑的内存配置提出了更高要求。官方建议，内存容量最好达到32GB 起步，48GB 较为合适，拥有64GB 内存才能真正从容应对各类复杂场景。
默认启用 DFlash2加速器:额外节省4GB 显存
本次更新的另一大核心亮点，是将全新的 DFlash2正式设为了默认的推测解码器。
作为一种高效的推测解码技术，DFlash2的基本逻辑是让一个轻量化的辅助模型提前预测接下来的生成内容，再交由主模型进行批量验证。相比此前使用的 MTP 推测层需要占用约5.2GB 的显存空间，DFlash2的显存占用直接大幅压缩至约625MiB，单此一项就额外节省了约4GB 的宝贵显存。
在生成速度方面，无论是 Windows 端搭载的 Ryzen AI Max、RTX PRO5000，还是苹果的 Apple M5Max 等设备，DFlash2均展现出了明显的单请求性能优势。不过，传统的 MTP 在多并发处理和硬件兼容性上依然保有独特长处，官方因此将 DFlash2定位为单请求场景下的优先策略。
多显卡分工再升级:代码编辑生成速度接近翻倍
针对拥有多张显卡的硬核极客用户，Strata0.2.10引入了全新的 All-cards Split Engine（多卡联合分割引擎）。
过去多显卡运行模型时，通常是将模型的不同层机械地分配到不同显卡上;而新版本则支持多张显卡共同处理模型的每一层，让它们同时参与并行计算。官方测试表明，在使用两张 RTX A6000在 Linux 系统下运行模型时，代码编辑任务的处理速度直接从过去的195Token/s 飙升至377至394Token/s，性能接近翻倍。
专属编程模型与 Agent 体验优化
为了满足开发者的深度需求，新版本还引入了名为 ISTA-DAS Coder 的编程专用模型。该模型基于 DeepSeek-V4.1-Flash 进行专家裁剪，在保留强大编程与 Agent 能力的同时降低了冗余开销。不过，由于其模型权重与 Engram 数据文件体积较大，首次完整下载和运行仍需要较大的存储空间支持。
此外，针对智能体（Agent）和日常图形界面的交互痛点，0.2.10版本进行了全方位的修复与升级:
当 AI 回复较长时，界面上的 Approve 和 Deny 审批按钮不会再因页面滚动而被遮挡。
允许子 Agent 接收用户后续追加的指令。
历史对话的自动摘要功能会优先匹配用户原本的语言习惯。
在 AI 正在生成内容时，用户可以自由选择等待、排队发送新消息或直接中断。
支持精准引用之前的某轮对话或选中的特定文本。
优化了 Claude Code 遇到上下文溢出时的报错提示，引导其尝试进行自动压缩。
修复了 Windows 在特定后台启动场景下因磁盘读取优先级过低导致模型加载变慢的 Bug。
目前，Strata 已经全面覆盖 Windows、macOS 和 Linux 平台，图形界面用户可通过内嵌的更新通道直接升级至最新版本，终端用户则可以通过相关命令完成更新。
via AI新闻资讯 (author: AI Base)
