Unemployment Labs 對已發布模型權重的取證分析發現，來自 DeepSeek、Moonshot AI、MiniMax 和螞蟻集團的六個模型是在 NVIDIA Blackwell 硬體上初始化，而同一批實驗室較早的模型則與 Hopper 相符。該方法從保留的權重中還原每個模型的隨機種子和執行緒佈局，作者表示這些匹配已在實體 H100、B300 和 GB200 晶片上重現。報告估計每次訓練運行在兩到三個月內需要大約 500 到 3,000 塊 Blackwell GPU，並指出這些證據並未確定晶片所在位置，也未確定是否違反了出口管制。
推薦理由：該報告僅從已發布的模型權重中得出硬體證據，提供了一種可重現的方法，無需依賴洩露即可追蹤是哪種 GPU 初始化了模型。
OpenRouter 發布了一份指南，說明如何以你自己應用程式的輸入對 LLM 進行基準測試，用程式碼為輸出評分，並比較準確率、計費成本和請求時間。在其 60 項合成任務中，GPT-6.1 Sol 在三次重複中共通過 180/180 次試驗，而 DeepSeek 的通過次數為 157/180，回應成本最低。與公開排名的吻合度較弱，Spearman 相關係數為 0.109。
vLLM 報告指出，在單一 NVIDIA Vera Rubin NVL72 機架上服務 DeepSeek-V4.1-Flash，每 GPU 達 1.7M tokens/s、每位使用者 387 tokens/s，為 GB300 NVL72 的 58 倍，峰值達 2.52M tokens/s，單一使用者可達 1,810 tokens/s。這些增益來自為 Rubin 分割記憶體域與 FP4 張量核心重建的 kernel、專用的 TP8 解碼路徑，以及透過 NVLink 共享的整機架 KV 與 Engram 池。透過整機架的前綴池化與 Dynamo 的工作負載感知路由，即使在高併發下前綴命中率仍維持在 96.5-97%。
推薦理由：vLLM 第三篇 DeepSeek-V4.1-Flash 文章詳述 Rubin 專用 kernel 與整機架記憶體池化如何將吞吐量提升至 GB300 NVL72 的 58 倍，為大規模服務優化提供了具體參考。
烏蘭察布曾是內蒙古一座鮮為人知的城市，隨著資料中心遍布其草原，如今已成為新興的AI運算樞紐，吸引來自中國各地的年輕勞工。快手於2023年在當地啟用其首座自建資料中心，DeepSeek則於今年4月刊登資深維運職缺，月薪最高達3萬元人民幣（4,200美元）。如今勞動市場已趨於飽和，雇主紛紛提高招聘門檻，有些甚至只考慮學士學位持有者。
Apple 本週在中國的 Apple Intelligence 中開始對 Qwen 進行開發者測試，為計劃於 12 月隨 iOS 27.3 推出的正式版本做準備，將以選擇加入的方式把 Qwen 引入 Siri、Writing Tools 和 Visual Intelligence。騰訊 11 月 4 日發布的 Hy4 新增視覺推理與電腦操作能力，而百度、Moonshot、螞蟻集團和美團也發布或推出了新模型。
NVIDIA Research 與 Inferact 的 REINFORCE Zero 論文顯示，對齊 rollout 與訓練器的核心，可讓未裁剪的 token 級重要性取樣修正剩餘的權重延遲，在策略延遲 64 下穩定訓練 20,000 次更新，並在核心對齊時達到同步訓練 2.40 倍的訓練步吞吐量。使用標準核心時，rollout 到學習器的 KL 中位數在整個訓練過程中上升 83.33 倍，線上 AIME24 pass@1 從 34.27% 降至 13.96%，而序列閘門雖能穩定訓練，但在最後 1,000 次更新時會拒絕 24.48% 的序列。零不匹配設定現已涵蓋 DeepSeek-V4.1-Flash、發布當日的 Kimi K3.1，以及在 AMD MI355X 上的 DeepSeek-V4-Flash 與 Kimi K3.1，程式碼位於 Inferact/zero-mismatch-rl 與 NVIDIA-NeMo/labs-molt。
推薦理由：NVIDIA Research 與 Inferact 將非同步 RL 的 rollout 與學習器差距拆分為權重延遲與核心不匹配，顯示對齊核心可讓未裁剪的重要性取樣在策略延遲 64 下維持穩定訓練。
DeepSeek 的粉絲自製動漫吉祥物「鯨魚女孩」，暱稱「大胖藍魚」，在創作者 ZipZipPipe 使用 GPT Image 2 改編早先角色後於 Bilibili 爆紅，熱度在 DeepSeek-V4.1-Flash 發布前後達到高峰。該角色從未獲得 DeepSeek 官方認可，卻反映出更廣泛的轉變：中國 AI 實驗室從 ERNIE、GLM 等英文縮寫，轉向文心、千問等中文名稱，再轉向字節跳動豆包這類貼近人心的擬人化形象。
Import AI 479 涵蓋 Realtime-Bench，這是一套包含 50 項任務的基準測試，由 UT Austin、Ohio State、UIUC、NVIDIA、Northwestern 與 Steadyworks 的研究人員打造，包含 30 項網頁任務與 20 項遊戲任務，用來測試前沿模型能否在即時壓力下行動。GPT-6 Astra（high）取得最高的實際耗時通過率 36%，而在暫停計時的執行中，高推理模型可達到約 70% 至 80%。本期亦涵蓋國防情報局的「Challenges to Security in Space」報告與 Genie 4。
CXMT 公布第三季淨利 544 億元人民幣、營收 1,187.1 億元人民幣，年增 613.2%；路透社稱其已向國內晶片設計商送出 HBM3E 樣品，儘管良率僅 20–30%，仍計劃在兩個月內進行有限量產。宇樹科技上市後首份財報顯示，第三季營收成長 69.9% 至 6.65 億元人民幣，研發支出增加約 250%。Moonshot 推出具備百萬 token 上下文窗口的 Kimi K3.1 Pro，隨後為速率限制致歉，並恢復訂閱用戶每月額度的四分之一。
據報導，DeepSeek 以 5000 億人民幣投前估值募得約 1000 億人民幣，騰訊與寧德時代為最大投資方之一。Moonshot AI 推出 Kimi K3.1 Pro，具備一百萬 token 上下文窗口，並推出號稱運行速度快兩到三倍的高速版，在 Terminal-Bench 4.0 上得分 65.7%。中國國務院發布指導意見，涵蓋六大領域共 18 項任務，將 AI 驅動的就業創造與應對失業的措施相結合。
SemiAnalysis 檢視了華為與 DeepSeek 的合作，對 Ascend 950PR（28 個 cube 核心、128 GiB HBM）進行基準測試，並回顧 DeepSeek 於 9 月 30 日發布對 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect 的 Ascend 支援。950PR 達到 1.6384 TB/s 峰值 HBM 頻寬，在小訊息尺寸下頻寬利用率勝過 H100，而其運算達成/可達比例中位數為 41.5%，H100 則為 46.8%；目前僅 TileLang 可用，因為撰寫時所需的 CANN 9.2.0 尚未發布。作者主張，儘管華為硬體落後，其軟體堆疊已接近前沿，並指出多數最佳化針對超級節點，而 vLLM-Ascend 在 x86 主機上仍無法開箱即用。
中國商務部與科技部擬將AI模型、代理、晶片設計與運算叢集納入技術出口管制目錄，草案規則將API、應用程式與SaaS存取排除在外。據報導，DeepSeek計劃領投機器人AI新創Winverse AI的種子輪，而Infinigence AI完成23億元人民幣C輪融資。DeepSeek亦發布V4.1-Flash-1017，權重採MIT授權，並具備100萬詞元上下文視窗。
DeepSeek 機器學習與核心工程師劉勝宇的一篇部落格文章在網路上爆紅，他質疑前沿 AI 如今是否能夠自行優化其低階 GPU 程式碼，並將 Anthropic 執行長 Dario Amodei 比作阿道夫·希特勒。這篇文章引來《南華早報》與《商業內幕》等媒體報導，放大了關於誰該掌控先進 AI 的爭論。
DeepSeek V3 每秒處理的 token 數比 R1 多 47%，每百萬輸出 token 收費 0.28 美元；R1 每百萬收費 2.19 美元，並會針對較難的任務執行內部推理迴圈。R1 在 MATH-500 上得分 97.3%、在 AIME 2024 上得分 79.8%，V3 則分別為 90.2% 與 39.2%。多數團隊會把 80-90% 的簡單查詢導向 V3，並將複雜的推理工作交給 R1。