SiliconFlow@SiliconFlowAI精选AI 评分7070

DeepSeek-V4.1-Flash 在 SiliconFlow 上线，提供 Day 0 支持。模型为 552B MoE，prefill 阶段约激活 8B、decode 阶段约激活 16B，支持原生视觉与 1M 上下文窗口，KV cache 占用相比 V4 Flash 约缩小 4 倍，采用 MIT 许可证，主打高吞吐生产级推理。

vLLM 联合 AgentX 优化真实智能体推理服务，成本较 Opus 5 API 最多低 106×

vLLM 团队发布针对智能体负载的全栈优化方案，覆盖 KV 缓存管理、并行策略与 P/D 分离配比，并在 SemiAnalysis AgentX 公开基准上验证。

SiliconFlow@SiliconFlowAIAI 评分6262

SiliconFlow 上线 DeepSeek-V4-Flash-Vision-Exp，基于 DeepSeek V4 Flash 增加视觉理解能力，也可通过 @OpenRouter 使用。模型主打多模态智能体表现，保留强文本能力，支持 1M 上下文，采用 MIT 许可。定价为缓存输入 $0.28/M tokens、输入 $0.44/M tokens、输出 $1.32/M tokens。

DeepSeek@deepseek_aiAI 评分6363

DeepSeek 宣布实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台，可通过 model='deepseek-v4-flash-vision-exp' 调用。

Z.ai@Zai_orgAI 评分6262

智谱宣布 GLM-5.3 API 正式上线，主要面向编码、防御性网络安全和长程智能体任务。定价与 GLM-5.2 相同，可通过官方 API 及合作模型网关使用，文档见 https://docs.z.ai/guides/llm/glm-5.3。配图引用 Artificial Analysis Intelligence Index，显示 GLM-5.3 在智能与单任务成本对比中位于最具吸引力象限。

DeepSeek V4 Pro 0813 对比 Claude Fable 5：DeepSWE 上的成本、编码与路由实测

Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验，对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。

vLLM 推出 DSpark 自适应验证：按置信度调度投机解码预算

vLLM 在 PR #47808 中引入 DSpark 置信度调度验证（enable_adaptive_verification），让引擎逐步决定验证多少 draft token，而非按部署固定 num_speculative_tokens。

DeepSeek@deepseek_ai精选AI 评分7373

DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版，面向全球构建 Agent harness 的开发者开放，代码库以 MIT 许可开源，仓库地址为 https://github.com/deepseek-ai/deepseek-harness。

DeepSeek@deepseek_aiAI 评分6464

DeepSeek 宣布 DeepSeek-V4-Flash 官方 API 正式开启公测，Agent 能力大幅升级，基准成绩远超 V4-Pro-Preview，如 Terminal Bench 2.1 达 82.7、NL2Repo 达 54.2。官方版本原生支持 Responses API 格式并完全适配 Codex，配置详情见官方 API 文档 https://api-docs.deepseek.com/quick_start/agent_integrations/codex。

vLLM 发布 AFD 插件：为 MoE 推理拆分 Attention 与 FFN

vLLM 推出实验性外部插件 vLLM AFD Plugin，将 MoE 模型中的 Attention 与 FFN 拆分为可独立部署和扩缩的服务，同时保留 vLLM 原有请求生命周期与 OpenAI 兼容接口。

DeepSeek@deepseek_aiAI 评分4545

我们将把折扣永久化！🎉 尽情用 DeepSeek-V4-Pro 构建，让你的创新想法成为现实！🚀

Together AI 解析 DeepSeek-V4 服务化：百万 token 上下文为何是推理系统工程问题

Together AI 发文解析 DeepSeek-V4 的服务化挑战，认为其核心变化是在 token 轴压缩 KV cache 的混合注意力设计（CSA、HCA、SWA），使模型支持 1M token 上下文窗口。

DeepSeek@deepseek_aiAI 评分3636

DeepSeek-V4-Pro 折扣已延长至 2026 年 5 月 31 日 15:59 UTC！

DeepSeek-V4 Pro 上线 Together AI，Serverless 支持 512K 上下文

Together AI 宣布 DeepSeek-V4 Pro 上线，提供 Serverless Inference（512K 上下文）与 Dedicated 部署（完整 1M 上下文、预留容量）。

DeepSeek@deepseek_ai精选AI 评分6666

DeepSeek 宣布即刻起整个 API 系列的输入缓存命中价格降至原价的 1/10。图中显示 DeepSeek-V4-Pro 缓存命中输入价为 $0.003625，DeepSeek-V4-Flash 为 $0.0028；DeepSeek-V4-Pro 75% 折扣促销持续至 2026 年 5 月 5 日 15:59（UTC）。

Together AI 用分布感知推测解码将 RL rollout 加速最高 50%

Together AI 提出分布感知推测解码（DAS），在 RL 后训练中最高减少 50% 的 rollout 时间且不改变模型输出。DAS 由自适应后缀树草稿器和长度感知调度两部分组成，前者无需梯度更新即可持续适配策略变化，后者通过跨 GPU 负载均衡与 GPU 内推测预算分配削减长尾请求。