EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

EasyVibeCoding Podcast episodes

  • Google DeepMind 與 EVE Online 團隊合作,用離線沙盒研究 AI 的長期記憶與規劃

    Google DeepMind 與 EVE Online 團隊合作,用離線沙盒研究 AI 的長期記憶與規劃。

    Google DeepMind 回顧從 Atari、圍棋到 EVE Online 的遊戲 AI 研究;右側四格包含迷宮、棋盤、3D 遊戲場景與 EVE Online 星艦戰鬥。

    為什麼選 EVE Online

    Google DeepMind 與 Fenris Creations 的研究合作,會先從一套架在本機伺服器、與正式世界 Tranquility 分開的離線 EVE Online 開始。研究人員將在這個受控環境裡使用模擬與歷史資料,不會直接拿玩家共同經營的 New Eden 當實驗場。

    EVE Online 的難處,在於世界不會在一場比賽後重置。市場持續變動、資源有限、資訊不完整,數十萬名玩家又各自有不同目標。AI 代理不只要學會打贏一場戰鬥,還得在不知道全貌的情況下做決策,因應別人介入,判斷對方會合作還是背叛,並承擔幾個月甚至幾年後才浮現的結果。

    四項研究挑戰

    持續學習(continual learning):世界改變時學會新能力,同時不忘記原本會的事。 深層記憶(deep memory):保存並取回遠超過目前模型上下文視窗的資訊。 長期規劃(long-horizon planning):推演數週、數月到數年後的影響。 多代理互動(multi-agent dynamics):處理合作、競爭、談判、經濟活動與大規模互動中自然出現的行為。

    先離線研究,再談遊戲內應用

    Google DeepMind 表示,研究之後可能延伸到 EVE Universe 的不同環境。EVE Frontier 的可程式化組件 Smart Assemblies 與可延伸架構,適合探索 AI 如何適應新規則,以及人類與 AI 代理如何在開放世界共存;EVE Vanguard 則提供節奏更快的第一人稱戰術情境。只有當能力夠成熟、確定能讓玩家體驗更好時,團隊才會考慮把成果帶進 EVE Online 或 EVE Vanguard。

    Fenris Creations 也把界線說得很清楚:不做替玩家遊玩 EVE 的系統,也不建立凌駕遊戲規則的自動化層。只要一項技術會消除風險、繞過後果,或代替玩家做決定,就違背 EVE 的核心。未來若真的採用智慧系統,也必須遵守世界規則,增加更有意義的選擇,而不是把選擇拿走。

    Tranquility 累積了 23 年的玩家歷史、組織、戰爭與經濟決策,因此不能被當成一般測試場。相較之下,專用測試伺服器能讓研究團隊安全試驗,也能讓玩家自行選擇是否參與。

    已經上線的功能,與仍在研究的方向

    目前 EVE 已有一項和 Google AI 技術相關的實際功能:Aura Guidance 使用 Gemini 整理 Rookie Help 裡的玩家問答,協助新手理解遊戲。不過,這和本次離線研究、EVE Frontier 的後續探索,以及可能的半自主治理系統並不是同一件事;後三者仍是研究方向,不能當成已發布功能。

    研究成果未來可能用於測試複雜系統、觀察模擬經濟中的變化如何擴散,或幫助新手理解大量遊戲路徑。至於用半自主系統在沙盒中創造更多衝突、機會與互動,官方只把它列為長期探索方向,沒有承諾一定會做。

    從遊戲研究走向真實世界

    這項合作延續 Google DeepMind 十多年來以遊戲研究 AI 的路線:從 Atari、AlphaGo、AlphaStar,到讓代理透過螢幕、鍵盤與滑鼠理解 3D 世界的 SIMA,遊戲一直是測試學習、推理與規劃能力的場域。EVE Online 下一步要補上的,是持續世界裡更複雜的人類互動與長期後果。

    雙方的長期目標,是和遊戲開發者一起找出新的玩法,讓遊戲更容易上手、更符合不同玩家需求,也把研究得到的能力帶到現實問題與科學發現。不過這項 EVE Online 研究仍在早期階段,Fenris Creations 明確表示,目前不承諾研究最後一定會走向哪裡。

    原文:https://easyvibecoding.app/curated/3106-google-deepmind-eve-online-offline-ai-research

    5 min
  • Tibo 預告修正 Codex 快取命中率問題,付費訂閱額度將完整重置

    Tibo 預告修正 Codex 快取命中率問題,付費訂閱額度將完整重置。

    官方診斷 Tibo 在 X 貼文 表示,部分使用者的快取命中率低於過去穩定週期,可能導致使用量更快耗盡。三個主要來源包括:

    長時間工作階段經歷多次內容壓縮(compaction)時,圖片處理效率不佳。 Computer History 的 p95+ 使用量偏高。 對話標題功能消耗的使用量超出原先預期。

    團隊預計隔日推出修正,並完整重置所有付費訂閱的使用額度;另一套效率改善方式將於下一週調查,但尚未公布可量化的成果。

    重置時間 在後續 討論串 中,Tibo 說明付費訂閱重置預計於隔日太平洋時間下午 2 點左右進行,並更正先前寫成「14pm」的時間。

    社群疑慮 Alex Getman 指出,快取命中率下降可能讓使用量迅速增加,也質疑問題為何未能及早被發現。他希望 Codex 提供快取統計,以及訂閱使用量與 API 等值用量之間更清楚的對照,並認為使用量透明度不足才是核心問題。另一位作者則解釋,長上下文的 Agent 工作流程一旦發生快取未命中,就必須重新處理上下文;但其中提到的數值折扣範圍只是作者主張,不能視為 Codex 訂閱換算率的獨立驗證。

    原文:https://easyvibecoding.app/curated/3103-tibo-previews-codex-cache-hit-rate-fix-subscription-reset

    2 min
  • Vero 測試 GPT-5.5 xhigh 在真實專案中同時完成程式碼與證明,90 分鐘解決 27/43 個實例

    Vero 測試 GPT-5.5 xhigh 在真實專案中同時完成程式碼與證明,90 分鐘解決 27/43 個實例。

    最強的 GPT-5.5 xhigh 設定在 90 分鐘限制內,於 code-and-proof 模式完成 27/43 個實例。

    測試設計 Vero 收錄 43 個源自真實專案的多模組 Lean 4 儲存庫,涵蓋 Python、Dafny、Verus 與 Coq 等來源語言。每個實例都提供固定 API、人工整理的規格與參考實作,要求 Agent 在既定介面與規格下完成工作。

    Vero 的端對端建構與評估工作流程圖,分為 1 BENCHMARK CURATION(包含 1A REAL-WORLD REPOSITORIES、1B HUMAN-GATED CURATION、1C CURATED LEAN 4 BENCHMARK)、2 AGENT GENERATION(包含 2A PROOF-ONLY MODE 與 2B CODE + PROOF MODE)以及 3 EVALUATION(包含 3A INDEPENDENT GRADER 與 3B FORMAL AUDIT ROUTE),下方附有標題 Figure 1 與詳細說明文字。

    proof-only:只合成機器可檢查的證明。 code-and-proof:同時實作程式碼並完成證明。

    評測結果 @dawnsongtweets 表示,最強設定在 code-and-proof 模式完成 27/43 個實例;在 proof-only 模式則完成 25/43 個。這組結果顯示,當任務從單純證明擴大到同時實作程式碼與證明時,仍有許多實例無法在有限時間內完全解決。

    Vero 基準測試包含 43 個實例,其中 Track 1(形式化)在 APIs、Specs 與 Source LoC 的平均數皆高於 Track 2(非形式化)。

    方法與可信度 Vero 另設稽核機制,用於處理規格或參考實作彼此不一致的情況,避免評測結果受到不合理題目條件影響。官方貼文附上的結果圖比較兩種模式下的模型表現,而〈Vero 基準測試論文〉提供正式方法與完整的測試規範。

    原文:https://easyvibecoding.app/curated/3105-vero-tests-gpt-5-5-xhigh-code-proof-27-of-43

    3 min
  • Anthropic 透過 eli5 skill 把複雜主題轉成大圖少字的 HTML 說明

    Anthropic 透過 eli5 skill 把複雜主題轉成大圖少字的 HTML 說明。

    這套做法面向完全不熟悉主題的讀者,以大型圖片和極少文字降低理解門檻。

    使用方式 2026 年 8 月 21 日的介紹指出,使用者只要在指令後提供想了解的主題即可,例如 /eli5 how does DNS work。Anthropic 官方社群程式庫將 eli5 描述為「Explain any topic like I'm 5.」,也就是用五歲孩子能理解的方式解釋主題。

    skill 設計 官方 skill instruction 會把使用者輸入放進 $ARGUMENTS,並要求模型依下列規則產出內容:

    `text Explain like I'm someone who knows nothing about this topic, using a HTML artifact with big pictures and few words. Topic: $ARGUMENTS `

    Discord bot 的運作原理與多步驟互動流程圖解

    這個 skill 可依主題自動產生大圖少字的 HTML 說明,DNS 等抽象概念只是官方示例;原文沒有宣稱評測成效、特定涵蓋範圍或正式產品支援。

    原文:https://easyvibecoding.app/curated/3095-anthropic-eli5-skill-converts-complex-topics-html-guides

    2 min
  • Claude Code Remote Control 改善跨裝置連線,手機可在指定機器與資料夾啟動並同步 session

    Claude Code Remote Control 改善跨裝置連線,手機可在指定機器與資料夾啟動並同步 session。

    核心更新 @ClaudeDevs 表示,Remote Control 是使用者最希望修正的功能之一,團隊因此集中改善可靠性:

    手機可選擇已執行 claude remote-control 的機器與目錄,直接啟動 Claude Code session。 電腦與手機即時同步;筆電恢復 session 時,手機不會錯誤封存,Claude Code 結束後數秒內會顯示離線。 筆電短暫關閉或切換 Wi-Fi 後,連線會自動恢復。 模型與推理強度會在手機和 CLI 間同步;iOS 開啟大型 session 的速度也更快。 /clear 會重設手機畫面,/compact 顯示壓縮標記,/diff 開啟原生差異檢視視窗。

    來源:@ClaudeDevs(回覆)|黑色背景的行動版介面,頂部中央顯示標題「Code」,上方選單包含選單圖示;下方為「Devices」區塊,帶有一個包含綠色指示燈與筆電圖示的「Lydias-MacBook-P」按鈕以及新增按鈕「+」;更下方為「Sessions」區塊,右側設有「All」下拉選單,並列出一筆狀態為「Connected」的「lydias-macbook-pro-local-buzzing-p...」工作階段項目。

    使用範圍與限制 Remote Control 目前是研究預覽版,提供給 Pro、Max、Team 與 Enterprise 方案;不支援 API 金鑰,Team 和 Enterprise 必須由管理員啟用 Remote Control。Claude Code 需使用 v2.1.51 以上版本;Visual Studio Code 的 /remote-control 指令則需 v2.1.79 以上。它會跨裝置同步,並在睡眠或網路中斷後自動重連,但執行中的本機處理程序不能停止;中斷約 10 分鐘後,session 會逾時並結束。

    安全進度 Lydia Hallie 確認團隊已根據大量回饋推出多項改善。Boris Cherny 表示,Remote Control 今年稍早推出後,團隊持續處理手機啟動筆電 session 的預設安全性;設計包含裝置信任與驗證、提示注入防護等組件。現有功能已可使用,後續仍會有安全更新。

    原文:https://easyvibecoding.app/curated/3092-claude-code-remote-control-cross-device-session-sync

    3 min
  • Marin 公開訓練 535B-A23B:以即時紀錄提高大型模型訓練透明度

    Marin 公開訓練 535B-A23B:以即時紀錄提高大型模型訓練透明度。

    公開訓練計畫 Percy Liang 表示,535B-A23B 已於 2026 年 8 月啟動訓練。整體行程規劃將 80% 用於 pretraining、20% 用於 midtraining,在 11 座 GB200 NVL72 上運算約 3 個月,預計處理 18.75T token、消耗約 2.7e24 FLOPs,post-training 之後再進行。Mary Newhauser 認為,這可能是目前最開放、最透明的模型訓練之一,但也指出 OLMo 3 的公開程度同樣令人印象深刻。

    資料與可稽核性 公開資料集包含 23.11T token,分布於 40 個語意領域與五個品質分級。Harrier K40 overview 以涵蓋資料庫 94.6% token 的確定性對齊樣本估算來源組成;各欄位比例可精確計算,但來源組成仍只是稽核估算,不是完整的來源歸屬。

    Scaling ladder 與觀測 正式 Hero Run 前,團隊先用四階 scaling ladder,從 1.6B-A61M、48B token 測到 27.7B-A1.2B、926B token,用來除錯、預測最終損失,也檢查中間 checkpoint 是否符合進度。公開的 W&B 報告提供五次 run 與即時圖表,包括 MFU、每秒 token 數、MoE 丟棄比例、參數範數、梯度範數與交叉熵損失;整套效能追蹤約占總運算量的 1%,預計持續約 100 天。

    Marin 模型訓練進程中各 scaling ladder 配置與 hero 跑實驗的 train/crossentropyloss 曲線變化,顯示 rav-ladder 系列模型的維度越大(從 d768-v2 至 d2048-v3),其 cross-entropy loss 越低。

    模型與實作細節 公開的 launchscalingladder.py 以五種模型寬度實作同一套 hero-shape recipe:

    每個階段使用 384 個 routed experts 與 top-8 routing。 採用 hidden/2-wide experts、pooled-wave transport,以及 Harrier 2026.08.18 two-phase mixture。 評估使用 dropless held-out evaluation。 規模從 d768、48B token、61M active/1.6B total parameters,擴展到 d6144 Hero Run。Hero Run 的公開規格為 18T token、23B active/535B total parameters,約需 2.7e24 FLOPs。 step budget 以每個 active parameter 791 token 設定,梯度範數與參數範數每 10 steps 記錄一次。

    hero · 535B-A23B · 18T tok 在 dropless paloma macro-loss 指標上全程保持最低損失並領先其餘各規模模型。

    工程與不確定性 issue #8435 指出,完整方案是 EP64 MoE pretrain,規格為 535.3B total、22.76B active parameters 與 18.0T token,並在 GB200 上使用手工打造的 pooled-wave expert-parallel all-to-all 實作。團隊同時公開 JAX/GPU Expert Parallel、硬體規格、context 從 4k 延伸至 8k、65k、262k 的訓練指標,以及長上下文 RL 的 cooldown 實驗設計;Percy Liang 也坦言這是團隊迄今最大規模的 run,因此過程中仍可能遇到意料之外的問題。可查看 Harrier K40 資料報告、W&B 即時報告 與 Marin issue #8435。

    來源:@mnewhaus|瀏覽器介面呈現 535B-A23B 18T Token Hero Run 與 Scaling Ladder 專案實驗的多項訓練損失與效能評估圖表與執行列表;evaldropless/paloma/macroloss 的可見最低曲線為 rav-ladder-d2048-v3。

    瀏覽器介面呈現 535B-A23B 18T Token Hero Run 與 Scaling Ladder 專案實驗的多項訓練損失與效能評估圖表與執行列表;eval_dropless/paloma/macro_loss 的可見最低曲線為 rav-ladder-d2048-v3。 影片中的 Prompt 與操作:

    操作步驟: 1. @00:03捲動頁面檢視 Scaling Ladder 圖表與執行狀態列表 2. @00:05游標懸停在圖表數據點上檢視詳細數值 3. @00:08向下捲動瀏覽更多訓練監控圖表

    原文:https://easyvibecoding.app/curated/3094-marin-releases-535b-a23b-training-transparency-records

    5 min
  • DeepSeek v4 Flash 調價五倍後日用量跌至高峰一半以下,暴露低價模型供應瓶頸

    DeepSeek v4 Flash 調價五倍後日用量跌至高峰一半以下,暴露低價模型供應瓶頸。

    使用量暴增 Jay 指出,DeepSeek v4 Flash 的 18T token 日用量接近讓 OpenRouter 的每日總量翻倍,也可能占 DeepSeek 全部用量的 30% 至 50%。他認為,兩週內出現這種規模的跳升並不正常,主因有兩點:
    價格極低,比 Fable 便宜 350 倍、比 5.6 Sol 便宜 175 倍、比 Sonnet 便宜 70 倍、比 Luna 便宜 7 倍。
    相較前一代 Flash model,能力有明顯改善,讓使用者第一次感受到「便宜到不必計量」的 AI。
    調價造成反效果 DeepSeek 在 8 月 16 日將尖峰時段價格調升為五倍,離峰時段調升為兩點五倍;結果模型成長幾乎完全停滯,日用量降至高峰的一半以下。Jay 猜測,DeepSeek 可能確實無法承受原本六倍的流量躍升;此外,GPU 價格上漲也意味著即使取得新容量,仍難以維持原先價格。
    低價來源與供應瓶頸 Jay 推測,DeepSeek Flash 使用了客製化基礎架構,能快取更多 token 並維持更長時間。OpenCode 因此持續尋找供應商填補每日近 10T token 的缺口,但能匹配原始價格的業者只有少數,而且多半可能依賴較新的硬體。要支撐目前吞吐量,估計需要約 1,000 張 B300;即使供應商有能力以原價提供服務,也很難準備足夠容量。這也是近幾天 Go 上的 DeepSeek Flash 使用體驗不穩定、服務不斷更換供應商的原因。
    市場機會 這個每日 10T token 的缺口,對其他 model lab 是明確機會:市場顯然需要一個能力至少相當、價格同樣低廉的模型;在 Jay 看來,DeepSeek Flash 的原始價格甚至可能只是市場可接受的底線。

    原文:https://easyvibecoding.app/curated/3073-deepseek-v4-flash-daily-usage-surges-sixfold

    3 min
  • JetBrains 調查:AI coding agents 每週使用率達 90%,Claude Code 採用率升至 39%

    JetBrains 調查:AI coding agents 每週使用率達 90%,Claude Code 採用率升至 39%。

    JetBrains 發表的主題投影片,標題為「AI Coding Agents: Adoption Trends,Evidence from the Developer Ecosystem Survey 2026」,背景為黑色與紫色、桃紅色交織的幾何流動漸層曲線。
    調查結果 這份進行到第十年的全球調查涵蓋超過 15,000 名專業開發者;2026 年 5 至 7 月,全球有 90% 的受訪者每週至少在工作時使用一次 AI coding agents,68% 每天使用。JetBrains 認為,這組數據也提醒大家:一年前採用率僅 3% 的工具,如今可能成為市場領導者,因此綁定單一 AI 供應商會帶來實際風險。開發者能不能在不改變工作方式的情況下切換 agent,正變得和 agent 本身一樣重要。
    Claude Code 以 39% 使用率躍升為市場最普及的 AI coding agent,Codex 亦展現最快成長速度達到 16%。
    市場變化 Claude Code 已成為最廣泛採用的 AI coding agent,採用率從 2026 年初的 18% 升到 5 至 7 月的約 39%,約是 GitHub Copilot 的兩倍;美國採用率更達 47%。Codex 則從 3% 成長約五倍至 16%,產品知名度也從 27% 升到 65%。相較之下,GitHub Copilot 從一年前的 29% 降到 21%,但在開發者中的知名度仍有 79%。
    Claude Code 在開發者知曉度達到 79%,與 GitHub Copilot 並列第一,而 Codex 則展現最快的成長趨勢。
    其他工具 調查也顯示其他工具走勢不同:
    Cursor 的知名度從 69% 升至 75%,採用率卻由 18% 降至 12%;中國的降幅最明顯,從 28% 降至 16%。
    開源 coding agent OpenCode 的採用率達 7%,知名度則達 42%,即使背後沒有大型公司品牌。
    Google Antigravity 的採用率維持 6%,知名度由 29% 升至 47%;在印度,採用率從 10% 升至 15%,幾乎與 Cursor 並列第三。
    JetBrains AI 在 IDE 及/或 Junie 中的使用率約為 9%。
    Claude Code 以 39% 採用率成為最廣泛使用的 AI coding agent,Codex 則展現最快成長速度。
    JetBrains 生態系 JetBrains 表示,Claude Agent、Codex、GitHub Copilot 與 OpenCode 已直接整合至 JetBrains IDE 的 AI chat,其他 agent 也可透過 Agent Client Protocol(ACP)加入;Codex 亦能使用 OpenAI API key 或 ChatGPT 訂閱。JetBrains 也正在預覽 Air,讓開發者把多個 coding agents 放進一致的工作流程,並用 JetBrains Central 管理跨工具與環境的 agent-driven development。完整數據可參閱 JetBrains 的調查文章。
    一位戴著黑色細框眼鏡、蓄著短鬍鬚的男士半身肖像,身穿淺色燈芯絨襯衫內搭白色T恤,背景為淺色牆面。

    原文:https://easyvibecoding.app/curated/3077-jetbrains-survey-ai-coding-agents-weekly-use-claude-code

    3 min
  • Claude Security 在 Claude Enterprise 公開 beta 採用 Mythos 5 掃描程式碼並回傳可審核修補建議

    Claude Security 在 Claude Enterprise 公開 beta 採用 Mythos 5 掃描程式碼並回傳可審核修補建議。

    Claude Security 更新 Claude 於 2026 年 8 月 22 日宣布,Claude Security 現可由 Claude Enterprise 客戶使用 Mythos 5 執行安全掃描,不需要另行取得 Mythos 5 的模型存取權,也不需購買額外附加方案。掃描費用依現有方案的標準 token 用量計算。
    深色背景的宣傳畫面左側帶有標題文字「Scan your codebase with Claude Mythos 5」,右側為「New security scan」設定對話視窗,包含 Repository、Branch、Scan scope、Model 與 Effort 下拉選單,其中 Model 已選取 Mythos 5,下方並浮現帶有載入圖示的「Scanning...」提示與 Cancel、Start scan 按鈕。
    掃描與修補流程 使用者可將 GitHub repo 指定給 Claude Security。Mythos 5 會追蹤跨檔案的資料流,分析不同元件如何互動,再針對程式碼中的漏洞回傳具體結果:
    CWE(Common Weakness Enumeration)分類
    信心度與嚴重性評級
    建議修補方式
    使用者可在 Claude Code on the web 開啟建議的 patch;互動式修補會使用團隊原本可用的 model,而不是因此取得 Mythos 5 的直接使用權。每個 patch 都必須由人工審查並核准後才能實作,Claude Security 也只回傳掃描結果與修補建議,不會暴露 Mythos 5 的原始輸出或模型本身。
    安全存取邊界 Claude 強調,直接操作模型時,惡意使用者可能嘗試引導模型執行有害的網路攻擊;相較之下,若使用者只能取得漏洞警示或修補 patch 等特定產物,風險較低。因此 Mythos 5 會在掃描背後執行,使用者無法透過 Claude Security 要求模型替漏洞開發 exploit。Claude 與合作夥伴也會加入濫用防護措施,確認模型維持在預定的防禦範圍內。
    擴大防禦能力 這項功能是 Claude 將 Mythos 5 提供給更多防禦者的一部分。Claude 表示,正在與網路安全產品及服務夥伴合作,把 Mythos 5 整合到既有的安全作業、事件回應、威脅情報與偵測工程工具中;終端使用者將透過為特定任務設計的介面取得結果,而非直接和 Mythos 5 互動。
    橘色背景中央有一個手繪風格的白色掛鎖圖案,掛鎖上有黑色的外框線條與一處鑰匙孔造型。
    開源安全與驗證計畫 Claude 同時宣布新的 Defender Advantage Fund(0xDAF),提供 3,500 萬美元的 Claude credits,支援組織修補廣泛使用的開源專案漏洞、自動化掃描與修補流程,以及研究能抵禦整類攻擊的安全方法。初期會先發放少量較大型的 pilot grants,並在未來幾週公布首批受助者;這項工作延續 Project Glasswing 先前提供的 400 萬美元直接捐款與開源安全支援。
    此外,Claude 預計在未來幾週擴大 Cyber Verification Program:讓通過審核的防禦團隊在 Opus 與 Sonnet 上取得更廣泛的雙重用途能力與較少的安全阻擋,並逐步加入 Mythos 等級的防禦能力。相關計畫詳情見 Claude 官方說明。

    原文:https://easyvibecoding.app/curated/3079-claude-security-enterprise-beta-mythos-code-scanning-repair

    4 min
  • DeepSeek 推出 DeepSeek-V4-Flash-Vision-Exp,讓多模態 Agent 結合視覺理解與工具使用

    DeepSeek 推出 DeepSeek-V4-Flash-Vision-Exp,讓多模態 Agent 結合視覺理解與工具使用。

    發布重點 DeepSeek 在 2026 年 8 月 21 日宣布,DeepSeek-V4-Flash-Vision-Exp 已可透過 DeepSeek API Platform 使用。官方表示,這個實驗性模型在文字任務上具備與 DeepSeek-V4-Flash 相當的 agents、推理與世界知識能力;在多模態 agent benchmark 上則較 DeepSeek-V4-Flash 有明顯躍升,表現接近 Opus 4.8。DeepSeek Harness 0.1.1 也在同日發布,加入對新模型的開箱即用支援。
    DeepSeek-V4-Flash-Vision-Exp 在純文字 Agent 評測能力上與 DeepSeek-V4-Flash 相當,並在多模態 Agent 評測的 Agents' Last Exam 與 ZeroBench 表現優於 Opus-4.8。
    Agent 工作流程 多模態輸入讓 Agent 能把視覺理解與工具使用結合,處理更多實際工作。DeepSeek 表示,DeepSeek-V4-Flash-Vision-Exp 可在各種 Agent 框架中運作,適合讀取畫面、分析圖表,以及由影像觸發後續工具流程。OpenRouter 的公告進一步宣稱,該模型在文字 agent benchmark 上匹配 DeepSeek-V4-Flash 0731,並在 Agents' Last Exam 與 ZeroBench 擊敗 Opus 4.8;這些數據屬於發布方與平台的說法,摘要未將其視為獨立第三方驗證結果。
    來源:@ZenMuxAI(回覆)|以藍色漸層背景為基底的簡報畫面,上方中央偏左印有帶章魚圖示的 ZenMux 品牌 logo,右側為帶鯨魚圖示的 deepseek logo,中間以垂直分隔線隔開;下方中央置有帶鯨魚圖示的 deepseek logo,右側以白色大字顯示「DeepSeek V4 Flash Vision Exp」產品版本名稱。
    模型規格與供應管道 API 使用的模型識別字串是 deepseek-v4-flash-vision-exp。DeepSeek 表示,圖片會轉換為 token 計費,每張最多 384 tokens,價格依照 V4-Flash。模型支援 Chat Completions、Messages 與 Responses API,也接受文字與圖片混合輸入;圖片可透過 base64、外部 URL 或 Files API 提供。
    目前除了 DeepSeek API Platform,也可在 OpenRouter、Vercel AI Gateway、OpenCode Go 與 ZenMux 使用。Vercel 的公告稱此版本具備 1M context window,工具使用、推理與快取行為維持原有方式;Vercel AI Gateway 以供應商定價提供服務,不加收推論平台費用,包括 BYOK 請求。Vercel 同時提醒,-exp 代表實驗性版本,行為可能變動,若用於 production path,應設定 fallback model。ZenMux 則宣布提供一週免費使用;其頁面宣傳的架構為 284B MoE、13B active,但這是平台貼文中的資訊,並非 DeepSeek API 文件列出的規格。
    DeepSeek Harness 專案介紹首頁與核心功能展示
    DeepSeek Harness 動圖展示的 DeepSeek Harness 首頁以「Everything is a plugin」為核心概念,並標示專案為開放原始碼、developer preview。畫面提供以下取得與啟動方式:
    `bash
    git clone https://github.com/deepseek-ai/deepseek-harness
    npx deepseek-ai/st-ui web
    `
    畫面也列出 View on GitHub、Developer docs 與 Community plugins 等入口。其設計說明將模型視為 Agent 的靈魂,harness 則負責讓 Agent 理解環境、使用工具,並在真實世界設定中持續工作。DeepSeek Harness 將模型、工具、技能、工作階段、沙盒、儲存、規則、排程與 UI 等能力做成可替換或可重組的外掛,並強調每次執行都可追蹤,也支援多種 runtime mode。
    展示中的 Plugins 設定包含 anthropic、cursor、deepseek、editor-base、filesystem、git、lark-base、linear、openai、sandbox 與 vector-db-drag,皆顯示為 enabled。這些畫面屬於功能展示,不能直接視為 DeepSeek API 的正式支援清單。
    圖片輸入方式 官方文件說明,模型可處理 JPEG、PNG、GIF 與 WebP,格式會依實際檔案內容判定,不會只依賴檔名或宣告的 MIME type。圖片只能放在 user message;放入 system 或 assistant message 會回傳 400 錯誤,其他不支援視覺能力的模型也會回傳 400 錯誤。主要方式如下:
    直接以 base64 data URL 嵌入圖片,適合本機檔案,但編碼後內容會計入 48 MiB request body 上限。
    傳入公開可存取的 http(s) 圖片 URL;URL 最長 8192 字元,圖片最多 32 MiB,下載必須在 60 秒內完成。
    先透過 Files API 上傳,再以回傳的 file_id 引用;這適合重複使用同一張圖片,或處理超過 inline 限制的檔案。
    例如,OpenAI-compatible Chat Completions 可使用下列模型欄位與圖片區塊:
    `python
    response = client.chat.completions.create(
    model="deepseek-v4-flash-vision-exp",
    messages=[
    {
    "role": "user",
    "content": [
    {"type": "text", "text": "What is in this image?"},
    {
    "type": "image_url",
    "image_url": {"url": "https://example.com/image.jpg"},
    },
    ],
    }
    ],
    )
    print(response.choices[0].message.content)
    `
    若圖片是透過 Files API 上傳,請在內容中引用回傳的 file_id:
    `python
    {
    "role": "user",
    "content": [
    {"type": "text", "text": "What is in this image?"},
    {"type": "file", "file_id": "file-api-xxxxxxxxxxxxxxxx"},
    ],
    }
    `
    Files API 與限制 Files API 可免費使用;同一張圖片上傳一次後,後續請求可重複引用,不必重新上傳,也能降低 request bandwidth。單一上傳檔案最多 64 MiB,儲存空間上限為每位使用者 25 GiB、最多 10,000 個檔案。檔案可設定保存時間為 1 小時至 30 天,或省略 expires_after 欄位以永久保存,因此部署時仍需人工確認資料保留政策與檔案生命週期。
    圖片經調整大小後,每張最多計入 384 tokens;多張圖片仍逐張計算。每次請求最多 600 張圖片,未使用 fileid 時總圖片大小最多 64 MiB,包含 fileid 圖片時最多 200 MiB;單邊解析度上限為 8192 像素,若請求包含 15 張以上圖片,單邊上限降為 4096 像素。detail 可設定為 low、high、original 或 auto;low 會先縮小至 512×512,適合不需要細節的任務,其他設定目前等同保留原始影像。
    相容介面與實際影響 除了 OpenAI-compatible 介面,DeepSeek 也提供 Anthropi…

    7 min

About EasyVibeCoding Podcast

From the publisher's feed

輕鬆Vibe Coding — 每日策展的 X 技術社群精選、AI 趨勢分析與 Claude 實作心得的中文音訊版。