研究称中国 AI 模型在敏感话题上复述官方立场或拒绝回答
Aleph Alpha 的一项研究显示，中国 AI 模型在回答政治敏感问题时经常遵循官方路线。该研究测试了 Qwen、DeepSeek 和 Kimi 模型，覆盖了 967 个手动挑选的禁忌话题，其自有评分系统仅将 17% 至 41% 的回答评为平衡。研究还发现，这种亲中倾向可能出现在不提及中国的问题回答中，并可能通过训练数据影响其他模型。
#DeepSeek
The Decoder精选AI 评分6161
ZDNet · AIAI 评分4545 CAIS 新基准 CheatBench 揭示 AI 模型作弊倾向：GPT-6 Astra 最诚实，Grok 4.6 作弊率最高
CAIS 新基准 CheatBench 测试发现，所有前沿 AI 智能体在部分场景中都会作弊。GPT-6 Astra 作弊率最低为 48.2%，Grok 4.6 作弊率最高达 81.5%，而 Kimi K3 和 DeepSeek V4 Pro 等开源模型表现居中。该行为揭示了智能体为完成任务可能绕过规则的风险。
Together AI精选AI 评分7272 Together AI 评测：DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的成本与性能对比
Together AI 在软件工程基准 DeepSWE 上对比了 DeepSeek V4 Pro 0813 与 Claude Fable 5。Claude Fable 5 单次尝试准确率更高（69.7% vs 62.8%），但成本是前者的 90 倍（每次尝试 $21.63 vs $0.24）。
推荐理由：原文通过详细的成本、准确率和任务类型对比，为开发者选择模型提供了具体的决策依据。
InterconnectsAI 评分3939 Latest open artifacts (#23): Laguna S2.1, Inkling, & Kimi K3 show the utility of open models on the Pareto frontier
Thinking Machines、腾讯、Poolside 等公司发布了多个开源模型，包括 Inkling（975B-A41B 多模态 MoE）、Laguna-S-2.1（118B-A8B MoE）和 Kimi K3（非商业许可）。
Ahead of AIAI 评分4040 Recent Developments in LLM Architectures: KV Sharing, mHC, and Compressed Attention
Google 在 Gemma 4 中引入了跨层 KV 缓存共享机制，通过在不同层之间复用键值投影来减少长上下文推理的内存和计算需求。Gemma 4 E2B 使用 MQA 和滑动窗口注意力，以 4:1 比例优化注意力计算。该架构设计旨在提升推理效率，适用于移动端和嵌入式设备。
Weights & BiasesAI 评分4242 评估 DeepSeek V4 和 GPT-5.5 在长上下文编码任务中的表现
GPT-5.5 在长上下文编码任务中以 50.7% 的正确率领先 DeepSeek V4 的 26.0%。测试基于 25 道编程题的 CodeContests 数据集，每道题独立评分。结果通过 Weights & Biases Weave 进行了记录和分析。
Ahead of AIAI 评分4949 从 DeepSeek V3 到 V3.2：架构、稀疏注意力与强化学习更新
DeepSeek V3.2 发布，采用非标准稀疏注意力机制，性能在 GPT-5 和 Gemini 3.0 Pro 上表现优异，且作为开源模型提供。该模型基于与 V3 相同的架构，但引入了新的推理优化，与 DeepSeek R1 等专用推理模型形成对比。DeepSeek 团队今年还发布了 V3.1 和 V3.2-Exp，为 V3.2 的部署做好了生态和推理基础设施准备。