DeepSeek正式发布V4.1 Flash并开放权重，蚂蚁百灵开源Ling-3.0-flash-VL多模态模型

9 月 10 日，今天值得关注的项目覆盖多模态模型、机器翻译、Agent 评测与 GPU 开发：DeepSeek V4.1 Flash 正式发布并开放权重，蚂蚁百灵开放视觉模型，Cohere 推出专用翻译模型。开发工具方面，Sierra 将评测对象扩展到“构建 Agent 的 Agent”，NVIDIA 则介绍了 Rust 编写 GPU 内核的两条路线。

★ DeepSeek V4.1 Flash

原生理解图像与文本，通过新架构压缩长上下文缓存，支持推理、编程与工具调用任务。

DeepSeek 于 9 月 10 日正式发布 V4.1 Flash，API 同步上线，模型权重采用 MIT 许可证开放。新模型原生处理图像和文本，支持最高百万 Token 上下文，可用于看图分析、代码开发和需要连续调用工具的任务。

这次更新采用新的因果编码器—解码器架构，并通过跨层共享与压缩减少 KV 缓存占用。模型卡列出的主干参数量为 552B，输入预填充和解码阶段分别激活 8B、16B 参数。设计重点是提高输入较长、需要反复读取上下文的 Agent 工作流效率；自行部署仍需按完整权重及附加组件配置资源。

开发者将 API 模型名设为 deepseek-flash，即可调用正式版。官方同时宣布，9 月 14 日北京时间 12:00 后，原 deepseek-v4-pro 请求将路由至 V4.1 Flash，并按 Flash 单价计费，直至后续 V4.1 Pro 上线。

★ 蚂蚁百灵 Ling-3.0-flash-VL

理解图像、视频、文档与界面，并依据视觉反馈推进推理、工具调用和任务验证。

蚂蚁百灵近日宣布开源 Ling-3.0-flash-VL，开放 BF16 与 FP8 权重，采用 MIT 许可证。模型在 Ling-3.0-flash 基础上加入原生视觉能力，将图像和视频信息用于理解、推理、行动与结果检查。

它既能处理图表、复杂版式和文档内容，也能理解网页及软件界面，为后续操作提供依据。对于需要观察执行结果的 Agent，视觉输入可以帮助模型判断当前状态、发现偏差，再决定下一步动作，适合探索文档分析、界面自动化与视觉辅助开发。

项目提供模型权重和推理说明，官方平台也已提供多模态 API。自行部署的长上下文参考方案采用多张数据中心 GPU；开发者可以先通过 API 验证业务效果，再评估私有部署成本。

★ Cohere North Small Translate

面向文档、产品内容与客户沟通提供专用机器翻译，覆盖 50 多种语言及地区变体。

Cohere 于 9 月 9 日发布 North Small Translate，将机器翻译作为专门优化的任务。它支持简体中文、繁体中文、英语、日语等 50 多种语言及地区变体，可接入内部知识库、技术手册、产品本地化和多语言客服流程。

模型采用 MoE 架构，总参数为 218B，激活参数为 25B，上下文窗口为 16K。Cohere 提供 Chat V2 API，免费使用受速率限制；对于关注数据存放位置的团队，也提供开放权重与商业私有部署路径。

需要注意，FP8 权重采用 CC BY-NC 4.0，仅限非商业用途。企业生产部署需另行购买商业许可，并可通过 Model Vault 部署。官方建议硬件为两张 H100 或一张 B200，名称中的 Small 并不意味着普通电脑即可运行。

★ Sierra Hyper-τ-bench

让编码 Agent 从业务资料中构建客服 Agent，再用真实业务风格的任务检验成品。

Sierra 于 9 月 8 日宣布开放 Hyper-τ-bench，将评测推进到 “Agent 能否构建出能用的 Agent”。开发者角色需要从政策文档、客服记录、截图、流程图和接口资料中整理需求，在沙箱中提交一个可执行的客服 Agent。

提交后，系统会用开发过程中未见的客服任务检验成品，评价它能否遵守业务规则并完成用户请求。任务覆盖航空、零售、电信和银行知识等领域，还允许开发者向模拟客户访谈，补全分散在资料之外的需求。

项目代码采用 MIT 许可证，提供任务数据、运行框架和结果查看工具。它适合评估编码 Agent 的需求理解、系统搭建与迭代能力；完整运行需要组合沙箱、被测模型和模拟用户等多个模型角色，并承担相应调用成本。

★ NVIDIA CUDA Rust：cuda-oxide / cutile-rs

用 Rust 编写 GPU 内核，分别通过线程级控制与 Tile 级计算组织并行任务。

NVIDIA 于 9 月 8 日介绍 CUDA Rust 的两条开发路线，让使用 Rust 构建推理引擎和系统基础设施的团队，也能用同一种语言编写 GPU 内核，并将所有权与内存访问约束延伸到 GPU 执行过程。

cuda-oxide 面向 SIMT 编程，开发者描述单个线程的行为，保留对线程和内存的细粒度控制；cutile-rs 面向 Tile 编程，按数据块描述计算，由编译器安排线程映射。两者提供了不同抽象层次的选择，适合结合已有算子和系统需求评估。

目前两条路线都有代码、文档与运行示例。NVIDIA 明确表示，两者仍处早期，尚未达到生产就绪状态：cuda-oxide 属于早期 Alpha，cutile-rs 已有外部项目使用，但仍可能出现功能缺失和 API 变动。本次适合作为 GPU 开发生态进展关注。