🔢 Аудитория API Zhipu приближается к 7 миллионам пользователей

Китайская AI-компания Zhipu сообщила о почти 7 млн зарегистрированных пользователей API на своей MaaS-платформе — примерно на 2 млн больше, чем в начале июля. Показатель учитывает разработчиков и компании, работающих с моделями через API.

Чтобы справиться с растущим спросом на инференс, Zhipu дополнительно активировала более 50 000 отечественных AI-чипов. Кроме того, компания с 31 июля снова открыла продажи своего Coding Plan, который ранее был ограничен, — после повышения цены. Данные приводит LatePost.

Расширение парка китайских чипов и рост API-базы указывают на масштабирование инфраструктуры Zhipu на фоне конкуренции с DeepSeek, Alibaba и другими игроками рынка.

#AI #Zhipu #China #UserCount #DeepSeek

↗️ Локальная модель StartLux с 27B параметров обошла DeepSeek V4 Flash в бенчмарке CAICT

Китайская академия информационных и коммуникационных технологий (CAICT) опубликовала результаты MCP-теста в рамках бенчмарка доверенного ИИ. Второе место заняла локальная модель StartLux-V1.0-27B-Preview от шанхайской компании StartLux — она обошла DeepSeek-V4-Flash, у которой более чем в 10 раз больше параметров.

MCP-тест оценивает шесть специализированных задач: навигацию, веб-поиск, автоматизацию браузера, финансовый анализ, управление репозиториями кода и 3D-дизайн, плюс комплексную оценку. StartLux-V1.0-27B-Preview набрала 39,25 балла, опередив DeepSeek-V4-Flash (284 млрд параметров) и Step-3.7-Flash (198 млрд), а также Qwen-3.6-27B на 5,34 балла при одинаковом размере. Модель заняла первое место в навигации и показала лучший или сопоставимый результат в автоматизации браузера и финансовом анализе — местами сравнявшись с DeepSeek-V4-Pro на 1,6 трлн параметров.

StartLux построена на базе Qwen3.6-27B с пост-обучением по методике «AI trains AI» (Auto Research): модель автономно запускает обучающие эксперименты и корректирует стратегию по обратной связи. По словам компании, это первое применение такого подхода для локальной агентной модели в Китае. Модель работает на обычных ПК, и StartLux планирует запустить первое поколение локальных ИИ-решений уже в этом году. Результат теста — сигнал для бизнеса: компактные локальные модели способны конкурировать с гигантскими облачными системами в реальных рабочих задачах.

#AI #Models #Benchmarks #StartLux #DeepSeek #Qwen

🤩 DeepSeek установит 160 000 чипов Huawei Ascend 950DT в кластере для инференса в Внутренней Монголии

По данным Bloomberg, DeepSeek планирует задействовать минимум 160 000 ускорителей Huawei Ascend 950DT в строящемся дата-центре гигаваттного масштаба во Внутренней Монголии. Если проект будет реализован, это станет одним из крупнейших публично известных кластеров на базе китайских чипов Huawei — заметный скачок по сравнению с предыдущими установками в десятки тысяч карт.

Ускорители будут использоваться в основном для инференса, то есть для обслуживания готовых моделей в продакшене. Для обучения DeepSeek по-прежнему полагается на Nvidia и не смешивает стеки: 950DT ориентирован и на decode, и на training, но сейчас компания видит его сильную сторону именно в высоконагруженном инференсе. Площадка в Внутренней Монголии имеет гигаваттную мощность — этого хватило бы для электроснабжения примерно 750 000 домов. Дешёвая электроэнергия и подходящие условия охлаждения вписываются в китайскую схему «восточные данные, западные вычисления».

Сроки зависят от способности Huawei выпускать 950DT в объёме. Дефицит памяти и спрос других облачных игроков ограничат производство сотнями тысяч чипов в год, поэтому выполнение заказа DeepSeek может растянуться более чем на год. Компания также добивается поддержки властей для приоритетного получения чипов. По сути, это проверка того, сможет ли экосистема Ascend справиться с нагрузкой и инфраструктурой на уровне полноценного ЦОДа, а не просто очередная закупка.

#Tech #DeepSeek #Huawei #Ascend950DT #AI #Datacenters

⁉️Anthropic заявила о массовом использовании Claude китайскими AI-лабораториями

Anthropic сообщила, что выявила и пресекла несанкционированные попытки китайских AI-лабораторий, включая Alibaba, Moonshot и DeepSeek, обучать свои модели на ответах Claude. В отчёте по киберугрозам, опубликованном в четверг, компания называет это «нелегальной дистилляцией»: выходные данные более сильной модели используются для обучения другой модели и воспроизведения части её возможностей без разрешения.

По данным Anthropic, операторы, связанные с Alibaba, применяли ответы Claude для обучения моделей Qwen. Кампания стала крупнейшей из зафиксированных компанией: более 151 млн обменов с Claude в период с мая по июль, пик достигал почти 3 млн обменов в день с более чем 3500 мошеннических аккаунтов. Alibaba также использовала Claude для исследований, включая обучение с подкреплением и архитектуру моделей.

Moonshot, разработчик семейства моделей Kimi, по данным отчёта, незаметно перенаправляла часть запросов пользователей, адресованных Kimi, в Claude и показывала ответы Claude как собственные. За один 10-дневный период было перенаправлено почти 300 тыс. запросов через сеть из 5380 аккаунтов, преимущественно в Сингапуре и Японии. Часть этих обменов сохранялась и использовалась как обучающие данные. Всего Moonshot приписывают более 23 млн обменов с мая по июль.

DeepSeek, по словам Anthropic, применяла схожие методы: более 12 млн атак дистилляции за 14 дней июля 2026 года. В отчёте также упоминаются другие крупные китайские AI-компании. Часть перенаправленных запросов содержала чувствительную информацию, включая данные частных пользователей, крупных международных компаний и связанных с государством структур. Anthropic заявила, что не знает, уведомляли ли Moonshot и DeepSeek своих клиентов о передаче запросов. Alibaba, Moonshot, DeepSeek, Xiaomi и Anthropic не ответили на запросы CNBC о комментарии.

#AI #Anthropic #Claude #Alibaba #DeepSeek #Moonshot

⚙️ DeepSeek запустил ограниченное тестирование голосового взаимодействия с четырьмя голосовыми профилями

DeepSeek начал ограниченное тестирование функции голосового взаимодействия в своём приложении. Часть пользователей уже видит кнопку динамика в правом верхнем углу - теперь ответы модели можно прослушивать вслух.

В настройках доступны четыре выбираемых голосовых профиля. Функция пока остаётся в режиме «серого» тестирования (gray testing) и официально как полноценный релиз не анонсирована.

Для DeepSeek это заметный шаг в сторону мультимодальности: голосовой интерфейс открывает сценарии использования, где текст неудобен - от мобильных ассистентов до доступности. Пока неясно, будет ли функция бесплатной и как скоро её раскатают на всех пользователей.

#AI #DeepSeek #VoiceInterface #Tech #Test

⚙️ Tencent открыла исходный код WeKnora с официальным плагином для DeepSeek Harness

Команда WeChat из Tencent выложила в open source платформу корпоративных знаний WeKnora - репозиторий Tencent/WeKnora уже набрал более 25 000 звёзд на GitHub. Это не просто обёртка над чатом, а полноценный слой для агентов: RAG-стек, ReAct-рантайм и самообновляемая Wiki в одной системе.

В версии 0.8.0 появились песочница навыков с бэкендами Docker, E2B и Cube, каталоги навыков по тенантам, долговременная память между сессиями (профили, предпочтения, факты, задачи), поддержка графа знаний, MCP-инструменты и Wiki-обслуживание документов. Агенты могут искать по корпоративным корпусам, вызывать навыки в рамках сетевых политик и сохранять память между сессиями.

Ключевая новость для разработчиков - официальный плагин DeepSeek Harness @wxg-prc-cpg/dsh-weknora. Сам Harness умеет искать по workspace и вебу, но не имеет встроенного эмбеддинга и базы знаний. Плагин закрывает этот пробел, регистрируя четыре read-only инструмента: список баз знаний, гибридный поиск, чтение полного документа с пагинацией и ответы WeKnora со ссылками. Установка: dsh plugin --profile web add @wxg-prc-cpg/dsh-weknora, проверено на dsh 0.1.0-rc.8 и WeKnora 0.7.2.

#AI #WeKnora #DeepSeek #RAG #Agents #OpenSource

⤵️Китайские Flash-модели запускают тренд на уменьшение LLM

Шэньчжэньский стартап Lin Zhou из десяти человек ежедневно гоняет сотни агентов на кодинг и исследования. На GPT‑5.6 удавалось держать максимум две‑три параллельные задачи, поэтому команда ушла на DeepSeek V4.1 Flash: быстрее обратная связь и дешевле вызов. Это частный случай общего сдвига. Производители моделей, прежде всего китайские, массово выпускают Flash‑версии с урезанным числом параметров: 31 июля официальный релиз DeepSeek V4 Flash, 26 августа сразу два, Qwen3.8‑Flash‑Next от Alibaba и GLM‑5.3‑Flash от Zhipu, в сентябре DeepSeek V4.1 Flash. Диапазон от 100B до 500B вместо триллионных флагманов: у V4 Flash 284B, у GLM‑5.3‑Flash 320B, базовая модель Qwen3.8‑Flash‑Next вообще 125B. По данным Intelligent Emergence, свои Flash готовят Moonshot AI и Tencent Hunyuan.

После выхода V4 Flash разработчики нарисовали график «оценка против стоимости задачи» и ввели понятие линии исполнения: модели, которые слабее V4 Flash, но дороже на тех же задачах, считаются «казнёнными». Показательный эпизод: в августе американская Cline бесплатно раздавала безымянную модель, и та за неделю забрала больше 11% инференса платформы. Позже Zhipu признала её своей, это был GLM‑5.3‑Flash. Под ником Ox‑Alpha та же модель набрала около 500 тыс. пользователей на OpenCode за неделю. Основатель Zhipu Тан Цзе формулирует прямо: компания «не будет строить большую, но бесполезную модель».

Спрос подогревает смена фокуса с программирования на офисные задачи. В январе вышли Claude Cowork у Anthropic и ChatGPT Work у OpenAI, в Китае появились Tencent WorkBuddy, Qwen Office с интеграцией QoderWork, Wukong и MuleRun, а также Doubao Work на базе Feishu и TRAE Work. По QuestMobile, у WorkBuddy в июле 2026 года 6,58 млн активных пользователей в месяц. Qwen Office в стандартном режиме работает на Qwen3.8‑Flash: задачи выполняются вдвое быстрее, расход токенов ниже на 75%, и этим режимом закрывается около 95% повседневной работы.

Экономика решает всё. Стартап Lindy перевёл большую часть агентских вызовов с Claude Sonnet и Gemini на DeepSeek V4 Flash и срезал расходы на модели примерно на 90%, а основатель Фло Кривелло назвал это самым значимым изменением структуры затрат за историю компании. По OpenRouter доля DeepSeek в потреблении токенов выросла с 9% в начале года до 18% к началу июня, причём к концу мая на V4 Flash приходилось 70% этого объёма. Под всем этим лежит измеримый эффект: исследование в Nature Machine Intelligence по 51 открытой модели зафиксировало рост плотности способностей, когда для сопоставимого результата нужно всё меньше параметров. Qwen3.8‑27B набирает 61,7 в SWE‑bench Pro против 53,5 у предыдущего поколения того же размера и 70,7 против 61,0 в CoWorkBench.

#AI #DeepSeek #Qwen #Zhipu #LLM

🖥 DeepSeek Harness: превью десктоп-клиента на Electron для Windows и macOS

DeepSeek выложила на download.deepseek.com предварительные Electron-сборки своего Harness - десктопного клиента для Windows и macOS. Речь пока не о полноценном релизе, а о ночных RC-сборках: пакеты идут по линии версии 0.1.7-rc.1, а встроенный апдейтер уже показывает 0.1.7-rc.2.

Сборки включают Windows x64 executable и Mac arm64 DMG, нотаризация Apple указана на Hangzhou DeepSeek Artificial Intelligence Co., Ltd. с Bundle ID com.deepseek.dsh. На момент публикаций пакеты не были размещены ни на главной странице DeepSeek, ни в GitHub Releases - то есть это превью-канал, а не GA-запуск. Linux-версии в этой волне нет.

Технически десктопная оболочка не переписывает Harness с нуля, а переиспользует существующие Web UI и рантаймы агентов, сессий, инструментов и плагинов. При первом входе может потребоваться квота, пополнение или верификация, либо можно вставить официальный API-ключ. Режимы делятся на Office & Creation и Code & Development, доступны уровни видимости процесса (Focus on Results, Key Details, Full Process) и уровни Agent-воркфлоу: Standard, PTC (programmatic tool calling), Minimalist и Creation для отладки плагинов Cordis.

Для разработчиков, уже запускающих Harness из исходников, главное - появление официального CDN-канала Electron-сборок под Win/Mac, а не новое релизное состояние продукта.

🎨 qvabo.studio/tg · картинки и видео

#Tech #Desktop #DeepSeek #Harness #Electron #Agents #Development

🇨🇳 Исследование: китайские ИИ-модели повторяют государственную линию или отказываются отвечать

Компания Aleph Alpha, продвигающая «суверенный ИИ» для госструктур, опубликовала бенчмарк, в котором протестировала модели Alibaba (Qwen), DeepSeek и Moonshot AI (Kimi) на 967 отобранных «табуированных» темах - Тяньаньмэнь, Тайвань, Синьцзян. Собственная система оценки Aleph Alpha признала сбалансированными лишь 17-41% ответов: остальные повторяли официальную позицию, уходили от темы или отказывались отвечать. DeepSeek V4 Pro отказывается от двух третей вопросов.

Для сравнения западные модели дают нейтральные ответы чаще: Claude Sonnet 5 - в 70% случаев, Mistral Small - в 92%. Предвзятость проявляется и вне политики: на вопрос о цензуре в США Qwen 3.6 начинает сбалансированно, но заканчивает защитой китайского подхода к управлению интернетом. Ранее аналогичный «эффект перелива» зафиксировал CEIAS.

Отдельный вывод касается Nvidia: в Nemotron Cascade 2 партийная риторика встречалась в 17% ответов - Aleph Alpha связывает это с ~3500 из 9,3 млн примеров обучения, сгенерированных через DeepSeek и Qwen. Дистилляция данных, таким образом, переносит ценности в чужие модели. Исследователи предупреждают: однородность ИИ-вывода может влиять на мышление миллиардов пользователей.

🎨 qvabo.studio/tg · картинки и видео

#AI #LLM #Models #China #Censorship #DeepSeek #Qwen

💵 DeepSeek близка к раунду финансирования на $12 млрд при участии Tencent и CATL

Китайский разработчик ИИ DeepSeek близок к привлечению минимум 80 млрд юаней (около $12 млрд) в новом раунде, сообщает Bloomberg со ссылкой на источники. Изначально компания рассчитывала примерно на 50 млрд юаней, но интерес инвесторов подтолкнул обязательства выше цели.

Среди крупнейших инвесторов - Tencent и производитель аккумуляторов CATL. По подписанным term sheet итоговая сумма может приблизиться к 100 млрд юаней, хотя детали ещё могут измениться до закрытия раунда. После завершения финансирования DeepSeek планирует реструктуризацию для подготовки к возможному IPO в начале 2027 года. В компании не ответили на запрос Bloomberg в дни китайских государственных праздников.

Раунд такого масштаба усиливает позиции DeepSeek в конкуренции китайских ИИ-лабораторий и даёт ресурс на вычислительную инфраструктуру и разработку новых моделей.

🎨 qvabo.studio/tg · картинки и видео

#Business #DeepSeek #AI #Tencent #CATL #Investments

📉 MiniMax M3.1 Flash: китайская гонка ИИ-цен пробила дно

MiniMax выпустила reasoning-модель M3.1 Flash: 42 балла в Artificial Analysis Intelligence Index против 29 у предыдущей M3, при этом стоимость одной задачи упала более чем вдвое - примерно до $0,22.

Основной прогресс - в сложных рассуждениях. На Humanity's Last Exam модель набирает 48% против 43% у Deepseek V4.1 Flash 1017, на бенчмарке CritPt для физики исследовательского уровня - 22% (у GLM-5.3-Flash 15%, у Gemini 3.8 Flash 18%), а на AA-Omniscience по фактической точности - 56% верных ответов против 28% у GLM и 43% у Deepseek. Контекст - до 1 млн токенов, поддержка текста и изображений. Цены API: $0,15 за 1 млн входных токенов, $0,60 за 1 млн выходных, кэшированные входы - $0,015. Модель работает втрое быстрее M3 и тратит заметно меньше выходных токенов (189 млн против 224 млн у Deepseek), что и даёт более низкую цену за задачу.

Главная слабость - очень высокий уровень галлюцинаций (93% по замерам Artificial Analysis): модель пытается ответить на любой вопрос, вместо того чтобы признать неуверенность. Открытые веса обещаны 23 октября, API уже работает на platform.minimax.io.

🎨 qvabo.studio/tg · картинки и видео

#AI #Tech #MiniMax #Models #LLM #Reasoning #DeepSeek #OpenSource