Octop团队模式拆解:Super-agent双层架构怎么分工

资讯 腾讯网 作者:腾讯网 全文 8931 字 · 约 23 分钟读完 配图 1 张 分类DeepSeek深度求索产品更新智能体Deepseek

作者:Jubaoliang,Octop 负责人导读DeepSeek 近日发布长文,系统阐述了其 Super-Agent 设计理念——打破 AI「单次仅能处理单一任务」的旧范式,以调度员(Router)加执行单元(Worker)的双层架构实现任务并行与后台运行,解放用户等待时间。无独有偶,在工程实践的另一条路径上,Oct

所属频道 产品更新智能体与 Agent开源生态

Jubaoliang,Octop 负责人

导读DeepSeek 近日发了一篇长文,把 Super-Agent 的设计理念讲了个透——AI 不该再被「一次只干一件事」的老思路框住。按它的设想,整套架构分两层:前端是调度员(Router),管接请求、派任务;后端则交给多个加
腾讯云开源的 Octop 走的则是工程实践里的另一条路。其实在 Super-agent 这套思路公开之前,Octop 1.0.2 版本就已经上线了「

前面提到的 DeepSeek 那篇文章,核心主张很明确:别让 AI 困在「单次仅处理单一任务」的旧范式里。它给出的方案就是双层架构——前端调度员(Router)负责接收请求与任务分配,后端由多个

Octop 是腾讯云开源的一款多用户 AI 助手,Github 地址为 https://github.com/TencentCloud/Octop。在 Super-agent 的设计思路对外公开之前,Octop 1.0.2 版本便已上线了「

一、Super-agent 要解决的问题

先看一个日常工作中再常见不过的场景。

群里忽然来了通知,周五要交一份季度汇报 PPT。可手头正排查线上故障,还有紧急的新功能赶着上线,没办法,只能把 PPT 需求复制出来,另开一个会话窗口。事情一多,浏览器里的对话标签越开越密,每个窗口推进到哪一步,全靠脑子记。两天后汇报材料做完,同事又说第三页的业务数据得更新,可当初在哪个窗口生成的早忘了,只能把前因后果重新跟模型讲一遍;历史记录找不到,只好再开一个新窗口。改的过程中,助手还得花上几分钟把整份内容重新生成,这段时间人只能守在屏幕前干等,连电脑屏幕都不敢合上。

DeepSeek 在文章里给了一个很直观的数字:一个人一般只能同时跟进三到五个还在进行中的复杂会话。现在的模型确实越来越聪明,慢慢不用人每一步都盯着看了,可每件事到底走到哪一步,这份记忆还是压在人的肩上。一件事做得好不好,看的是底层模型本事大不大;多件事能不能一起推,拼的却是人还有多少精力。

Super-agent 想接过来的,恰恰就是这种跨上下文的状态追踪和任务分派。为此它定了四个清楚的目标:

  • 连续性:用户不管是在聊天群里跟它对话,还是在代码评审页面上跟它交互,背后干活的始终是同一个服务实体,不用再费心去记哪句话落在哪个孤零零的窗口里。
  • 高效率:前面的任务还没完,后面进来的指令照样接,不堵着,多项任务可以真正并行推进。
  • 主动性:不用人一条条机械地下指令,群聊讨论、邮件往来、自动化测试结果里一旦冒出来需要协同的事,它会自己介入处理;跟自己无关的事就安静看着,不多打扰。
  • 持久性:它常驻在真实的工作环境里,哪怕长时间运行碰到单点故障,也能靠着持久化的上下文把工作恢复起来,不用从头再来。

眼下行业里普遍用的那套「提示一次、执行一步、确认结果、再规划下一步」,说到底还是串行运转的单线程逻辑,一碰上多任务场景就顾不过来。Super-agent 的架构,就是冲着打破这个瓶颈去的。

二、Super-agent 的几个关键设计

2.1 双层结构:上层调度,下层执行

DeepSeek 打过这样一个比方:大语言模型就像是马,外部工具和运行环境是马具,封装之后的产品形态是车行;一辆配齐车夫和工具的马车,就是一个具体的 Agent,而用户则是每天要调度发货的货主。

按现在主流的用法,货主每来一批货,都得亲自跑一趟车行单独雇一辆马车,把这单任务全权交给它;每新开一个对话窗口,就等于把雇车的流程再走一遍。

Super-agent 换了个协作路子:车行直接常驻进团队的工作群里,群里的日常讨论、代码评审下留的改动意见、自动化测试抛出的异常报错,系统都能统一感知到。车行里配了一名专属调度员(Router),职责很纯粹,只管认任务、派任务。外面来的需求全先汇到调度员手里,由他判断该派给哪辆马车、要不要多车一起干、各方干完之后怎么汇总反馈。真正负责拉货的马车叫 Worker。上层由轻量的调度员统揽全局,下层由专业 Worker 并行执行,这就是 Super-agent 主张的双层架构。

这么设计下来,调度员被剥得特别轻:只接需求、只派任务,自己绝不碰具体执行,甚至连业务工具都不配。也正因为不用分心去处理繁重的业务运算,面对源源不断涌进来的新任务,他才能一直保持快速响应。他要做的只是理解任务意图再路由分配,所以挑个更轻便、更敏捷的模型就够用;底下真正干活的 Worker 就不一样了,各自配齐全套业务工具和独立的上下文对话流,接的是能力更强的大模型,专心把单一任务执行完再向调度员汇报,最后对外统一由调度员回复。

业内另一种常见做法是“一个主 Agent 挂载若干 SubAgent”,这其实算不上真正的双层架构。主 Agent 一边收消息,一边还攥着自己下场干活的工具链,分不分工全看大模型当下的概率判断。DeepSeek 在试验中就碰到过:系统提示词只写“在合适时可以寻求帮手协助”,连测五次任务,没有一次触发分工,其中耗时最长的一项被拖了近半小时;提示词加码到“尽量将任务分配出去”,五次测试里照样出现主 Agent 觉得难度不高就自己上手的情况,主窗口当场被长任务卡死。说到底,只有把调度员手里的具体业务工具彻底拿走,从架构上堵死它亲自执行的路,才能保证每项进入系统的任务都被可靠调度。

2.2

执行体系搭好之后,下一个问题就是系统什么时候开始转。

驱动 Agent 干活的指令,已经不再是用户在对话框里逐字敲的一行行提示词,而是整个协作网络里自然发生的外部事件:一条群聊消息、一封新邮件、一次日程提醒、代码评审里的一句评语,或者流水线构建失败的通知。这些统称为

问题是,工作群里绝大多数闲聊和日常沟通跟业务任务没关系,每条群消息都丢给大模型做语义分析,响应速度和调用成本都扛不住。于是系统设计了

另外,同一个代码评审、同一话题讨论或连续往来的邮件线索,系统会把它抽象成一条持续的“

再往前走一步,系统还能做适度超前的

会话一长,上下文就会膨胀,这同样是落地时要迈的坎。一个会话能容纳的长度终归有上限:背景材料堆多了,模型的注意力会被摊薄,重点容易跑偏;信息留得太少,模型又得一遍遍调用外部工具去查。DeepSeek 的处理方式有点像平时整理办公桌——眼下这一轮真正用得上的核心信息,就让它留在活跃上下文里;篇幅长、平时很少翻的原始资料,主流程中只保留摘要和引用标识,正文存进持久化存储,等后面需要抠细节了再按需取回。原文也点得很明白:在上下文窗口里浪费空间,说到底就是在浪费模型宝贵的推理能力。

2.3

实际业务里,一条新消息到达时,后台很可能还有没跑完的长周期任务。传统交互方式一般是线性排队:新消息系统是收到了,但得等当前轮次彻底跑完才能开始处理。拿生成一份完整的方案 PPT 来说,往往要耗上数分钟,用户这段时间只能干等;中途强行打断,前面任务的产出又全部作废。这种模式在通信领域被称为“

全双工

交互逻辑上,原来的“模型等外部工具返回”变成了“系统承载等待,模型持续响应交互”。这和分布式系统里的异步消息机制对得上:复杂计算请求分派出去,主流程接着处理其他交互,结果算完再通过回调递回来。

输出策略也得看场景来:即时通信群聊里,系统遵循最小打扰原则,只在需要关键决策或成果交付的节点发声,内容以简短结论为主;到了代码评审、长邮件或技术文档这类非即时场景,才详细展开完整的背景考量、改动明细和验证报告。原文还给出一条很实操的量化规范:即时通讯场景中,单次回复内容尽量控制在百词以内。

2.4 持久在线与独立巡查

下班离开工位时,后台某项复杂的代码重构或大型 PPT 还没处理完,直接合上笔记本,原本部署在本机的 Agent 进程就断了。纯云端托管的 Agent 倒是能接着跑,可本机没提交的代码改动、私有内网系统的访问权限、敏感的本地凭据,受安全要求限制又没法随便同步到公有云。

面对这个两难,DeepSeek 给出的架构方案是“

  • 把“认知规划”和“状态记忆”托管到云端:核心规划逻辑放在轻量无状态的计算容器里跑,全局对话状态和任务轨迹持久化存进高可靠数据库;
  • 把“具体执行”留在本地终端:用户本机部署轻量守护进程,专门接收并执行云端派下来的具体命令;
  • 云端容器一旦异常崩溃,系统能快速拉起新实例,读取持久化记录无缝接上当前任务;
  • 本地代码和认证凭据自始至终待在本地受控环境里,敏感资产不会外泄。

长周期复杂任务持续运行,光靠模型内部自我反思很难全面保障系统高可用。所以主系统外部通常还会配一个独立的

DeepSeek 在文末还提到一个判断:这套设计并没有另起炉灶造新理论,它本来就是计算机系统工程领域用了很多年的成熟做法,只是放到了 AI 智能体这个场景里继续沿用。

三、再看 Octop 的团队模式

Octop 是腾讯云自研的 AI 助手,支持多用户、多专家和团队协作。名字灵感来自章鱼(Octopus)——多条触手协同作业,能同时处理几件复杂的事。Octop 1.0.2 版本推出的团队模式,核心运转逻辑与 Super-Agent 如出一辙:系统主持人先对综合任务做结构化拆解,再分配给不同领域的

3.1 主持人负责统筹调度,专家专注于细分执行

Octop 团队模式里,主持人的系统权限收得很紧,只配了查看团队成员、分派子任务、检索长期记忆和感知时间这几样轻量工具。用户提出一项复合需求,请求先统一由主持人接。主持人会先厘清核心目标、业务边界、限制条件和预期的最终交付形式,再给每位参与协作的专家分别生成一份定制化任务指引——工作目标、禁止边界、输出标准以及必要的背景上下文,都交代得清清楚楚。

从系统内核看,Octop 团队本质上就是一套工程落地的 Super-Agent 架构。团队里的各位专家被抽象封装成标准化的工具接口,主持人通过工具调用把任务消息分发给具体专家,专家在本地执行完再把成果异步通知主持人。底层上,每个专家成员都保持高度隔离,各自拥有专属的本地工作目录、独立绑定的模型服务、独立的记忆沉淀和隔离的会话流。用户既能在主房间里发起多专家团队协作,也能进私聊窗口单独找某位专家深入探讨,甚至可以把同一位专家引入多个不同的协同团队,各自的上下文记忆完全不会混淆。

交互呈现上,两者有一处明显的取舍差异。DeepSeek 倾向于完全屏蔽执行单元的对外发声,所有输出统一收敛在调度员一人身上,界面因此做到极致精简;Octop 则让各专家的回复直接带着专属头像展示在协作房间里,任务推进过程直观透明。主持人只在全部环节结束后输出一段不超过三句话的全局收尾,且严格避免重复专家已阐明的具体细节。中间过程这样充分展开,当专家之间出现方案分歧时,团队成员就能一目了然地追溯不同立场的逻辑根源。

交互上两者各有各的做法,但“对外始终有个统一收口的角色”这一点,思路是一致的:DeepSeek 让调度员从头到尾把握交互的走向,Octop 则用主持人管住团队协作的开场和收尾。

3.2 异步协作与非阻塞执行机制

任务分配的执行机制上,Octop 同样采用了“提交即返回”的

专家顺利完成所负责的子任务后,系统底层会把阶段性成果组装成一条带特定标签的唤醒消息回传给主持人。消息体会明确标示这属于已有任务的回调而非用户的新增提问,并随附一段核心答案的节选摘要。主持人收到唤醒信号后,会智能判断是否需要触发下一轮专家分派,或者直接用简练的几句话收尾,明确向用户说明决策结论及采纳依据。

“分派即返回、后台并发作业、成果异步回填”,这三项核心特征在两套系统中都得到了完整体现。唯一的区别在于等待机制所处的抽象层次不同:DeepSeek 重构的是底层单次工具调用的等待协议,Octop 则是将协同链路抽象为一套

3.3 核心理念上的不谋而合

深入剖析两者的工程细节,可以发现它们在诸多核心设计决策上展现出了高度的默契:

任务主线会回到它专属的上下文里。Octop 中,协作房间其实就是主持人那条会话的主干,每位专家在它之下再分出各自的子会话。同一个任务后面冒出来的追加讨论和交付结果,都会准确排回最初建好的那条上下文线程,不会跟用户和该专家的日常私聊混在一起。这跟前文说的“同一任务线的增量信息直达原处理单元”是一个思路。差别在于,Octop 没有彻底绕开前台的隐式路由,而是让新消息统一先进入主持人的视野,任务推进的全局时序因此看得更清楚。

上下文容量上做了克制,也做了归档。工具返回的数据太长时,Octop 会先在前端渲染前截断,并留下折叠标记;交给主持人审阅的专家答卷,默认也只取核心结论的节选。往下派具体任务时,系统会把房间里的历史讨论纪要自动压缩成一份精简的背景概要,并明确标注只作背景参考。最关键的决策信息留在手边,庞大的原始全文则归档到专属空间,这跟 Super-Agent 提倡的办公桌面整理法则在工程理念上是一个路数。

场景不同,表达方式也跟着变。即时通讯渠道没有完整的富文本界面,用户看不到协作房间里专家逐字生成的过程,所以任务分派成功后,Octop 会马上补一条“已指派某某专家处理,请稍候……”的状态提示。专家干完活,系统推送带明确身份署名的完整结果;主持人做全局复盘时,再单独推一条标着“【主持人总结】”前缀的消息。移动端和 IM 群组里,输出保持简练、主体清晰;用户想查全量推导链路,随时可以切回 Web 控制台细看。

单轮就能并发派发多路任务。主持人可以在同一轮调度决策里,把复合任务拆开,同时交给多位专家一起推进,前台交互不会因为只派一个维度的任务而卡住。DeepSeek 的办法是把短时间内涌进来的消息并成批次统一处理。工程手段不一样,但要躲的前台串行阻塞这个痛点,两者完全相同。

关键的把控权始终留在人手里。Octop 没有引入完全由程序驱动的外部自动化巡检进程,而是设计了一套严谨的人机协同安全机制:专家执行过程中要调用敏感系统工具时,执行链路会主动停下来,等人类用户显式确认和授权,最长能等半小时,这期间系统绝不会误判该轮任务已经超时结束。任务分派过程中如果碰上网络异常或上下文超限,系统会如实唤醒主持人做客观说明,再由主持人决定重新分派还是向用户汇报终止,严禁模型在异常状态下凭空编造替代结果。另外,只要专家身上还有没收尾的活跃任务,规则层面就不允许把这个专家移出团队或删除。DeepSeek 选择用独立的 Watchdog 巡检来保障可靠性,Octop 则把决定系统边界的安全确认踏踏实实交到了人类手中。

3.3 认知大脑在云上,执行的双手留在本地

合上笔记本电脑,原先部署在这台电脑上的助手就一起停了。整套系统搬到云上,云上的进程可以继续跑;可工作区里还没提交的改动、登录凭据,以及只有内网才够得到的资源,仍然留在原来的机器上,云端够不着。DeepSeek 把这个矛盾收成「

Octop的云端协作,本质上是在两台实例之间打通了一条可用的链路。一台实例部署在云上,人不在工位时,用手机或另一台电脑照样能打开;任务从这头进来,分配和往返沟通也在这头发生,相当于一个随时在线的认知入口。另一台则留在家里或办公室那台一直开着的机器上,仓库、凭据和内网资源都在它手边,充当执行的手。两端接上之后,云端界面里就会冒出家里的专家。你给他派任务,操作方式和派给本地专家没有区别。请求通过云端协作的桥转到专家所在的那台实例,模型循环、工具调用、文件读写全在那台机器上跑,改动直接落在工作区原本所在的磁盘上,对话记录也以专家这一侧为准,随后云端再把结果回传到你看的界面。

家里的机器一般位于家庭内网(NAT)后面,没有公网IP,云端想每次都直接访问它的服务端口并不容易。桥建好之后,后续请求就走这条已连通的桥,云上的入口照样够得着留在本地的那双手。人在外头打开云上的Octop,完成派活和来回确认;仓库改动、凭据调用、内网访问,则由守着这些东西的专家来做。环境还留在原来那台机器上,人可以走开。

3.4 当前各自面临的工程边界

DeepSeek在原文里说得很直白:公布的原型方案还只是阶段性探索,离商用级生产环境的标准尚有距离。

Octop的产品路标同样体现出这种工程上的克制。按官方定义,现有的专家团队模式仍处在

两者的切入场景各有侧重——DeepSeek更在意怎么让复杂的软件工程任务在即时通讯与研发平台之间顺畅衔接,Octop则偏向帮个人用户、家庭和微型团队把日常业务诉求高效派给专业专家团队——可它们在系统底层撞上的瓶颈高度重合:长周期状态怎样跨节点高可靠地持久化、单点执行出错后怎么自动恢复、人机协同的安全护栏该划在哪里、复杂后台链路被藏起来之后如何给用户足够的可观测性,以及现实出现扰动时人怎么随时插手修正。

四、两套设计背后的共通逻辑

DeepSeek在长文收尾处点明,这套看上去前沿的架构在理论上并没有造出全新范式,实质是把现代计算机软件工程里验证了几十年的经典系统原则重新映射进大模型协作生态:用分层架构划清调度与执行的职责边界,用异步解耦把长短计算路径分流,用就近缓存策略压住活跃资源消耗,用推测执行拉高响应速度,用计算与存储分离保障弹性扩展,再引入独立的外部监控机制守住系统底线。

翻Octop的用户手册和设计说明,这些晦涩的计算机术语几乎见不到。取而代之的是章鱼触手的形象比喻、统揽全局的主持人角色、按专业维度划分清楚的专家成员,以及各自独立的工作目录和不可随意挪动的协作约束。前者用严谨的系统工程语言,向架构师和开发者拆解底层拓扑;后者用直观的具象化表达,帮终端使用者快速建立起认知模型。

可一旦透过表象看技术内核,两者的物理约束其实完全同构:

  • 人的注意力带宽天然有上限,一次很难同时盯住三到五个以上的并行上下文,任务记录和统筹分派就得交给专门的调度机制接管;
  • 传统那种“思考一步、执行一步”的线性思维循环,碰上并发任务必定严重阻塞,重型长效任务必须和前台交互流异步解耦;
  • 一个主控Agent如果既管统筹分派又亲自下场做繁杂运算,主执行链路势必被耗时任务卡死,所以要从权限层面把调度者的具体执行工具彻底剥离;
  • 单次对话流的上下文空间非常宝贵,原始资料堆得过多会让注意力机制分散漂移,非核心素材得建立多级归档、按需提取;
  • 多任务并发时上下文细节交织,很容易造成语义干扰,各执行单元的对话历史与执行空间必须做物理隔离;
  • 最后,核心访问凭据、敏感业务数据以及尚未最终确认的资产变更,在安全合规的刚性约束下绝不该脱离本地受控环境。

换成任何做复杂多任务Agent的团队,最终也会在这些客观存在的系统瓶颈前做出相似的技术选择。DeepSeek从底层代码研发与编程辅助体系往上提炼,Octop从原生常驻本地的协作助手向外延展,技术原点相距很远,可架构演进到最后都用上了同一套经典系统设计方法:分层治理、队列解耦、缓存精简、提交即返回、状态隔离以及基于回调的

甚至不少关键概念的名字,往往也是工程实践先跑在前面、术语定义后补。正如业内在复盘Anthropic提出的

对真实世界的使用者来说,日常协作里最朴素的核心诉求其实很具体:把手头的需求交代清楚,然后在约定时间拿到靠谱的执行结果。背后那些专业技术概念叫什么,大可以事后慢慢聊。至于系统底层还没完全攻克的工程难题——状态的长期可靠保存、异常时的自动恢复能力、人机协作中的安全边界——仍然整整齐齐列在两家团队的后续待办清单上,等着下一代智能体系统去突破和演进。

附录 |参考来源

  • DeepSeek产品部《Super-agent 设计探索:迈向更自主的 Agent 系统》,2026-10-31;开源原型为研究原型,官方声明非正式产品。
  • 该文的公开解读与报道:《Super Agent 到底是什么?》《一文读懂 DeepSeek Super-agent》《把 AI 从「一个窗口」变成「一个同事」》《Deepseek Super Agent 是什么鬼?》,以及环球网、浙江在线、新浪财经、央广网的报道。文中试验数字引自这些解读对原文的转述,正式引用请以DeepSeek原文为准。
  • 想进一步了解 Octop,可以翻这几份材料:官方那份《一分钟了解 Octop》;1.0.2 版本的解读《自托管 AI 助手新特性:由不同性格的专家组队协作》;《腾讯开源 Octop:从个人助手到小团队工作区》;《腾讯云发布 Octop:开源版 WorkBuddy 真的来了?》;还有《Octop 装完就能用,聊得越多它越懂你》。
  • Octop 项目里另有三份设计文档,分别是《专家团队模式》《Agent 后台协作》和《Inbox + Callback 方案》。
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. DeepSeek Harness成了第一个让我上瘾的Agent

    作者|董道力(微信ddl941110)编辑|王兆洋(微信Geisterspiele)用了 DeepSeek Harness(DSH)一段时间后,最大的感受并不是它的能力有多强,而是它能激发一种让人“随时想 build”的冲动。通常来说,没有想聊的话题,我不会打开 Claude,没有要写的代码,我也不会点开 Codex。

    来源 腾讯网
  2. DeepSeek App与网页版设使用限额:长对话7天不活跃即失效

    有用户在使用DeepSeek时被提示因“算力不足,不再支持超过7天不活跃的长对话”,并对单次输入文字的上限进行了调整,缩短至4万字左右。值得注意的是,截至发稿,DeepSeek尚未就此次限额发布单独的正式公告,也没有给出额度恢复的时间表。对于依赖DeepSeek进行日常工作的用户而言,明确额度规则和恢复预期,与获得算力

    来源 TechWeb
  3. DeepSeek开放全家桶API:开发者可1:1复刻完整App

    IT之家 11 月 13 日消息,今天(13 日)晚间,DeepSeek 宣布正式开放全家桶应用 API:在原有 API 中开启对应参数,即可获得深度思考搜索、文件输入等对话功能;语音及相关底层能力也已开放独立接口(含 OCR、ASR、TTS 等),支持单独或组合调用。开发者可以在自己的应用中轻松实现复杂的对话功能,甚

    来源 腾讯网
  4. DeepSeek开放全家桶应用API:开发者可复刻完整App体验

    【TechWeb】11月14日消息,DeepSeek发布全家桶应用 API,将其自有App中已经打磨成熟的整套交互能力打包为标准化、可调用的模块,向开发者开放。与以往仅提供模型推理接口不同,此次开放覆盖搜索、网页抓取与解析、文件解析、OCR、语音识别(ASR)、语音合成(TTS)等多项应用层能力,并支持开发者单独调用或

    来源 AI 行业观察
  5. DeepSeek开放全家桶API:一套接口复刻完整App体验?

    DeepSeek 宣布正式开放全家桶应用 API:在原有 API 中开启对应参数,即可获得深度思考搜索、文件输入等对话功能;语音及相关底层能力也已开放独立接口(含 OCR、ASR、TTS 等),支持单独或组合调用。

    来源 IT之家
  6. DeepSeek发布全家桶应用API

    DeepSeek正式开放全家桶应用 API:在原有API中开启对应参数,即可获得深度思考搜索、文件输入等对话功能;语音及相关底层能力也已开放独立接口。开发者可以在自己的应用中轻松实现复杂的对话功能,甚至1:1复刻出完整的DeepSeek App。

    来源 华尔街见闻
  7. 腾讯推元宝搜索:AI搜索成新战场,谁能胜出?

    AI时代,搜索业务再次成为兵家必争之地。 图源:元宝搜索 2026年11月11日,公司创办28周年之际,腾讯推出全新搜索产品“元宝搜索”,拥有独立网页。用户也可将QQ浏览器升级至最新版本,在引擎设置选项中选择“元宝搜索”。 不只腾讯,近期阿里巴巴、字节跳动等互联网公司,以及DeepSeek、月之暗面等AI企业都正紧锣密

    来源 AI 行业观察
  8. DeepSeek前端代码曝额度耗尽提示:C端付费要来了?

    IT之家 11 月 14 日消息,有开发者在 chat.deepseek.com 的前端代码中发现了一整套额度管理逻辑,提示文案包括“使用额度已达上限,请额度恢复后再试”。此外,其代码还包含额度耗尽后的错误处理分支,以及“分享对话后继续聊”场景下对 quotas 数组中 is_exhausted 状态的检查。根据开发者

    来源 腾讯网
  9. DeepSeek开放全家桶应用API,用户可1比1复刻完整App

    【CNMO科技消息】11月13日,DeepSeek宣布开放一整套面向应用层的API。此前开发者在DeepSeek App里体验到的联网搜索、文件输入、阅读链接、语音交互以及安全校验,都是与模型推理配合完成的;如果要在自己的产品里实现类似功能,除了接入原有DeepSeek API,往往还得花大量精力对接外部工具、处理调用

    来源 腾讯网
  10. Qwen4-Max单任务降58%,Hy4 flash成本仅竞品1/8

    阿里Qwen4-Max基于2.4万亿参数的全新架构,评测中单任务平均费用从26.58元降至11.16元,缓存命中每百万Token低至0.5元;腾讯Hy4 flash激活参数仅12B,评测中单任务成本为DeepSeek同类产品忙时价格的1/8、Hy4的1/20,缓存命中仅需0.02元。

    来源 华尔街见闻
  11. DeepSeek调整使用规则:7天历史对话、4万字输入与每日额度

    DeepSeek近期对App及网页版实施长对话使用限制,涉及历史对话保留、单次输入长度和每日对话额度。用户反馈称,此举与平台算力资源承压有关。具体调整包括:不再支持超过7天未活跃的长对话历史,单次提问输入上限降至约4万字;新增每日对话额度,达上限后系统提示“因服务器繁忙”。

    来源 AI 产业速递
  12. DeepSeek App与网页端限额:长对话7天不活跃停用,日额度触顶

    IT之家 11 月 16 日消息,昨日有部分用户反馈称,DeepSeek 已对 App 与网页版的长对话功能实施了使用限额。 多名用户收到平台提示,称因“算力不足,不再支持超过 7 天不活跃的长对话”。与此同时,单次输入的文字上限被缩短至 4 万字左右,每日对话额度也受到限制,当日使用量触顶后,页面会显示“因服务器繁忙

    来源 AI 行业观察
  13. DeepSeek开放全家桶API:对话语音OCR等能力可独立调用

    11月13日,DeepSeek把全家桶应用的API正式对外开放。开发者只要在原有API里打开对应参数,就能拿到深度思考搜索、文件输入这类对话功能;语音以及相关底层能力也放出了独立接口,OCR、ASR、TTS等都包含在内,可以单独调,也能组合着用。

    来源 网易科技
  14. NaiveAI新模型实测:速度超DeepSeek约3.3倍,编程基准领先3.7分

    硅谷硬核技术媒体Latent Space首期实测中国开源模型Naive-N0.5-Flash。结果显示,该模型在编程基准测试中超越DeepSeek V4.1和GLM 5.3,极速模式下峰值速度达2100 Token/s,响应时间仅3.1秒。文章分析了其在3D渲染等复杂任务中的表现,以及“AI驱动研发”背后的技术逻辑,折

    来源 AI 应用前沿
  15. DeepSeek调整App与网页端额度:长对话、输入字数、每日用量均受限

    11月16日,DeepSeek被曝对App及网页端部分使用场景实施限制。多名用户收到平台提示,称受算力不足影响不再支持超过7天未活跃的长对话;部分用户单次输入上限调整至约4万字,当日用量达到一定程度后会提示服务器繁忙、额度已达上限。官方状态页显示服务正常,但10月记录7起服务异常,11月部分服务仍出现过中断或性能下降。

    来源 凤凰科技
  16. DeepSeek把搜索压到一次半分钱,还开源了聊天界面

    11月13日晚上,DeepSeek 悄无声息地发了一份技术公告,没有新模型跑分,没有发布会直播,却让大洋彼岸恨得牙痒痒。 这一次,DeepSeek干了一件违背过去二十年互联网祖训的事: 它抄起手术刀,把自己引以为傲的国民级App“大卸八块”,然后把心肝脾肺肾摆在柜台上,按斤论两往外批发。 网盘搜索,5块钱1000次,折

    来源 AI 行业观察
  17. DeepSeek前端代码现额度管理:Coding Plan要来了?

    IT之家 11 月 14 日消息,有开发者在 chat.deepseek.com 的前端代码中发现了一整套额度管理逻辑,提示文案包括“使用额度已达上限,请额度恢复后再试”。 此外,其代码还包含额度耗尽后的错误处理分支,以及“分享对话后继续聊”场景下对 quotas 数组中 is_exhausted 状态的检查。 根据开

    来源 AI 行业观察
  18. DeepSeek宣布开放全家桶应用API:开发者可1:1复刻出完整的DeepSeek App

    11月13日,澎湃新闻记者获悉,DeepSeek开放了全家桶应用API(接口)。开发者只要在原有API中打开对应参数,就能获得深度思考搜索、文件输入等对话功能。语音和相关底层能力也已作为独立接口开放,涵盖OCR(光学字符识别)、ASR(自动语音识别)、TTS(文本转语音)等,可以单独调用,也能组合使用。

    来源 网易科技
  19. Agent如何越用越强?中科院自动化所、美团等推出RSI综述

    从 Prompt 优化到 Harness 进化,梳理 RSI 的发展趋势,用三个问题、七步生命周期,理解 Agent 如何把经验转化为持续改进。想象这样一个场景:一个编程 Agent 调用 API 时遇到报错,发现接口参数已经更新。经过几轮尝试,它终于修复了问题。但到了下一个任务,它还会不会犯同样的错误?这次修复能否沉

    来源 腾讯网
  20. 华为云上线openPangu-2.1-Pro:Agent、代码与推理效率同步升级

    【TechWeb】11月16日消息,据华为云官微消息,华为云MaaS模型即服务平台正式上线开源盘古模型openPangu-2.1-Pro。相比上一代,新模型在Agent能力、代码能力和推理效率三个方向上做了系统性升级,在深度研究、鸿蒙系统操控、鸿蒙APP开发、昇腾算子生成及推理链路优化等场景实现增强。 Agent能力的

    来源 AI 行业观察
  21. 华为云上线盘古2.1-Pro:Agent、代码、推理效率升级

    据华为云官微消息,华为云MaaS模型即服务平台正式上线开源盘古模型openPangu-2.1-Pro。相比上一代,新模型在Agent能力、代码能力和推理效率三个方向上做了系统性升级,在深度研究、鸿蒙系统操控、鸿蒙APP开发、昇腾算子生成及推理链路优化等场景实现增强。

    来源 TechWeb
  22. DeepSeek、月之暗面进全球AI独角兽前十,Anthropic营收反超OpenAI

    图片由AI生成文丨晓静编辑丨徐青阳11月15日,硅谷老牌风投机构Menlo Ventures合伙人Deedy Das(@deedydas)在社交平台晒出一张全球AI公司估值与营收排行榜。Menlo Ventures成立于1976年,是硅谷历史最悠久的风险投资机构之一,曾投资Uber、Chime等知名科技公司。近年来,这

    来源 腾讯网
向下滚动自动加载更多