DeepSeek上新、AI气象系统投运、开源太空星座与芯片量子进展

DeepSeek发布V4.1-Flash-1017，主打“许愿式编程”

10月17日，DeepSeek宣布将V4.1 Flash更新至V4.1-Flash-1017版本，官方网页端、APP与API模型已同步切换。官方称新版通过基于自反馈的强化学习训练，提升了在游戏开发、3D建模等场景从零构建完整项目的能力，可承接更多“许愿式”编程请求，并着重针对DeepSeek Harness、腾讯CodeBuddy、WorkBuddy等平台框架优化，Harness同步升级至0.2.1版本。

公布的测试显示，新版在Terminal-Bench 4.0上由上一版的31.2提升至42.3，ProgramBench由20.3升至29.1，DeepSWE v1.1由74.2升至77.0，同时缩短任务运行时间与输出长度。DeepSeek还开放自研搜索引擎能力，API新增Search与Fetch接口，价格均为5元/千次；模型权重已在HuggingFace和ModelScope以MIT许可证开源。

“风清”人工智能全球集合天气预报系统V1.0投入业务运行

10月17日，在2026全国高性能计算学术大会（CCF HPC China 2026）上，国家超算互联网宣布，由国家气象中心牵头，联合雄安气象人工智能创新研究院、国家气象信息中心和国家超算互联网等研制的“风清”人工智能全球短中期集合天气预报系统V1.0通过业务化评审并投入运行。

该系统依托国家超算互联网核心节点的十万卡AI4S超算集群完成全流程训练与迭代，实现数据、模型、算力全链条国产化，融合视觉Transformer架构与气象物理约束算法。其全球有效预报时效达11天，概率预报精度与离散度误差控制等核心指标优于欧洲中期天气预报中心（ECMWF）的人工智能集合预报系统，单次全球推演仅需数分钟，将服务防灾减灾、交通、能源等领域。

微信鸿蒙版测试接入A2A能力，可语音唤醒小艺操作微信

10月17日消息，据用户反馈，微信鸿蒙版App已支持使用小艺发送微信，但目前只能发送给联系人，暂不支持群聊。鸿蒙微信移动版8.0.22更新接入了A2A能力，支持语音唤醒小艺发送指令操作微信，当前可实现向好友发送文字消息（不支持发送表情）以及发起语音或视频通话。

现阶段该能力尚不支持操作微信向群聊发送消息或发起通话，也不支持操作微信分身，使用前小艺需更新至11.7.8.303版本。

OpenSpace开源太空生态发布，开源计算星座首期规划2600颗卫星

2026年10月17日，在2026开运航天AOE生态大会上，OpenSpace开源太空生态正式发布。北京开运联合信息技术集团股份有限公司联合东方空间、银河航天、北京航空航天大学、中国航天基金会、航天工程大学等产学研资单位代表九方，共同发起该生态及开源社区，并发布开源计算星座计划。

该星座深度融合通算、智算、超算、边缘计算与量子计算，将卫星打造为在轨“太空服务器”。首期规划发射2600颗卫星，其中通算卫星1000颗、智算/超算卫星1000颗、边缘计算卫星500颗、量子计算卫星100颗。

英特尔Nova Lake核显确认原生支持SR-IOV

10月17日消息，据Linux内核最新的代码提交记录显示，英特尔正为下一代Nova Lake-S桌面端和Nova Lake-P移动端处理器准备额外的硬件级虚拟化支持，确认其内置的Xe架构核心显卡将原生支持SR-IOV（单根I/O虚拟化）技术，意味着多台虚拟机可共享同一GPU。

该更新由英特尔官方工程师提交，核心工作是将Nova Lake系列的新设备ID代码录入内核的xe-vfio-pci驱动程序。除下一代桌面与移动平台外，此次更新还涵盖目前被命名为Intel GPU D系列的Crescent Island架构设备。

禾赛科技：未来要做物理AI基础设施服务商

10月17日，据新京报贝壳财经对话报道，禾赛科技联合创始人兼首席执行官李一帆表示，AI时代下通用机器人由底座基础设施层、中间模型层和顶部应用层构成，而作为地基的硬件、计算、数据目前仍有较大空间，禾赛将继续做物理AI基础设施服务商。

禾赛科技最新数据显示，公司已连续5个季度实现GAAP盈利，但39.7%的综合毛利率同比下滑2.5个百分点。李一帆认为，公司在激光雷达领域十年沉淀的光机、芯片、精密制造与量产能力，足以支撑其向物理AI基础设施转型。

谷歌在Willow芯片验证“魔态培育”，量子态错误率降约40倍

据谷歌发布的声明，其量子人工智能团队在Willow量子芯片上成功验证名为“魔态培育”的新技术，使特定量子态的错误率降低约40倍，制备出的量子态准确度达到99.99%，相关研究成果已发表于《科学》期刊。

谷歌解释，量子计算机易受干扰而产生错误，为完成复杂计算需提前制备特殊量子态即“魔态”，但传统方法十分耗费算力，部分研究估计其可能占用量子计算机高达95%的计算能力。新技术通过实时检测并剔除存在错误的量子态样本提升制备效率，有望降低未来容错量子计算所需的纠错资源，但仍需在更大规模系统上进一步验证。