DeepSeek-V4-Flash-0731 百万Tokens上下文加持；PixelGPT 助力轻量文生图模型

在通用智能体领域，平衡推理效率与模型性能，是推动大规模落地部署的核心挑战。DeepSeek 于 2026 年 7 月正式发布 DeepSeek-V4-Flash-0731，作为 V4-Flash 的正式版本，其智能体能力实现跨越式提升。模型内置 DSpark 推测解码模块，支持 low/high/max 三档可调推理力度与原生 100 万 tokens 超长上下文，并创新采用 FP4 专家混合精度与 FP8 注意力机制，有效降低显存占用，为资源受限环境提供高效推理方案。尽管激活参数远少于 DeepSeek-V4-Pro，该模型已在多项基准评测中超越预览版，展现出与头部闭源模型比肩的竞争力，诠释了轻量化架构与顶尖性能的统一。

目前，HyperAI 官网已上线了「一键部署 DeepSeek-V4-Flash-0731」，快来试试吧~

在线使用：https://go.hyper.ai/kTTFD

7 月 31 日- 8 月 6 日，hyper.ai 官网更新速览：

* 优质公共数据集：10 个

* 优质教程精选：4 个

* 社区文章解读：2 篇

* 热门百科词条：5 条

* 8 月截稿顶会：3 个

访问官网：hyper.ai

1. Dog Adoption Success 犬类领养成功率数据集

Dog Adoption Success 是一个犬类领养成功率数据集，旨在评估犬类领养匹配质量与持久性，可用于预测领养关系能否成功维持、返回原因及返回时间。 该数据集共包含 42,000 条记录，覆盖 15 个犬只特征维度、 11 个领养人特征维度以及 2 个匹配特征维度，建模结果显示整体阳性样本（退回）比例为 15% 。其统计分布严格校准自真实收容所研究文献，复现了行为问题驱动退回、高期望为风险因素、首次养狗者退回率更高等研究发现。

在线使用：https://go.hyper.ai/vzlP3

2. EV Adoption Behavior & Range Anxiety 电动汽车购买行为数据集

EV Adoption Behavior & Range Anxiety 是一个合成电动汽车（EV）购买行为数据集，旨在帮助分析人口统计、地理与心理因素对电动汽车购买行为及里程焦虑（Range Anxiety）的影响，主要用于购买意向预测与里程焦虑水平分类等领域。 该数据集包含 10,000 条反映潜在购车者的合成数据，不含任何真实信息。数据涵盖人口统计特征、驾驶习惯与基础设施特征、心理因素特征以及目标变量。数据集刻意引入约 2% 的缺失值，用于练习数据清洗与缺失值插补。

在线使用：https://go.hyper.ai/Wu48A

3. Claude Fable 5 Agent Traces 智能体轨迹数据集

Claude Fable 5 Agent Traces 是一个基于 Claude Fable 5 模型生成的智能体轨迹数据集，旨在为指令遵循、工具调用与编码智能体的监督微调（SFT）提供经过验证的真实 Agent 轨迹数据。 该数据集包含 2,380 条真实会话轨迹与 12,490 个训练样本，每条轨迹均保留了 Agent 完整的因果探索过程、工具调用参数、执行结果、纠错行为与最终回复，样本任务涵盖指令遵循、工具调用、代码构建与调试等类型。数据经过运行时规范化处理，移除了运行时管道代码、 UI 装饰、控制序列及冗长的成功输出模板，同时保留因果上下文。

在线使用：https://go.hyper.ai/6mIbI

4. olmOCR-bench 文档解析基准数据集

olmOCR-bench 是由 AllenAI 于 2025 年发布的 OCR 文档解析基准数据集，该数据集旨在衡量 OCR 系统将 PDF 文档转换为 Markdown 格式时的准确性，以及确保关键文本与结构信息的完整保留的能力。 该数据集包含 1,403 个 PDF 文件与 7,010 个测试用例样本。测试类别覆盖 arXiv 数学论文、陈旧扫描件、表格、页眉页脚、长文本以及多栏排版等多种文档形态。测试评估标准包括文本存在性、文本排除验证、自然阅读顺序、表格准确性及数学公式排版精度五项核心指标。

在线使用：https://go.hyper.ai/RK2ze

5. PixelGPT 像素艺术图片数据集

PixelGPT 是一个像素艺术图片数据集，旨在为小型文生图模型、原生低分辨率图像生成或自回归图像建模提供训练与评测数据。 该数据集包含 20,000 张 24×24 像素艺术图片，其中训练集包含 18,000 张样本图片、验证集和测试集各包含 1,000 张样本图片。数据集分为 19 个一级类别和 133 个二级类别，每张像素画的颜色不超过 5 种，且均配有原创英文描述（caption）与两级语义分类标签。该数据集是 PixelGPT 24×24 数据集的公开子集版本，完整版包含超过 218,000 张图片，可用于更大规模的模型训练。

在线使用：https://go.hyper.ai/oqRbp

6. Antidoom Mix v1.0 抗死循环提示词数据集

Antidoom Mix v1.0 是由 Liquid AI 于 2026 年发布的一个纯提示词数据集，旨在为 antidoom 式生成（抗死循环式生成）与偏好数据构建管线提供纯提示词训练数据，通过诱导模型暴露死循环（doom loop）行为、构建偏好对训练模型实现抗死循环式生成，从而提升推理模型的生成可靠性与终止能力。 该数据集共包含 478,229 行提示词，来源于 14 个上游开源数据集，覆盖数学推理、常识问答、学术研究、编程代码、指令微调、结构化输出以及偏好数据等任务类型。每条数据仅保留用户提问，不包含标准答案、推理过程、隐藏测试或验证目标，并剔除了末尾答案提示词及明显包含答案轨迹的行数据。

在线使用：https://go.hyper.ai/AeRdU

7. PerceptionBench 视觉感知能力基准数据集

PerceptionBench 是由 Moonshot AI 于 2026 年发布的大模型视觉感知能力基准数据集，专门用于评估多模态大语言模型（MLLMs）基本视觉感知能力 。 该数据集共包含 3,000 道已验证测试题，涵盖 10 种基本感知能力，包含视觉关系理解、计数、属性认知、深度与 3D 感知、空间定位、比较推理、细粒度识别、上下文整合、 OCR 文本理解及感知相关幻觉等类别。其中 1,800 题为从现有基准测试的失败样本中分解得到的原子级子问题，1,200 题为基于补充图像全新创作的题目。评测采用标准化提示词模板与最高可用推理预算，对 GPT-5.6-Sol 、 Kimi K3 、 Claude-Fable-5 等 16 款前沿多模态大语言模型进行开放问答测试。

在线使用：https://go.hyper.ai/yGGwn

8. Reasoning Corpus  大模型思维链数据集

Reasoning Corpus 是由 SupraLabs 发布的大模型思维链数据集，主要用于监督微调（SFT）、模型蒸馏以及指令训练。 该数据集总规模约 500 万条样本，单条序列长度控制在 5,000 个 token 以内，每个样本都包含原始用户提示、推理轨迹、最终助手响应、来源信息、估计的 token 长度以及预格式化的 ChatML 表示。数据源自 60 余个公开推理数据仓库，涵盖科学、数学、代码、逻辑推理、金融与经济、医学及多语言 STEM 等多个领域，整合了 DeepSeek-v4 、 DeepSeek-r1 、 Qwen3 、 Gemma4 等主流大模型生成的思维链数据。

在线使用：https://go.hyper.ai/sHJha

9. Kimi K3 Coding & Debugging Traces 编程调优轨迹数据集

Kimi K3 Coding & Debugging traces（全称 Kimi K3 Coding, Tool Use & Instruction Following Traces）是从一个 Kimi K3 模型中提取的指令遵循、工具调用与编程轨迹数据集。旨在对指令执行、工具调用以及编码智能体进行监督微调（SFT）。 该数据集共包含来自 577 个完整轨迹的 3,906 行训练数据。任务涵盖系统构建与实现、缺陷诊断与调试、工具调用与编排、项目迁移与整合、错误恢复、安全加固以及功能开发等类别。所有数据均经过运行时规范化处理，移除了 UI 装饰、控制序列等冗余信息，仅保留因果上下文，并通过确定性测试与独立审查验证。

在线使用：https://go.hyper.ai/TWjOt

10. Grug-think 智能体推理简化数据集

Grug-think 是一个智能体（Agent）推理简化数据集，专为优化 Agent 在工具调用前的推理效率而设计。其目的是在降低 Agent 的推理 Token 消耗同时，保持对外交互和工具调用格式的准确性。 该数据集包含来自 5 个大型开放数据集的 100,891 条真实 Agent 运行轨迹，涵盖 45% 的代码智能体任务与 55% 的通用 API 工具调用。部分样本刻意不包含工具调用，以训练模型的自主判断能力。数据集保留完整的原始消息结构、工具定义与工具调用内容，仅对推理部分进行重写，在每条回复表述前均插入一段极简推理文本，优化后的推理文本中位数仅 11 个词。

在线使用：https://go.hyper.ai/ix1l3

1. 一键部署 DeepSeek-V4-Flash-0731

DeepSeek-V4-Flash-0731 是 DeepSeek 于 2026 年 7 月发布的 DeepSeek-V4-Flash 正式版，智能体能力大幅提升。模型内置 DSpark 推测解码模块，支持 low/high/max 三档推理力度与原生 100 万 tokens 上下文，并以 FP4 专家 + FP8 注意力混合精度降低显存占用；尽管激活参数远少于 DeepSeek-V4-Pro，多项基准已超越其预览版，可与头部闭源模型竞争。

在线运行：https://go.hyper.ai/kTTFD

Demo 页面

2. KAT-Coder-V2.5-Dev：高性能 Agentic Coding 模型

KAT-Coder-V2.5-Dev 是 Kwaipilot 团队于 2026 年 7 月发布的智能体代码模型，基于 Qwen3.6-35B-A3B 打造，采用 MoE 架构实现 350 亿参数规模与 30 亿激活参数的高效平衡。模型经过 SFT+RL 后训练，在 SWE-bench 等代码智能体基准中达到 SOTA 表现，支持 256K 长上下文、思考模式与原生工具调用，进一步提升代码生成与自动化开发能力。

在线运行：https://go.hyper.ai/2qmxY

Demo 页面

3. Qwen3.6-27B-Fable-Fusion-711：突破 700 ARC-C 的消费级硬件最强微调

Qwen3.6-27B-Fable-Fusion-711 是 DavidAU 于 2026 年 7 月推出的消费级开源大模型，基于 Qwen3.6-27B 通过多阶段微调与模型融合打造。模型首次在 4-bit、8-bit 量化下突破 ARC-C 700 分，性能媲美闭源大模型，同时支持 256K 长上下文、视觉输入与 MTP 加速推理，并通过 Heretic 技术降低模型拒答限制，成为本地部署领域的高性能方案。

在线运行：https://go.hyper.ai/9dUW8

Demo 页面

4. VenusREM：基于检索增强的蛋白质突变效应预测

VenusREM 是上海交通大学联合华东理工大学、上海人工智能实验室于 2025 年推出的蛋白质突变效应预测模型。模型基于结构感知蛋白语言模型 ProSST，引入检索增强机制，将蛋白语言模型与多序列比对信息融合，在 ProteinGym 突变预测基准中取得第一名，可用于高通量筛选蛋白突变影响，加速蛋白质工程与生物医药研究。

在线运行：https://go.hyper.ai/63xd3

1. 首个面向 LLM 的蛋白突变排序标准化评测基准！哈佛大学团队提出 PG-LLM，一次性测评 13 款主流模型+95 种专业模型

哈佛大学和 Capable 的研究团队提出了一项依托 ProteinGym 数据集构建的 PG-LLM 基准测试，并首次在统一评价维度中同时测评了 13 款通用语言模型和 95 种专业蛋白质预测工具。通过 PG-LLM 基准测试验证，科学家首次明确了通用语言模型确实能做蛋白突变筛选，具有高度的实用价值，且性能已优于至少半数的成熟专业预测工具。该基准的提出，或许将为蛋白质工程领域的新兴工具提供强有力的背书，同时也为蛋白质设计提供全新的思路。

查看完整报道：https://go.hyper.ai/CD2ZZ

2. 美国地震局提出 DAS 地震预警模型，4 秒 P 波应变数据实现中强地震快速分级

美国地质调查局研究团队绕开「先定位、再估算震级」的传统路线，提出了一种基于机器学习的二元震级分类方法。该方法仅使用 P 波初至后 4 秒内的应变波形，通过振幅和多频带小波特征，快速判断地震是否达到 M5.4 的预警阈值。模型以钻孔应变仪历史数据训练，并在包含 2024 年门多西诺角近海 M7.0 地震的独立 DAS 数据中验证，为 DAS 参与近海地震预警提供了新的可行路径。

查看完整报道：https://go.hyper.ai/yCgdc

1. 光学字符识别 OCR

2. 世界动作模型 WAM

3. 遥感 Remote Sensing

4. 故障词元 Glitch Token

5. 生成型预训练变换模型 GPT

这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：

https://go.hyper.ai/wiki

* 截稿时间为 AoE 时间

一站式追踪人工智能学术顶会：https://go.hyper.ai/event

以上就是本周编辑精选的全部内容，如果你有想要收录 hyper.ai 官方网站的资源，也欢迎留言或投稿告诉我们哦！

下周再见！