DeepSeek 压缩缓存，Cursor 开始接手长期项目

Juju Radar · 2026.09.11

约 3,200 字 · 阅读约 11 分钟

一个 Agent 连续工作几天，麻烦不只在于模型够不够聪明。反复读文件要花钱，上下文要保存，多个任务还得有人协调。昨天，DeepSeek、Cursor 和 OpenAI 分别拿出了更具体的解决办法。

本期还看三项不同方向的进展：可以边听边说的语音 API、让视觉语言模型直接选择机器人动作的接口，以及一篇把游戏规则与画面生成分开处理的论文。

🧠 DeepSeek V4.1 Flash：长任务先从缓存省起

基础模型 / 推理基础设施 · 9.5/10｜建议深挖

DeepSeek 于 9 月 10 日正式发布 V4.1 Flash，支持原生图像理解和百万 token 上下文。它采用输入、输出不对称的因果编码器—解码器结构：读入内容时每个 token 激活约 8B 参数，生成内容时激活约 16B。Agent 经常一次读入很多工具结果、只输出一小段操作，这种设计针对的正是输入远多于输出的工作负载。

更值得细读的是 KV Cache，也就是模型为了复用前文计算而保存的缓存。新模型让不同层复用缓存，并采用 FP4 精度存储；在相同序列长度下，全局 KV 缓存降到每 token 890 字节，约为 V4 Flash 的四分之一。另一项部署优化只重放最近一段内容来恢复局部状态，使需要持久保存到 SSD 或主机内存的 KV 缓存约降到八分之一。这两个比例对应不同缓存，不能理解成整套服务显存和费用都按同样比例下降。

权重、推理文件和技术报告已公开，API 也已切换。部署时要留意：552B 是主干参数，另外还有 196B 的 Engram 条件记忆等组件；8B/16B 是每个 token 的激活量，并不意味着普通显卡就能装下模型。官方列出的代码任务成绩有明显进步，但框架、推理预算和测试集版本会影响结果。技术报告也承认，最难的推理任务仍与领先闭源模型有差距，缓存近似恢复的极端情况还需继续检查。

对现有 API 用户还有一件实际的事：官方计划在北京时间 9 月 14 日 12:00 后，将 V4 Pro 请求路由到 V4.1 Flash，直至后续 Pro 上线。依赖旧模型行为的应用，应先做自己的任务回归测试，而不只比较排行榜。

发布说明 · 技术报告 · 权重与推理文件

🛠️ Cursor Projects：把几个月的工作留在同一个项目里

Coding Agent / 产品 · 9/10｜建议深挖

Cursor 在 9 月 10 日推出 Projects 测试版，并开始向用户逐步开放。用户面对的是一个协调 Agent：它负责拆任务、派活和汇总，不亲自写代码。子 Agent 可以在云端工作，需要本机测试时再调用本地 Agent；项目通过共享文件积累代码库知识、测试方法和工作偏好，也可以订阅 PR、消息或定时信号。

这个设计处理的是日常开发中很具体的断层：一次聊天结束后，后续迁移、修复和维护常常要重新交代背景。Projects 尝试让同一份上下文伴随整个工程持续更新。Cursor 称内部已用它推进数百个 PR 的迁移，也用它维护设计系统；因此，它比“同时开几个聊天窗口”多出的核心能力，是持续保存经验并在新事件发生时继续工作。

官方提到可向数千个子 Agent 分派任务，并称使用者合并了更多 PR。这些是公司的使用数据，并非随机对照实验；PR 数量也不等于软件质量或净节省工时。判断长期项目有没有做好，仍要看返工、回归故障和维护成本。当前是逐步开放的测试版，不能假定每个账号已经可用。

Cursor Projects 发布说明

☁️ OpenAI Agents API：把 Codex 的运行框架交给开发者

Agent / 开发基础设施 · 9/10｜建议深挖

同一天，OpenAI 发布 Agents API 公测版。开发者除了指定模型和工具，还能选择 Agent 的执行环境：OpenAI 托管沙箱、自有基础设施，或合作方沙箱。负责组织模型调用、工具和上下文的 Codex 运行框架，则由 OpenAI 维护。

这里打包了不少过去需要应用团队自己补的工程能力：长会话的上下文压缩、按需寻找工具、用程序组合工具调用，以及子 Agent 协作。它降低了从“模型能调用一个函数”到“任务能连续执行并留下文件”的搭建成本，也让运行框架的版本和升级方式成为开发者需要关注的依赖。

官方称 API 本身不额外收费，按实际使用的 token 和工具计费；这不等于长期任务免费。客户证言中的延迟和成本改善没有统一实验条件，暂不作为通用收益估计。对于涉及真实业务的 Agent，任务权限、失败后的恢复方式和验收标准，仍需由应用方明确。

Agents API 公测说明

🎙️ GPT-Live-1：一边说话，也能听见你改主意

语音 / 多模态交互 · 8.5/10｜持续观察

GPT-Live-1 此前已用于 ChatGPT，9 月 10 日的新进展是向 API 开发者开放。它采用全双工交互，可以同时处理传入和传出的声音；更复杂的推理和工具操作，则交给后台文本模型。用户打断、更正或短暂停顿时，语音层不必等整条“识别—推理—合成”链路结束才作反应。

这样的分工尤其适合需要边谈边办事的应用：前台保持对话，后台查资料或执行任务。官方给出的语音前端价格是每分钟 0.05 美元，后台模型与工具的开销还要另外计算。它也支持输出转写文本和显式轮次检测，便于已有系统接入。

OpenAI 报告其 Full Duplex Bench 相比 GPT-Realtime-2.1 提高 30 个百分点，语音任务评测还会搭配不同后台模型。应把“对话时机处理得更自然”和“后台任务完成得更好”分开看，不能都归功于语音模型。本文没有独立测试中文口音、嘈杂环境或电话场景的效果。

GPT-Live-1 API 发布说明

🤖 Show-Harness：给机器人一组模型看得懂的动作

机器人 / 论文与开源 · 8.5/10｜建议深挖

这篇 9 月 9 日提交、9 月 10 日进入 HF 每日论文列表的研究，尝试把机器人动作变成视觉语言模型能直接选择的选项，例如向左移动一小步、下降、抓取和松开。与机器人对应的解释器，再把选项落实成幅度受限的实际动作。每走一步，模型重新接收相机画面和执行反馈。

它同时支持两种用法：调用前沿模型直接操作，或用少量示范微调小模型。研究者还提供 GUMI 图形界面，让人通过键盘和浏览器收集示范。论文、代码、训练流程及适配器文件均已可见；这种统一接口值得参考，因为它让示范采集、模型决策和机器人执行使用同一套动作表达。

实验以 Franka 和 AgileX 的单、双臂夹爪操作为主；基本测试包含十种物体与容器组合，每项通常十次试验，并设步数上限。作者报告的泛化优势还不能推广到人形机器人、灵巧手或复杂接触任务。它也不是“给任何机器人装个聊天模型就能干活”：相机、动作解释器和反馈规则仍是系统的一部分。

论文正文 · 代码 · 模型适配器

🎮 游戏规则交给程序，世界模型负责画面

世界模型 / 探索性论文 · 8/10｜持续观察

Programmable World Model 的项目页于 9 月 5 日公开，论文于 9 月 9 日提交；这里补看的是新近完整论文，不当作昨天首次发布的项目。它针对一个熟悉的问题：生成的视频看起来连贯，但镜头一转，画面外的人物和已经发生的事件可能被“忘掉”。

作者让程序保存对象的位置、状态和交互规则，视频模型负责把这些状态画出来。自然语言先被 Agent 转成可执行规则；引擎维护世界状态，再用带状态的三维包围盒生成空间控制信号，交给视频生成器。角色离开镜头后仍存在，事件是否发生也有明确记录，画面不再独自承担全部记忆。

在作者自建的 50 段 CombatStateBench 测试中，数量准确率和状态准确率分别为 94% 和 98%。这两个指标由视觉语言模型判读，且状态指标只检查死亡事件后是否出现相应画面，不要求认出具体角色；对照模型使用的控制接口也不同。因此，结果说明显式状态控制有帮助，尚不能证明通用游戏模拟已经解决。仓库目前仍把推理代码与预训练权重列为未发布。

论文正文 · 项目与公开状态

本期主线

几项产品正在补齐 Agent 长期工作的具体条件：DeepSeek 减少读入与保存上下文的负担，Cursor 保存项目经验并协调任务，OpenAI 则把运行框架做成可调用的服务。之后评估 Agent，除了问它能答对什么，还要问同一个项目做完需要多少钱、中途失败如何继续、结果怎样验收。

两篇机器人与世界模型论文提供了另一种启发：把动作与状态表达清楚，有时比一味增加模型规模更有用。它们目前的实验范围都有限，但接口和状态管理的设计已经值得拆开研究。