AI 资讯日报：2026-07-24
岗位趋势
FDE demand 2026 预计 +2,100%：仅 ~2,000 人具备 composite skill
TechCrunch 7-30 引用 Christian & Timbers 研究（7-24 行业讨论持续）：美国仅约 **2,000** 工程师具备 sector know-how + gravitas + applied AI 的 FDE composite；demand 预计 2026 末 **+2,100%**。Q1 仅 5–10% 企业计划招 FDE pilot，Q2 跳至 **70%**——consulting firm 需 10× headcount（20–100 人 team）。Insurance/fintech/healthcare/gaming 均在建 in-house FDE team 防 knowledge 外流至 OpenAI/Anthropic。对 full-stack 想转 FDE：customer discovery + backend composite + on-site deployment 比 pure React depth 更稀缺。
来源： TechCrunch
行业动态
DeepSeek V4 legacy alias HARD CUTOFF：15:59 UTC 生效
DeepSeek 官方 announcement **7-24 15:59 UTC**：`deepseek-chat` 与 `deepseek-reasoner` **fully retired**，请求返回 error 非 redirect。自 4-24 preview 起 alias 已 silently 路由至 V4-Flash——意味着 7-24 前 behavior 早已变，但 7-24 是 **code/config hard-break day**。Replacement：`deepseek-v4-flash`（$0.14/$0.28 MTok，1M context）或 `deepseek-v4-pro`（$0.435/$0.87）；thinking 改为 request param。Developers Digest 7-25 确认：未迁移 team 的 **every API call failing**。对 monorepo：CI grep legacy name 应 fail build。
DeepSeek V4 GA：peak/off-peak 定价 announced，flat rate 仍有效
NG Tech / Zenn 7-20–7-24 汇总：V4 从 preview 转 **GA**，同步 announce **Beijing peak window**（09:00–12:00、14:00–18:00 UTC+8）rate **double** off-peak baseline——但 **7-24 当日 official rate card 仍为 flat tier**，surcharge 无 confirmed start date。V3 off-peak discount 随 alias 一并退役。对 batch workload：宜 instrument request timestamp 为 future surcharge 做准备，但 **7-24 不必立即改 scheduler**。Migration 优先级：alias retirement > surge pricing speculation。
来源： NG Tech
热门项目
MoonshotAI/Kimi-K3
Moonshot GitHub repo **7-24 前** README/LICENSE 已就位，weights **目标 7-27**——2.8T MoE、1M context、Kimi K3 License（commercial use 允许，MaaS >$20M revenue 须 separate agreement）。Hugging Face `moonshotai/Kimi-K3` mirror 同步。对 front-end 全栈：Arena WebDev #1 relevant 但 self-host 需 ~64× H100——多数 team 7-24 仍走 API；repo star/watch 为 weights drop 做 CI template 准备（vLLM/SGLang config）。
产品更新
Claude Code v2.1.219：Opus 5 default + strictAllowlist sandbox
Anthropic release **7-24**：**Claude Opus 5** 设为 default Opus model（**1M context**）；Opus 4.7 移出 fast mode。新 setting **`sandbox.network.strictAllowlist`**——仅 explicit listed destination 可 outbound，其余全部 block，防 compromised code / prompt injection exfiltration。新 **DirectoryAdded hook**；subagent 可 nested spawn 至 **depth 3**（原 default 1）；`--forward-subagent-text` 在 stream-json 显示 nested agent output。Fix：text output loss、self-hosted runner restart 后 permission loss、model picker、screen reader。对 enterprise agent：strictAllowlist 是 production deploy 新 default 候选。
来源： 24 AI
DeepSeek migration one-liner：base_url 不变，仅 swap model name
Developers Digest checklist **7-24 cutoff day**：官方 advice 一行——"Keep base_url, just update model"。`https://api.deepseek.com` + 同 API key + OpenAI ChatCompletions format 不变。`deepseek-reasoner` traffic 额外加 `thinking: {"type": "enabled"}` + strip `reasoning_content` on replay。V4-Flash concurrency **2,500** vs Pro **500**——high-throughput pipeline 选 Flash 即使 quality gate 过 Pro eval。FIM completion 仅 non-thinking mode。对 emergency hotfix：单 env var `DEEPSEEK_MODEL=deepseek-v4-flash` 可 unblock 全队。
模型发布
DeepSeek-V4-Flash vs Pro：AA Index 47 vs 52，cost 差 ~3×
Developers Digest / Artificial Analysis **7-24 GA day** benchmark 参照：V4-Flash AA Intelligence Index **47**，full AA Index run cost **$113**；V4-Pro **52**，run cost **$1,071**。GDPval-AA agentic：Flash 1,388 vs Pro 1,554。Open weights MIT：Flash 160GB download vs Pro 865GB。Legacy `deepseek-chat` 用户 literal successor 是 **Flash non-thinking**——若需 Pro 是 deliberate upgrade，非 1:1 migration。对 cost-sensitive front-end agent：Flash + thinking enabled 先测，fail quality gate 再升 Pro。
Kimi K3 open weights 倒计时 3 天
Moonshot 7-24 状态：**7-27** open weights target（3 天后）。K3 API 自 7-16 可用；Artificial Analysis Index 57，per-task ~$0.94。Hallucination rate ~51%（vs K2 ~31%）——production 须 monitoring。与 DeepSeek V4 GA 同日：国内 frontier 现 **API 双极**（DeepSeek 成本地板 + Kimi WebDev leaderboard）。对全栈 toolchain：7-24 是 DeepSeek migration deadline，K3 weights 是 secondary calendar——勿混为一谈。
论文研究
Kimi K3 paper 预发布信号：KDA + Stable LatMoE scaling ~2.5×
Moonshot tech blog / 7-27 arXiv 预稿信息（7-24 社区引用）：K3 基于 **Kimi Delta Attention + Attention Residuals** 改善 long-context information flow；**Stable LatMoE** 896 routed experts 激活 16/token，overall scaling efficiency vs K2 **~2.5×**。Post-training 含 general/agentic/coding 多 domain RL + multi reasoning-effort levels。对 ML-adjacent 全栈：paper 落地意味着 open weights 附带 inference recipe——关注 MXFP4 weights / MXFP8 activations quantization-aware training 细节以评估 local deploy feasibility。
来源： arXiv:2607.24653