10月11日，国务院新闻办公室举行“高质量完成‘十四五’规划”系列主题新闻发布会，住房城乡建设部介绍“十四五”时期住房城乡建设高质量发展成就，并答记者问。 不断加大对居民购房的政策支持力度 坚持因城施策、精准施策、一城一策，充分赋予城市政府房地产市场的调控自主权，因地制宜调整优化房地产政策，支持居民合理住房消费，通过市场体系满足居民的多样化改善性住房需求。不断加大对居民购房的政策支持力度，下调住房公积金和商业银行贷款首付比例和利率、对居民“卖旧买新”换购住房给予退税支持、下调契税税率、取消普通住宅和非普通住宅标准等，各地也因城施策出台了购房补贴等各类优惠政策，降低居民的购房成本。“十四五”期间，全国累计销售新建商品住宅面积约50亿平方米。同时，存量住房市场的规模持续扩大，目前，全国有15个省、区、市二手住宅交易量超过新房。 着力维护购房群众合法权益 扎实推进保交楼工作，坚决打好保交房攻坚战，国家、省、市成立了三级工作专班上下联动，压实地方政府、房地产企业、金融机构各方责任，指导各地按照市场化、法治化原则，“一楼一策”推进分类处置。对符合条件的房地产开发项目，通过城市房地产融资协调机制纳入“白名单”给予项目融资支持，保障正常建设资金需求，推动项目早日建成交付；对资不抵债的项目，加快推进破产重整或清算，在司法处置中把维护购房人合法权益放在首要位置。对违法违规、损害群众利益的企业，坚决查处，不让其“金蝉脱壳”、蒙混过关。截至目前，全国750多万套已售难交付的住房实现交付，有力维护了广大购房人合法权益。 改革完善房地产开发、融资、销售制度 在房地产开发方面，项目公司依法行使独立法人权利，企业总部履行投资人责任，项目交付前，严禁投资人违规抽挪项目公司销售、融资等资金，严禁抽逃出资或提前分红。在房地产项目融资方面，推广“保交房”工作中探索形成的行之有效办法，也就是：一个项目确定一家银行或银团为主办银行，项目开发、建设、销售等资金都存入主办银行，主办银行保证项目公司的合理融资需求。同时，建立城市房地产融资协调机制，以城市为单元，实施项目“白名单”制度，目前全国“白名单”项目贷款审批金额已经超过7万亿元，有力保障了商品住房项目建设交付。在商品房销售方面，有力有序推进现房销售，做到“所见即所得”，从根本上防范交付风险；继续实行预售的，规范预售资金监管，切实维护购房人合法权益。 精准实施城市更新项目 一方面，抓紧实施一批关系群众切身利益的更新项目，消除安全隐患，改善人居环境，让人民群众在城市生活得更方便、更舒心、更美好。着力补齐民生短板，实施城中村改造项目2387个，建设筹集安置住房230多万套；启动城市危旧房改造17.5万套(间)；累计改造城镇老旧小区24万多个、4000多万户、惠及1.1亿居民。坚持抓好城市的“里子工程”，累计改造各类地下管网84万公里，加快建设地下综合管廊，有效提升了城市安全运行保障能力和韧性。 另一方面，以更实举措推进好房子、好小区、好社区、好城区“四好”建设，打造宜居、韧性、智慧城市。建设数字化、网络化、智能化新型城市基础设施，大力推进好房子建设，抓好城镇老旧小区改造，开展完整社区建设，改造老旧街区6500多个、老旧厂区700多个，为市民创造更好的生活空间、更新的消费场景、更多的创业空间。 《住宅项目规范》已于今年5月1日正式实施 《住宅项目规范》已于今年5月1日正式实施，这个标准有14项提升。其中包括：楼的层高已经从原来的2.8米提高到不低于3米；4层以上的楼都要加装电梯；对楼板的隔音要求，要降低10个分贝。 推动研发适用于“好房子”的新型建材 推动研发适用于“好房子”的新型建材，比如绿色材料，建造和装修以后，不用再等半年、等三个月放味；研究绿色建材、智慧安防、全屋智能，通过互联网、传感器等新技术、新材料、新产品，在“好房子”当中得到应用，提高我们的住房品质。 推动人工智能(AI)技术等新一代信息技术与城市建设融合发展 推进新型城市基础设施建设，推动人工智能(AI)技术、大数据、物联网、云计算等新一代信息技术与城市建设融合发展，大幅提升城市管理效能和安全韧性。比如，基于城市信息模型(CIM)和城市运行管理服务平台建设的“城市大脑”，可以全面感知城市体征，辅助决策指挥，科学预测预警，实现了政务服务“一网通办”、城市运行“一网统管”。 新型建造方式加速推进 大力发展智能建造等新型建造方式，推动工程建设数字化设计，部品部件自动化生产，施工现场智慧化、精细化管理。聚焦“双碳”目标任务，大力发展绿色建材、绿色建造、绿色建筑，推动全面执行建筑节能强制性标准，累计完成既有建筑节能改造8亿平方米，改造后的建筑冬季室内温度可以提高3-5℃。 来源：中国政府网返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多