VOL. 2026-08-22 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-08-22 · PUBLISHED · 约 9 分钟
当日AI行业动态集中在模型量化与推理框架的密集迭代上
当日AI行业动态集中在模型量化与推理框架的密集迭代上。Qwen-3.8-27B成为焦点，多个社区版本分别针对Apple Silicon和16GB显存的NVIDIA GPU推出MLX与GGUF量化适配，显著降低了部署门槛。推理引擎方面，SGLang v0.5.18、llama.cpp多版本及DSPy 3.3.1均带来性能优化与功能增强，其中llama.cpp着重修复draft模型上下文问题并扩展多后端支持。具身智能领域，优必选与魔法原子在WRC 2026上展示了工业产线复刻、四足机器狗等落地场景，强调从理解到执行的全链路能力。此外，AWS发布ADOP平台，利用AI智能体将数据工程周期从数周压缩至数小时，体现了AI在数据基础设施中的渗透。整体来看，当日趋势以模型轻量化部署、推理效率提升和具身智能商业化落地为主线。
今日看点
2 个章节 · 12 条情报- 01模型发布Qwen-3.8-27B 去审查版 8 位 MLX 量化发布3
- 02产品发布SGLang v0.5.18 发布：新增多模型支持与性能优化9
模型发布
MODEL RELEASE3 篇Qwen-3.8-27B 去审查版 8 位 MLX 量化发布
junafinity 发布了 Qwen-3.8-27B-Uncensored-8-Bit-MLX，这是对 Qwen-3.8-27B-Uncensored 的 8 位 MLX 量化版本，专为 Apple Silicon 设计，磁盘占用 28GB，视觉塔保持 bf16 未量化。该模型通过 ZeroFuse 权重编辑实现去审查，旨在用于红队和防御性网络安全研究，作为对照实验中的处理组。模型仅支持 MLX 框架，不兼容 transformers 或 vLLM。
Qwen3.8-27B 推出 16GB 显存适配的 GGUF 量化版
cHunter789 在 Hugging Face 上发布了 Qwen3.8-27B 模型的 GGUF 量化版本，采用 ik_llama.cpp 项目的 IQ4_KS 和 IQ4_KT 量化技术，旨在让模型适配 16GB 显存的 NVIDIA 显卡。该量化版本通过 q4_0 KV 缓存量化支持最长 110k 上下文，并对比了与 mradermacher 量化版本的困惑度，结果显示其性能略优。
KAT-Coder-V2.5-Dev APEX GGUF 发布：MTP 头实现 2 倍加速
Hugging Face 上发布了 KAT-Coder-V2.5-Dev 模型的 APEX GGUF 量化版本，该版本移植了 Qwen3.6-35B-A3B 的 MTP 头，实现了投机解码加速。实测在 agentic 编码任务上最高获得 2.03 倍加速，且正确性不变。推荐使用 n-max 3 的投机深度设置，并提供了详细的性能对比数据。
产品发布
PRODUCT RELEASE9 篇SGLang v0.5.18 发布：新增多模型支持与性能优化
SGLang 发布 v0.5.18 版本，包含 710 个 PR，来自 212 位贡献者。新增支持 Muse Glimmer、Intern-S2-Mobius、SANA-Video、LingBot-Video-MoE、LTX-2.5、Cosmos3 Edge & Distilled、LongCat-Image 等模型，并优化了启动性能、LMHead 通信和缓存管理。该版本还更新了依赖，并增强了 Rust 服务器和推测解码功能。
Agno v3.0.0a3 发布：新增 CodeMode、媒体卸载及多项性能优化
Agno 发布了 v3.0.0a3 版本，包含大量修复和新功能。主要改进包括：为代理和团队新增 CodeMode 和结果卸载功能，支持将媒体从数据库卸载到本地、S3 或 GCS 存储，引入 MigrationRequiredError 以处理过时的数据库模式，并优化了性能（如导入时间从 233ms 降至 147ms，会话查找变为 O(1)）。此外，还增加了对 SuperGrok OAuth 设备码认证的支持，并更新了 Gemini 默认模型为 3.7 flash。
DSPy 3.3.1 发布：强化沙箱隔离与优化器性能
DSPy 发布 3.3.1 版本，主要改进包括：PythonInterpreter 的安装简化、沙箱隔离强化和生命周期可观测性增强；优化器 GEPA 支持多提案采样和并发评估，提升吞吐量；同时修复了适配器正确性和 MCP 兼容性问题。该版本通过回调 API 提供完整的解释器执行追踪，并支持通过 gepa_kwargs 配置多目标优化。
优必选WRC展台1:1复刻客户产线，展示具身智能落地路径
优必选在2026年WRC展会上将客户工厂的真实产线1:1搬进展台，展示工业人形机器人Cruzr S2和Cruzr Y1在汽车上下料、物流分拣等场景的连续作业能力，并推出商用机器人Walker C1和家庭机器人U1。公司提出理解、预测、执行三层具身大脑架构，包括Thinker基座大模型、Thinker-WM世界模型和Thinker-VLA，强调端侧部署和真实数据闭环。优必选已与多家企业合作，2025年营收超20亿元，人形机器人销量13838台，其中全尺寸机器人1079台，超80%应用于工业场景。
llama.cpp b10584 发布：修复 draft 上下文并优化内存适配
llama.cpp 发布 b10584 版本，主要修复了 draft 模型上下文大小与目标上下文不匹配的问题，并优化了内存适配逻辑。该版本还引入了可选的第二模型支持，使 draft 或 MTP 上下文的内存测量更精确，同时移除了服务器中的预留块。
AWS 发布 ADOP 平台：AI 智能体将数据工程周期缩短至数小时
AWS 发布了基于 Amazon Bedrock 的智能体数据操作平台（ADOP）参考架构，旨在将数据工程周期从数周缩短至数小时。ADOP 在开发环境中运行 AI 智能体，生成确定性的 ETL、质量检查和治理工件，并通过 CI/CD 部署到生产环境，生产环境不依赖模型调用。该平台支持多工具（如 Claude Code、Kiro、Cursor、Codex）的治理，并内置合规控制，适用于医疗、金融等受监管行业。
llama.cpp b10580 发布：支持 dots3-note 视觉与音频
llama.cpp 发布 b10580 版本，主要更新是支持 dots3-note 模型的视觉和音频处理（PR #27524），包括文本转换、初始化实现和 GGUF 张量映射的修改。该版本提供了适用于 macOS、Linux、Android、Windows 和 openEuler 的多种预编译二进制文件，涵盖 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等后端。
llama.cpp v0.2.0 发布：多后端优化与模型支持更新
llama.cpp 项目发布了 v0.2.0 版本，包含大量底层优化和修复，涉及 CUDA、SYCL、OpenCL、Vulkan、Metal 等多个后端。新增功能包括对 LFM2 模型的支持、GraniteSWA 模型、Mamba-2 的 OpenCL 移植，以及服务器端多项改进。该版本还提升了量化内存使用效率，并增强了 CI 和发布流程。
魔法原子WRC 2026展示三大场景解决方案，发布四足机器狗T1
魔法原子在WRC 2026上展示了工业制造、物流分拣、公共安全三大场景的具身智能解决方案，并发布了轻工业四足机器狗MagicDog T1。公司展示了自研通用具身大模型Magic-VLA K02的进化能力，包括超长程任务规划、柔性衣物整理和叠盒贴胶等demo。魔法原子目前在手订单超11亿元，产品覆盖近30国，海外收入占四成，并获评2026全球具身智能标杆企业TOP100。