VOL. 2026-08-31 · 11 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-08-31 · PUBLISHED · 约 7 分钟
当日AI行业动态聚焦于推理效率与多模态能力的双重提升
当日AI行业动态聚焦于推理效率与多模态能力的双重提升。NVIDIA、DeepSeek等厂商密集发布新模型，其中DeepSeek推出实验性多模态视觉模型V4-Flash-Vision-Exp，而NVIDIA则发布了GLM-5.2的NVFP4量化版本，均旨在优化部署性能。在开源工具链方面，llama.cpp连续发布多个版本，通过优化KV缓存扫描、融合DFlash编码器及扩展CUDA MoE融合至多token，显著提升了长上下文生成速度与投机解码效率。研究层面，Code-as-World范式提出用可执行代码表示物理世界进行推理，为视觉语言模型的定量物理推理提供了新思路。此外，Agno、Langfuse等工具也发布了功能更新，分别强化了知识库按页摄入与评估能力，整体呈现模型、框架与工具协同演进的态势。
今日看点
3 个章节 · 11 条情报- 01研究进展Code-as-World：用可执行代码表示物理世界进行推理3
- 02模型发布NVIDIA 发布 GLM-5.2 NVFP4 量化模型3
- 03产品发布llama.cpp b10707 发布：优化 kv-cells 扫描提升长上下文生成速度5
研究进展
RESEARCH3 篇Code-as-World：用可执行代码表示物理世界进行推理
arXiv 论文提出 Code-as-World 范式，将物理世界表示为可执行代码，通过智能体循环（提出、执行、渲染、验证）从多模态观测中构建可执行世界模型。该模型用于训练视觉语言模型进行定量物理推理，Code-as-World-VL 在 QuantiPhy 基准上达到最先进性能，超越领先专有模型。
概率事件：实现实时量子感知的计算原语
本文提出了一种名为“概率事件”的计算原语，用于实时处理量子图像传感器（如SPAD）产生的光子流。该方法通过递归贝叶斯推断跟踪强度变化后的时间，生成运动自适应场景通量、高保真活动图和熵感知不确定性三种低延迟信号，避免了传统事件相机的固定阈值触发。在0.05勒克斯的极低光照下，该方法无需重新训练视觉模型即可实现人体姿态估计，处理速度超过每秒50,000帧量子帧，比现有重建基线快四个数量级，为光子计数传感与机器人视觉的融合提供了新途径。
ReSource：面向优化与混淆的变换无关反编译恢复框架
arXiv 论文提出 ReSource，首个多阶段 LLM 反编译框架，旨在从经过优化和混淆的二进制中恢复源码。该框架将二进制到源码的差异分为词汇、句法和语义三层，并分别处理，以应对控制流平坦化等问题。在超过 8 万对函数上，ReSource 实现了 83% 的 Top-5 检索准确率和 0.66 的平均相似度，优于现有基线。
模型发布
MODEL RELEASE3 篇NVIDIA 发布 GLM-5.2 NVFP4 量化模型
NVIDIA 发布了 GLM-5.2 的 NVFP4 量化版本，该模型基于 ZAI 的 GLM-5.2，采用 MoE 架构和稀疏注意力，支持长上下文。量化使用 NVIDIA Model Optimizer，支持 SGLang 和 vLLM 推理，专为 Blackwell 硬件优化。模型以 MIT 许可证发布，适用于商业和非商业用途。
DeepSeek 发布多模态视觉模型 V4-Flash-Vision-Exp
DeepSeek 发布了实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，已上线 API 平台，用户可通过设置 model='deepseek-v4-flash-vision-exp' 访问。该模型在纯文本能力上与正式版持平，但在视觉理解的 Agent 基准测试中大幅提升，接近 Opus-4.8。
Inco AI 发布 DFlash 2 草稿模型，加速 GLM-5.3-Flash 投机解码
Inco AI 发布了 DFlash 2 草稿模型，用于 GLM-5.3-Flash 的投机解码。该模型采用块扩散技术，单次预测整个 token 块，并通过轻量选择器保持解码无损。用户可通过 SGLang 集成使用，模型以 CC BY-NC-ND 4.0 许可发布，仅限研究用途。
产品发布
PRODUCT RELEASE5 篇llama.cpp b10707 发布：优化 kv-cells 扫描提升长上下文生成速度
llama.cpp 发布 b10707 版本，优化了 kv-cells 的序列扫描逻辑，在保持行为不变的前提下提前终止扫描。该优化显著提升了长上下文下的生成速度，例如在 RTX PRO 6000 上 55k 上下文从 56.3 t/s 提升至 74.3 t/s，132k 上下文从 33.6 t/s 提升至 50.9 t/s。
llama.cpp b10715 发布：融合 DFlash 编码器提升性能
llama.cpp 发布 b10715 版本，主要更新是将 DFlash 编码器融合到 KV 缓存注入解码中，避免了设备到主机的数据传输和额外的图构建，提升了性能。该版本提供了适用于 macOS、Linux、Windows、Android 和 iOS 的多种二进制文件。
Agno v3.0.3：知识库按页摄入与工具集更新
Agno 发布 v3.0.3，为知识库引入按页网站摄入和按文件文件夹摄入，每页/每文件独立行，支持摘要驱动刷新、失败隔离和级联删除。新增 SitemapReader 和 PageFetcher 以改进 URL 抓取，PDF 条目可引用，并提供 KnowledgeManagementTools 和 AgentOS 知识路由。修复了多页 URL 删除时向量残留、截断读取误删页面等问题，并新增两个 cookbook 示例。
llama.cpp b10718 发布：CUDA MoE 融合扩展至多 token
llama.cpp 发布 b10718 版本，主要更新是将 CUDA 上的 MoE 融合扩展到 specdec 场景，此前 MOE glu 融合和 topk-router 融合仅限于单 token，现在支持多 token，并新增 SWIGLU_CLAMP 案例。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的二进制文件。
Langfuse v4.25.0 发布：增强评估与 CSV 解析
Langfuse 发布 v4.25.0 版本，包含多项新功能、修复和重构。新功能包括定义标准化的 I/O 契约、增强 CSV 解析错误处理、改进 ClickHouse 查询 AST、持久化会话头部可见性、MCP 评估器输出定义、按数据集名称过滤评估样本等。修复涉及 API 历史数据访问限制、OTel 属性路径重建、UI 问题等。此外，还进行了多项代码重构和文档更新。