VOL. 2026-09-01 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-09-01 · PUBLISHED · 约 9 分钟
当日AI行业聚焦于模型效率与推理加速，ISTA-DASLab和kin…
当日AI行业聚焦于模型效率与推理加速，ISTA-DASLab和kingjones777分别发布Qwen3.8-27B的非均匀量化与ROCmFP4版本，在保持性能的同时显著减小体积并提升解码速度；Anthropic则推出Claude Fable 5.1与Mythos 5.1，宣称在编程和知识工作领域达到全球领先。推理框架方面，llama.cpp连续更新以优化Qwen4Exp的MTP解码，LMDeploy集成DeepEPv2并支持Kimi K2.6，共同推动服务性能提升。应用侧，t54在Amazon Bedrock AgentCore上构建支付信任层处理超2000万笔交易，FastGPT新增韩语与多格式文档解析。研究层面，Google发布零样本多变量时间序列基础模型TimesFM-3，微软推出高效病理基础模型GigaPath-Flash，而AgenticRag-R1则探索基于强化学习的多步推理检索。整体趋势显示，行业正从通用能力转向针对特定硬件和场景的极致优化，同时兼顾多模态与专业领域拓展。
今日看点
3 个章节 · 12 条情报- 01模型发布ISTA-DASLab 发布 Qwen3.8-27B 非均匀量化 GGUF 模型6
- 02产品发布t54 在 Amazon Bedrock AgentCore 上构建代理支付信任层5
- 03研究进展AgenticRag-R1：基于栈内存的智能体强化学习实现多步推理与检索1
模型发布
MODEL RELEASE6 篇ISTA-DASLab 发布 Qwen3.8-27B 非均匀量化 GGUF 模型
ISTA-DASLab 发布了 Qwen3.8-27B 的 GSQ-RCO GGUF 量化版本，提供四种非均匀量化文件及视觉投影器，支持多模态使用。这些量化通过 GSQ 和 RCO 方法实现，在保持任务无损的同时显著减小模型体积，并兼容 llama.cpp、Ollama 和 LM Studio。
Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1 模型
Anthropic 发布了 Claude Fable 5.1 和 Claude Mythos 5.1 模型，称其为全球最先进的编程和知识工作模型。此次发布旨在提升编码和知识处理能力，相关详细信息已通过官方博客公布。
Qwen3.8-27B ROCmFP4 量化版发布，AMD Strix Halo 上解码速度提升 2.83 倍
kingjones777 发布了 Qwen3.8-27B 的 ROCmFP4 量化版本，专为 AMD Strix Halo 平台优化，并捆绑了多 token 预测（MTP）草稿头。该版本在 AMD Ryzen AI Max+ 395 上实现了 30.30 tok/s 的解码速度，是标准 Q4_K_M 的 2.83 倍，同时困惑度与 Q4_K_M 持平。作者发布了详细的基准测试和 MTP 调优曲线，并指出 llama.cpp 默认的 --spec-draft-n-max 值并非最优。
Stability AI 发布 Stable Audio 3 优化版检查点
Stability AI 在 Hugging Face 发布 Stable Audio 3 Optimized 实验性检查点，针对特定硬件加速。该模型属于快速潜在扩散模型家族（small/medium/large），支持可变长度音频生成、修复式编辑，并基于语义-声学自编码器与对抗后训练，可在 H200 GPU 上不到 2 秒生成音乐与音效。仓库还提供 TFLite/LiteRT CPU 运行时与 TensorRT 运行时 LoRA 支持。
Google 发布 TimesFM-3：零样本多变量时间序列预测基础模型
Google Research 发布了 TimesFM-3，这是一个 3.3 亿参数的多变量时间序列基础模型，支持零样本预测，并在 Gift-Eval、FEV-Bench 和 Time 等基准测试中取得领先性能。该模型采用解码器 Transformer 架构和连续补丁掩码策略，可在单次前向传播中生成整个预测区间，并支持外部协变量。相比前代模型，TimesFM-3 显著提升了多变量场景下的预测准确性。
微软发布高效病理基础模型GigaPath-Flash和GigaTIME-Flash
微软研究院发布GigaPath-Flash和GigaTIME-Flash，通过知识蒸馏将十亿参数模型压缩为紧凑的ViT-S编码器，分别实现约50倍计算量降低和6倍速度提升，同时保持或提升病理分析性能。这两个模型以Apache 2.0协议开源，旨在支持大规模人群级病理研究，但仅限研究用途，未经临床验证。
产品发布
PRODUCT RELEASE5 篇t54 在 Amazon Bedrock AgentCore 上构建代理支付信任层
t54 在 Amazon Bedrock AgentCore 上构建了信任层，利用 AgentCore payments 处理了超过 2000 万笔代理发起的交易，无需人工审批。该信任层结合 x402-secure 的实时端点评分和 AgentCore payments 的会话限制、凭证隔离，实现了安全的自主支付。架构通过 IAM 严格分离职责，确保代理无法修改自身限额或访问凭证。
FastGPT v4.16.2 发布：新增韩语与多格式文档解析，优化全文检索
FastGPT 发布 v4.16.2 版本，移除了文件解析相关的 Worker 并发配置，并自动根据 CPU 并行度设置硬上限。新增韩语支持、账号注销、DOC/PPT/XLS 等多种文档格式解析，以及基于 Milvus BM25 的全文检索功能。商业版需执行资源权限数据清理与迁移，Milvus 用户需升级至 2.5.16 及以上。
llama.cpp b10731 发布：支持 Qwen4Exp 循环状态回滚，提升 MTP 解码速度
llama.cpp 发布 b10731 版本，新增对 Qwen4Exp 模型循环状态回滚的支持，以优化 MTP 投机解码性能。该更新通过为每个槽位写入快照，修复了卷积状态恢复问题，使解码速度在代码和散文场景下分别提升至 183 和 144 tok/s，相比之前有显著提升。
LMDeploy v0.17.0 发布：集成 DeepEPv2 并支持 Kimi K2.6
LMDeploy 发布 v0.17.0 版本，集成了 DeepEPv2，支持 Kimi K2.6 和 mooncake store，并优化了 GLM-5.2 服务性能。该版本还引入了服务端 fan-out、PDL 分页注意力、FP8 MoE 优化等改进，并修复了多个 bug。
llama.cpp b10737 发布：修复 qwen4exp 并新增测试
llama.cpp 发布 b10737 版本，主要针对 qwen4exp 架构进行修复，包括序列并行、块位置键控、多模态输入、CUDA 中止等问题，并新增了序列状态保存/恢复的测试。该版本还禁用了 qwen4exp 的 -sm tensor 支持，并提供了 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件。
研究进展
RESEARCH1 篇AgenticRag-R1：基于栈内存的智能体强化学习实现多步推理与检索
AgenticRag-R1 是一个基于强化学习的框架，通过内存栈和细粒度动作空间深度融合推理、检索和记忆，并采用分层动作感知奖励和信息感知轨迹拒绝策略，以解决现有 RAG 系统在多步推理中自适应检索和上下文修订的不足。实验表明，该方法在多个多跳、开放域和智能体推理基准上优于强基线，并展现出更稳健、可解释且记忆感知的推理行为。代码已在 GitHub 上匿名公开。