VOL. 2026-10-25 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-25 · PUBLISHED · 约 10 分钟
当天最突出的变化是模型发布密集且向端侧与本地部署倾斜：月之暗面推出3…
当天最突出的变化是模型发布密集且向端侧与本地部署倾斜：月之暗面推出3万亿参数的Kimi K3.1 Pro并计划开源，DeepSeek-V4.1-Flash的混合精度量化版让552B MoE可跑在单张4090上，Block则发布仅需一块NVIDIA GPU即可本地运行的语音模型Dessa。开源工具链同步跟进，llama.cpp新增对DeepSeek-V4.1-Flash的支持并推进OpenCL、Vulkan后端优化，Xinference v4.1.0扩充多模型支持与TRT-LLM后端。此外，H2O.ai发布4B决策模型、Dasheng开源12亿参数音频编码器，OpenMobile-2显示开源手机智能体可媲美闭源模型；Anthropic联合创始人Jack Clark则基于新基准将递归自我改进的预测提前至2027年。
今日看点
4 个章节 · 12 条情报- 01模型发布H2O.ai 发布 H2O-Lightning-4B 决策模型4
- 02开源项目Xinference 发布 v4.1.0：新增多模型支持与 TRT-LLM 后端6
- 03产品发布Open WebUI v0.12.4：技能按需加载与上下文压缩改进1
- 04研究进展Anthropic 联合创始人 Jack Clark 将自我改进 AI 预测提前至 2027 年1
模型发布
MODEL RELEASE4 篇H2O.ai 发布 H2O-Lightning-4B 决策模型
H2O.ai 发布 H2O-Lightning-4B，一个基于 Qwen3.5-4B 的 40 亿参数决策模型，可对文档、工单、政策、对话及配套图片进行带类型的决策问答，并为每个选项返回概率。模型支持选择、是/否、评分三类决策，推荐使用其定制 vLLM 构建进行双向读取，在 JevBench 231 个公开条目上答对 206 个（89.2%），在 Decision Index 文本/视觉索引上得分为 63.16/69.42。该模型以 Apache-2.0 许可开源，并提供 GGUF 格式及浏览器演示。
Dasheng：大规模通用音频编码器
Hugging Face 上发布了 Dasheng（大声）通用音频编码器模型 mispeech/dasheng-base，采用 Apache-2.0 许可。该模型基于 272,356 小时多样化音频数据自监督训练，参数量 12 亿，覆盖语音、音乐和环境声。在 HEAR 基准及 CREMA-D、LibriCount、Speech Commands、VoxLingua 等任务上优于此前工作，并提供了推理与微调示例。
Block 发布本地运行语音模型 Dessa，情感表达逼真
Jack Dorsey 旗下 Block 的研究实验室发布了一款名为 Dessa 的语音模型，该模型可在本地运行，能发出笑声、停顿和哭泣等类人表达，并完全基于人类语音训练，仅需一块 NVIDIA GPU。Dessa 是全双工模型，可同时说话和聆听，情感内建于模型之中，而非依赖文本管线或语音标签驱动。目前 Dessa 尚未公开访问，Block 正招募安全研究人员进行测试，以评估语音代理可能欺骗他人的风险；该模型未来有望以更低成本支撑 Block 在金融和小企业业务中的语音应用。
3万亿参数Kimi K3.1 Pro发布，国产第一、价格仅对手1/5
月之暗面发布旗舰模型Kimi K3.1 Pro，参数规模达3万亿级，由Kimi K3后训练而来，支持100万token上下文，并计划在11月4日前开源。该模型在Artificial Analysis榜单上排名总榜第四、国产第一，超过Claude Fable 5.1和GPT-6 Astra，价格仅为GPT-6 Astra的20%。智东西实测显示其在网页开发、游戏制作、3D建模和金融研究等场景表现稳定，45分钟可生成含3052个构件的CAD模型。
开源项目
OPEN SOURCE6 篇Xinference 发布 v4.1.0：新增多模型支持与 TRT-LLM 后端
Xinference 发布 v4.1.0，新增对 DeepSeek-V4.1-Flash、GLM-5.3、Qwen3.8-Flash-Next、MiniCPM-V-4.7 等模型的支持，并加入 TRT-LLM 后端与 Xavier KV 缓存共享、Anthropic 上下文管理、fastapi-guard 安全中间件等能力。该版本还优化了工具调用流式解析性能（32KB 调用从 12.5 秒降至 11 毫秒），并支持模型与 Worker 升级期间不中断推理服务。
DeepSeek-V4.1-Flash 混合精度量化版发布：552B MoE 可跑在单张 4090 上
Hugging Face 用户 IndrasMirror 发布了 DeepSeek-V4.1-Flash-1017 的量化版本 XQ-Uncensored，通过混合精度量化（三值、2-bit、3-bit 及原生 FP4）将 552B 参数的 MoE 模型压缩至约 163 GB，使其能在单张 RTX 4090（24 GB 显存）加 90 GB 内存的消费级 PC 上运行。该版本需配合专用推理引擎 Xolotl 使用，不兼容 llama.cpp、Ollama 或 LM Studio。作者称 V4 构建在质量与速度上均优于前代 V3，并在 Gauntlet v2 测试中略胜 DeepSeek 官方 API 全精度模型。
llama.cpp b11870 新增 DeepSeek-V4.1-Flash 支持
llama.cpp 发布 b11870 版本，新增对 DeepSeek-V4.1-Flash（deepseek41）模型的支持。该 PR 移除了 MXFP8、将 Engram 表转为 BF16、在缓存中一次性计算压缩 KV 读取层、改为图内 gather Engram 行并排序 top-k 行后再稀疏 gather，同时删除 LLAMA_DSV41_KV_MIRROR 开关，并将 deepseek41 加入 Metal 融合基线测试。发布包覆盖 macOS、Linux、Android、Windows 等多平台与 CUDA、ROCm、Vulkan、SYCL、OpenVINO 等后端。
llama.cpp b11873：OpenCL 后端新增 q2_k 支持
llama.cpp 发布 b11873 版本，为 OpenCL 后端新增 q2_k 量化格式的初步支持，包括 mul_mv_q2_k_f32、SOA mv 与 tiled mm、面向 Adreno 的 noshuffle gemm/gemv 和 dp4a gemm 内核，并针对 Adreno 调优。该改动由高通工程师 Hongqiang Wang 参与贡献，同时发布覆盖 macOS、Linux、Windows、Android 等多平台与 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端的构建产物。
llama.cpp b11877：Vulkan 为 conv3d 增加更大 tile size
llama.cpp 发布 b11877 版本，主要变更为 Vulkan 后端为 conv3d 增加更大的 tile size，该优化仅适用于 coopmat2 且不需要共享内存存储输出的场景，并仅对较新驱动版本生效。同时新增了一些具有代表性的后端测试，据提交说明这些测试由 codex 参考 sd.cpp 的 Wan VAE 生成。该版本还提供了覆盖 macOS、Linux、Windows、Android 等多平台及 CUDA、ROCm、Vulkan、SYCL、OpenVINO 等后端的预编译包。
OpenMobile-2 证明开源手机智能体可媲美闭源模型
南京大学、商汤等机构的研究者发布开源项目 OpenMobile-2，基于 Qwen3.5（90 亿参数）和 Qwen3.6（270 亿参数）训练出两个手机智能体模型，并公开完整训练环境、数据和复现说明。他们重建了淘宝、京东、滴滴、美团、Slack 等 110 多个模拟应用，生成约 1.16 万个示例工作流，由 Gemini 3.1 Pro 作为教师模型产出训练样本。结果显示，在相同数据量下增加应用多样性比单纯增加数据更有效，未见应用成功率从 60.7% 升至 67.5%；大模型在真实 Android 设备的 SPA-Bench 上从 31.9 分升至 59.6 分，为开源模型最高。
产品发布
PRODUCT RELEASE1 篇Open WebUI v0.12.4：技能按需加载与上下文压缩改进
Open WebUI 发布 v0.12.4，新增按需加载所选技能（默认关闭，需内置 Skills 工具），在聊天中显示上下文压缩标记与摘要，并将上下文压缩扩展到临时聊天和短聊天以避免上下文长度错误。此外，管理员可隐藏单个界面控件，无法生效的选项也会自动隐藏。
研究进展
RESEARCH1 篇Anthropic 联合创始人 Jack Clark 将自我改进 AI 预测提前至 2027 年
Anthropic 联合创始人 Jack Clark 基于新基准 TasteVal 的结果，将递归自我改进（RSI）可能实现的时间预测从 2028 年提前至 2027 年。TasteVal 由 P-Zero Research 提出，用于衡量 AI 自主设计实验并解读结果的能力，即“研究品味”；测试中表现最好的模型是 Anthropic 的 Opus 5.5，其计算乘数为 2.3，以不到一半的算力达到专家水平，且该能力自 2025 年 12 月以来约每三个月翻倍。不过该基准只覆盖科研工作的一小部分，作者也承认结果可能高估研究品味的提升速度，且 Clark 的预测存在利益相关带来的偏差。