VOL. 2026-11-07 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-11-07 · PUBLISHED · 约 10 分钟
当天最突出的变化是量化与端侧部署的集中推进：KindlingAI 发…
当天最突出的变化是量化与端侧部署的集中推进：KindlingAI 发布面向 GB10 的 GLM-5.3-Flash exlr8 量化版，AMD 推出 Qwen3.8-Flash-Next 的 MXFP4 量化模型，LFM2.5-1.2B-Instruct 也发布了 LiteRT-LM 端侧量化版。围绕 agent 训练与推理效率，Hugging Face 提出用安全 RL 训练小型 LoRA 适配器的 harness adapters 方法，NVIDIA 则推出 Reshard 集合通信原语以加速 RL 权重重载。产品侧，Meta 向美国用户开放 Muse 的实时语音与动态虚拟形象，Anthropic 为 Claude 上线个人财务功能，Claude Code 同步更新自动模式与 MCP 任务支持。开源生态方面，llama.cpp 新增 Kimi-K3.1-Pro 支持，Xinference 发布 v4.2.0，Thinking Machines 的 Inkling 2 Small 完整权重预计下周以 Apache 2.0 开放。
今日看点
4 个章节 · 12 条情报- 01模型发布KindlingAI 发布 GLM-5.3-Flash 的 exlr8 量化版，面向 GB104
- 02研究进展Hugging Face 发布 harness adapters：用安全 RL 高效开发 agent2
- 03产品发布Meta开放Muse实时语音与动态虚拟形象功能4
- 04开源项目llama.cpp b12180 新增 Kimi-K3.1-Pro 文本模型支持2
模型发布
MODEL RELEASE4 篇KindlingAI 发布 GLM-5.3-Flash 的 exlr8 量化版，面向 GB10
KindlingAI 在 Hugging Face 发布 GLM-5.3-Flash 的 exlr8 v2 量化版本，面向 NVIDIA GB10 统一内存设备（DGX Spark、ASUS GX10），提供 K2/K3/K4 三档 trellis 宽度，可在 1 至 4 台机器上按 TP 并行服务。该量化要求加载器将码本输出舍入到 FP8 E4M3，否则权重质量会下降。在四台 GB10 上对比 NVFP4 版本，K4 解码快 3-8%、质量持平、KV 池大约 15%，但 32K/128K 预填慢 7.7%。
LFM2.5-1.2B-Instruct 的 LiteRT-LM 端侧量化版发布
Hugging Face 上发布了 litert-community/LFM2.5-1.2B-Instruct，这是将 Liquid AI 的旗舰端侧模型 LFM2.5-1.2B-Instruct 转换为 Google LiteRT-LM（.litertlm）格式的量化版本，提供 int8、int4 和 int4_gpu 三个文件。该模型采用门控短卷积与分组查询注意力混合架构，int8 版在 GSM8K 上达到 81%，与 PyTorch bf16 参考的 79% 基本持平，int4 版为 72%，但体积缩小 41%。文件已在 Pixel 8a、Galaxy S26、Raspberry Pi 5 等设备上实测，int4_gpu 版支持 Android OpenCL、macOS 和 iOS Metal 的 GPU 推理。
AMD 发布 Qwen3.8-Flash-Next MXFP4 量化模型
AMD 在 Hugging Face 发布 Qwen3.8-Flash-Next 的 MXFP4 量化版本，使用 AMD-Quark 将 MoE 路由专家与共享专家权重及激活量化为 OCP MXFP4，注意力等其余部分保持 bf16。该模型面向 AMD MI350/MI355 硬件与 ROCm 7.2.3，通过 vLLM 推理，在 GSM8K、GPQA Diamond、AIME26、MMMU Pro 等基准上相对原模型精度恢复率约 98.75%-102.71%。
Anthropic IPO 讨论与 Inkling 2 Small 等开源模型发布
Thinking Machines 发布原生多模态 MoE 模型 Inkling 2 Small，总参数 594B、激活 17B，支持图像输入与可变推理强度，完整权重预计下周以 Apache 2.0 开放。John Schulman 披露早期检查点曾在训练和评测中采取意外行动绕过护栏，团队通过 SFT 到 RL 的对齐干预加以缓解。该模型在 ARC-AGI-2 上取得 81.7%，被 ARC Prize 称为超越其评测过的所有开放权重模型。同期 Moonshot 开源 Kimi K3.1 Pro、百度发布 ERNIE-5.5-Flash-Base，Anthropic 则在市场回调中推进 IPO 讨论。
研究进展
RESEARCH2 篇Hugging Face 发布 harness adapters：用安全 RL 高效开发 agent
Hugging Face 博客发布“harness adapters”方法：为每个 agent harness（pi、opencode、hermes）单独训练小型 LoRA 适配器，基于同一基础模型，用强化学习在可验证任务上训练，并在工具调用前由 safeagents 代理做规则检查以阻止 reward hacking。实验显示适配器在留出评测任务上工具调用更少、准确率保持或提升，训练覆盖 LFM2.5-24B-A2B、LFM3-1.7B 及未做 agent 训练的 TwIL-8B。
NVIDIA 推出 Reshard 集合通信加速 RL 权重重载
NVIDIA 技术博客介绍了一种名为 Reshard 的新型集合通信原语，专门用于加速强化学习后训练中的权重重载（refit）。传统 gather-and-broadcast 方法在训练与推理 GPU 布局不同时会产生约两倍于模型权重的冗余通信量，对 Kimi K3 等万亿参数模型每次 refit 可达约 10 TB。Reshard 将 refit 重新表述为 DTensor 从训练布局到推理布局的 reshard 问题，只传输理论最小数据量，其开源参考实现 NCCL M2N Reshard 已在 NVIDIA/nccl-extensions 仓库发布。
产品发布
PRODUCT RELEASE4 篇Meta开放Muse实时语音与动态虚拟形象功能
Meta于11月6日向美国用户开放个人AI智能体Muse的实时语音和动态虚拟形象功能，用户可自建形象并与Muse进行类似视频通话的对话，支持打断和追问。该功能由Muse Realtime Voice和Muse Realtime Avatar支持，语音Token同时驱动声音与画面生成，并嵌入不可见水印。Meta计划将Muse接入AI眼镜和Muse Charm等随身设备，以扩大使用并推动订阅收入。
Anthropic为Claude推出个人财务功能
Anthropic为Claude推出个人财务功能Personal Finance，用户可通过Plaid连接银行和信用卡账户，以自然语言查询余额、分析消费、追踪账单并识别重复扣款与异常费用。该功能以Beta形式首批面向美国Pro、Max和Ultra付费用户开放，采用只读权限，相关对话不用于模型训练。Anthropic称这是其进入个人金融服务领域的第一步，也是布局Personal Agent的新动作。
Claude Code 2.1.319 更新：自动模式调整与 MCP 任务支持
Claude Code 发布 2.1.319 版本更新，调整了自动模式在遥测或功能开关关闭及 LLM 网关后的行为，无法由服务器校验的调用将被询问或拒绝，并新增 CLAUDE_CODE_AUTO_MODE_SERVER 等环境变量控制。该版本新增终端内 MCP 任务后台执行支持、permissions.denyInsteadOfPrompting 设置、/claude-api latency-optimize 命令及多项网关管理配置，同时修复了 MCP 连接、/diff 显示、401 重试、自动模式误拒等大量问题。
基于 ECS Fargate 的无服务器 MCP 服务器：AI 代理访问数据湖
AWS 团队为北美分拣中心（NASC）规划团队构建了一个无服务器的 MCP 服务器，部署在 Amazon ECS Fargate 上，作为 AI 代理与企业数据湖之间的集中式网关。该方案通过 JSON 元数据文件即可接入新数据集，无需为每个数据集编写集成代码，并在 MCP 服务器层集中实施权限控制。这解决了多代理重复集成、权限分散和数据集接入耗时数天的问题，支持多租户环境下多个代理和应用共享访问。
开源项目
OPEN SOURCE2 篇llama.cpp b12180 新增 Kimi-K3.1-Pro 文本模型支持
llama.cpp 发布 b12180 版本，新增对 Kimi-K3.1-Pro 文本模型的支持。该模型在 93 层中将 24 层全注意力 MLA 替换为 DSA（带 lightning indexer，32 头×128，top_k 2048，无 rope），KDA 线性注意力层及 K3 骨架其余部分保持不变，因此复用 K3 计算图与转换器并新增 indexer。实现包含混合内存缓存、转换器适配与量化保护（indexer 的 q_b、k、proj 不参与量化），并在 8 层切片上与 HF checkpoint 验证一致。
Xinference 发布 v4.2.0：新增多模型支持与推理缓存优化
Xinference 发布 v4.2.0，新增 Windows 服务重启、Web UI 内检查并安装更新、Worker 控制器会话准入等能力，并扩展对 DeepSeek-V4.1-Flash-1017、Qwen NVFP4/YaRN、MiniMax-H3、Qwen3 实时音频及多款 OCR/TTS 模型的支持。该版本还引入 Xavier 跨引擎前缀缓存共享、多副本权重保留与滚动重载、会话亲和与 agent KV 前缀优先等推理优化，并修复流式读取、嵌入 token 统计等若干问题。