部署工程

llama.cpp b10608 发布：修复视频 moov atom 解析问题

llama.cpp 发布 b10608 版本，主要修复了视频处理中 moov atom 位于文件末尾时的解析问题，并处理了 SIGPIPE 信号及 Windows 下的管道中断情况。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，支持 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYC

llama.cpp b10606 发布：修复 ggml clamp 并更新分配器

llama.cpp 发布 b10606 版本，主要修复了 ggml clamp 函数并更新了 ggml-alloc。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，支持多种硬件后端。

燧原科技启动科创板发行，募资60亿推进AI芯片产业化

燧原科技于8月24日启动科创板发行，股票代码688801，拟募资60亿元用于第五、六代AI芯片研发及产业化等项目。公司自研四代架构、五款云端AI芯片，2023-2025年营收复合增长率达81.32%，2026年上半年营收11.2亿元，预计2026年或2027年实现盈利。此次上市有望加速国产算力产业链发展。

Cerebras 发布 CS-4 加速器，性能翻倍

Cerebras 发布了 CS-4 AI 加速器，基于 5nm WSE-3 芯片，通过提升时钟速度和增强冷却，性能达到 CS-3 的两倍。单个机架可容纳三个晶圆，每个用户每秒可处理 4400 个 token，据称比 Nvidia GPU 快 30 倍。CS-4 采用模块化 'Backpack' 设计，并通过 AMD 和 AWS Trainium 等合作伙伴实

llama.cpp b10605 发布：优化 mamba2 投影层性能

llama.cpp 发布 b10605 版本，主要更新是优化了 mamba2 架构中的投影层，通过展平输入/输出投影以使用 GEMM 而非 GEMV，从而提升性能。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件。

Anthropic 多款 Claude 模型出现错误率升高，现已解决

Anthropic 报告其多个 Claude 模型（包括 Claude Opus 5、Fable 5、Mythos 5 和 Opus 4.8）出现错误率升高的问题，影响 claude.ai、Claude API、Claude Code 和 Claude Cowork。问题从太平洋时间晚上 9:50 开始，持续至次日凌晨 00:36，现已解决。

llama.cpp b10604 发布，新增 DeepSeek 4 张量并行支持

llama.cpp 发布 b10604 版本，主要新增对 DeepSeek 4 的 tensor 并行支持，包括共享专家延迟 allreduce 等优化。该版本提供多平台二进制文件，涵盖 macOS、Linux、Windows、Android 等，并支持多种硬件后端。

中诚华隆发布HL200推理芯片及万卡超节点集群

中诚华隆在北京发布HL200推理芯片及超节点智算集群方案，实现从单芯片到万卡集群的体系化突破。HL200支持FP4/FP8超低精度推理，能效比达5.12 TFLOPS/W，兼容主流技术栈，并在DeepSeek V4等模型测试中性能领先。公司同时与多家企业达成战略合作，推动国产推理算力生态建设。

阿里视频大模型Wan3.0正式上线，获评稳定真实有质感

阿里巴巴于8月24日正式上线视频生成大模型Wan3.0，该模型在生成时长、文档输入、真实世界还原等方面全面升级，单次可生成30秒视频，并支持多种文档格式。行业评价其“稳定、真实、有质感”，已进入企业生产流程，用于短剧、影视、广告等场景。即日起用户可在多个平台体验，阿里云百炼和千问AI平台提供限时7折优惠。

Qwen3.6-27B PrismaSCOUT 量化版发布：NVFP4+BF16 混合精度，体积缩小 11%

Hugging Face 上发布了 Qwen3.6-27B 的 PrismaSCOUT 量化版本，采用 NVFP4+BF16 混合精度，大小为 20.17 GB，比之前的 5.5 bpp 版本小 11%。该版本通过 PrismaSCOUT 算法基于端到端 KL 散度选择位分配，而非逐层代理指标，旨在减少量化漂移。实测平均 KL 为 0.0779，相比其 BF

Meta 部署安全实践：持续变更安全的健康检查

Meta 在 arXiv 发表论文，介绍其部署时健康检查基础设施 Service Health Checker (SHC)，用于在数千个异构服务的持续部署中平衡发布速度与可靠性。SHC 通过模板化指标查询、阈值和工作流谓词，与分层和分阶段发布集成，在回归时自动回滚。论文还讨论了规模化运营中出现的噪声、告警疲劳、漂移和未覆盖回归等问题，以及应对措施和未来方向，

超越原始转录：基于LLM的数字孪生的结构化人物提取

本研究探讨了基于LLM的数字孪生中人物信息结构化的影响，提出固定BDE结构在同类任务上优于原始转录，但在异构任务上效果不佳。为此，作者提出自动结构发现流程，在13个多样化子研究中恢复性能，表明关键限制在于信息组织方式而非信息量。

BF1：用于高效长上下文 Transformer 的因果二进稀疏注意力改造

BF1 是一种确定性的块对齐二进稀疏注意力机制，结合局部邻域、全局首块和对数间隔历史块，实现 O(n log n) 交互和 O(log n) 通信深度。在 NVIDIA RTX PRO 6000 Blackwell GPU 上，BF1 在 32K 上下文下实现每层 10.91 倍加速，并将 Qwen3-0.6B 模型的首 token 时间降低 15.3%。在

RISE：面向世界动作模型的自适应想象框架

RISE 提出了一种自适应想象框架，通过选择性展开（Selective Rollout）动态决定世界动作模型（WAM）的推理深度，以平衡规划性能与计算成本。该方法在 NAVSIM 和 nuScenes 数据集上取得了最优规划性能，并减少了不必要的展开。此外，研究团队构建了反事实数据集 CounterDrive，以增强安全关键场景的未来动态预测。

huihui-ai 发布 Qwen3.8-27B 无审查版本

huihui-ai 发布了基于 Qwen3.8-27B 的 uncensored 版本模型，通过 abliteration 技术移除模型的拒绝机制，仅对第 18 至 51 层进行消融，以保留更多原始性能。该模型支持通过 Hugging Face transformers 库和 Ollama 使用，旨在提供无审查的对话体验。

阿里视频大模型Wan3.0正式上线，主打稳定真实有质感

阿里巴巴于8月24日正式上线视频生成大模型Wan3.0，支持单次生成30秒视频及多种文档格式输入，在生成时长、真实世界还原等维度升级。企业用户反馈其表现稳定、真实、有质感，已进入短剧、影视、广告等生产流程。即日起可通过阿里云百炼等平台体验，并推出限时7折优惠。

另有 1 家信源报道

Groq率先部署NVIDIA Groq 3 LPX与Vera Rubin NVL72

Groq宣布将成为首批采用NVIDIA Groq 3 LPX和Vera Rubin NVL72的公司，以提升其AI推理云性能。该平台在基准测试中实现每秒3400个输出令牌，显著加速代理工作负载。Groq与Dell Technologies合作部署，旨在为全球开发者和企业提供大规模推理服务。

Anthropic最强模型因成本高企难获青睐，OpenAI收入增长35%

据FT报道，Anthropic的7月年化收入达650亿美元，预计Q3盈利，拥有6000个年消费10万美元以上的客户。但其最强模型Fable 5因成本高昂，在Ramp AI指数中仅占8.0%的模型支出份额，低于Opus 4.8的28.0%。OpenAI年化收入季度内增长35%，突破400亿美元，得益于GPT 5.6的发布。

神秘AI模型Ox Alpha引发猜测：背后开发者是谁？

一个名为 Ox Alpha 的神秘新 AI 模型在 OpenRouter 上发布，引发互联网对其背后开发者的广泛猜测。该模型被描述为专为编码、持续代理工作和生产负载设计的推理模型，Stripe CEO Patrick Collison 对其表示赞赏。目前其开发者身份匿名，外界猜测涉及中国公司 Z.ai 的 GLM 模型或微软未发布的 MAI 模型，但尚无定论

llama.cpp b10603 发布：支持 GLM-4.5-Air 多 token 预测

llama.cpp 发布 b10603 版本，新增对 GLM-4.5-Air 模型的多 token 预测（MTP）支持。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，涵盖 CPU、Vulkan、CUDA、ROCm 等多种后端。