微软将AI治理从政策转向运行时执行
微软提出了一套AI治理架构，将治理从政策文档转向运行时执行、持续评估、可观测性和审计证据。该架构涵盖九个治理域和四个功能，并整合了Microsoft Foundry、Purview、Entra ID等产品。微软还发布了开源Agent治理工具包，为自主代理提供运行时安全能力。
部署工程
技术方向 · 把模型跑起来的工程实践：推理优化、量化与成本、Serving 架构与可观测性 · 共 1721 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
8月24日周一 · 20 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
llama.cpp b10612 发布：禁用 WebGPU 测试并更新多平台二进制
llama.cpp 发布了 b10612 版本，主要变更包括禁用 WebGPU 的 DOTS3NOTE 架构测试，并提供了适用于 macOS、Linux、Windows、Android 和 iOS 的多种预编译二进制文件，涵盖 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等后端。该版本还提供了 UI 包，并支持 openEuler
正文结构化主题已通过公开置信门槛
llama.cpp b10610 发布：优化 CUDA 与 Metal 设备命名
llama.cpp 发布 b10610 版本，主要更新为缩短 CUDA 和 Metal 后端中虚拟设备的命名，并优化了 Metal 设备描述在初始化时的构建。该版本提供了适用于 macOS、Linux、Windows、Android 等多平台的预编译二进制文件，涵盖 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等后端。
正文结构化主题已通过公开置信门槛
Langfuse v4.17.0 发布：新评估体验与 Anthropic 支持
Langfuse 发布 v4.17.0 版本，主要更新包括新的评估用户体验、从 trace 表和事件表创建标注队列、显示任意元数据、迁移 UI 默认显示、支持 Anthropic Messages 作为 Langfuse Assistant 的模型提供商，以及多项修复和优化。该版本还改进了 MCP 清理、评估器模型过滤和监控调度器，并移除了 Assistan
正文结构化主题已通过公开置信门槛
汤森路透斥资4000万美元自建法律AI模型，基于阿里Qwen
汤森路透投资约4000万美元，基于阿里巴巴的Qwen开源模型构建了自有法律AI模型“Thomson”，并利用公司内部数据和领域专家进行训练。测试显示，Thomson在访问公司专属内容时能超越GPT-5.4等竞品，但在推理和编码方面表现较弱。公司计划将Thomson用于文档审查等高频任务，并发布小版本模型供非商业使用，以降低成本并保持独立性。
正文结构化主题已通过公开置信门槛
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
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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
正文结构化主题已通过公开置信门槛
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，
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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
正文结构化主题已通过公开置信门槛
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。
正文结构化主题已通过公开置信门槛
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。