百度秒哒升级企业版并上线AI Coding商单平台
百度秒哒宣布升级，推出企业版与AI Coding商单平台。企业版强化组织协作、权限管理与运行保障，支持源码下载、本地部署和资源扩容；商单平台连接企业需求方与专业创作者，提供撮合、签约、支付宝托管结算与履约保障。官方称秒哒用户一年增长200倍，创造500万个应用，87%的创造者此前不会写代码，并以33.4%份额居中国AI原生无代码应用生成平台第一。
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 1716 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。
9月11日周五 · 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
不要忽视 wrapture：Python monkey patching 新库
Simon Willison 在其博客中推荐了 Graham Dumpleton 于 2026 年 8 月 31 日发布的新 Python monkey patching 库 wrapture，认为它有望成为 Python 开发者的必备工具。wrapture 同时服务于测试和可观测性（类似 New Relic 风格的追踪），支持单元测试、调用记录、分阶段行为
正文结构化主题已通过公开置信门槛
Xinference 发布 v3.4.0：新增 vLLM 多进程路由与 prefill/decode 分离
Xinference 发布 v3.4.0，新增 vLLM 原生多进程执行器路由、Gemma-4 Transformers 后端批处理支持、prefill/decode 分离、多 worker 副本扩缩容等特性，并加入 MonkeyOCR、dots OCR、Fish Audio S1-mini/S2-Pro、MiniCPM5-2B 等模型支持。该版本还增强了缓
正文结构化主题已通过公开置信门槛
Langfuse v4.35.0 发布：统一搜索、实验对比与 AI 网关改进
Langfuse 发布 v4.35.0 版本，主要更新包括统一侧边栏搜索与保存视图、实验对比运行的颜色编码、评估器控件与版本历史优化、会话时间线 UI 改进，以及 AI 网关的信任执行解析和提供商连接归属功能。此外还修复了会话预设恢复循环、网关端点解析等问题，并进行了代码重构和 CI 配置调整。
正文结构化主题已通过公开置信门槛
Qwen3.8-27B Escha-W2 的 GGUF 移植与 llama.cpp 内核解码
开发者 aj9o9 将 EschaLabs 的 Qwen3.8-27B-Escha-W2 模型移植到 llama.cpp，通过新增 GGML OP ESCHA MUL MAT 算子在内核中直接解码原生 2-bit escha 量化数据，无需解包为稠密张量。提供 Q8 0 和 F16 两种 GGUF 构建及可选的 MTP 推测解码草稿模型，但需要其 llama
正文结构化主题已通过公开置信门槛
llama.cpp b10909：Metal 后端融合表重构与性能修复
llama.cpp 发布 b10909 版本，主要重构 Metal 后端的算子融合机制，将所有可融合模式统一到单张融合表（ggml-metal-fuse.cpp），供图优化器和算子编码器共用。修复了融合模式中输出索引使用相对索引导致 norm/MUL 融合被静默禁用、token 生成性能回退约 5% 的问题。新增 gated delta net 与 KV c
正文结构化主题已通过公开置信门槛
llama.cpp b10908：修复 Metal iq mul mv 内核线程闲置
llama.cpp 发布 b10908 版本，主要修复 Metal 后端中 iq mul mv 系列内核在 ne00 < 1024 时的线程闲置问题。改动将 #28086 的行切分方案推广到 iq1 s、iq1 m、iq2 xxs、iq2 xs、iq2 s 和 iq3 s 六个内核，并顺带优化了 src0 行指针偏移与 offset0 的折叠处理。该版本同时
正文结构化主题已通过公开置信门槛
OpenAI 修复 GPT-5.6 Sol API 错误率升高问题
OpenAI 状态页面报告 GPT-5.6 Sol 在 API 上出现错误率升高，影响 Chat Completions 和 Responses 服务。OpenAI 表示已定位问题并实施缓解措施，通过增加容量使部分流量恢复，最终所有受影响服务已完全恢复。
正文结构化主题已通过公开置信门槛
llama.cpp b10907：修复多架构 MTP 上下文 KV cache 分配
llama.cpp 发布 b10907 版本，主要修复了 deepseek2、glm4moe、cohere2moe 等架构下 MTP（多 token 预测）上下文的 KV cache 分配问题，并新增了反向架构门控与针对 MTP 层过滤的架构测试。该版本同时提供 macOS、Linux、Windows、Android 等多平台预编译二进制包。
正文结构化主题已通过公开置信门槛
llama.cpp b10906：修复图像后推测解码位置传递问题
llama.cpp 发布 b10906 版本，修复了服务器端在图像输入后进行推测解码（speculation）时的位置传递问题：此前向 drafter 传递的是 token 数量而非实际位置，该问题影响所有 drafter 而不只是 DFlash。同时将 draft 参数 n past 重命名为 pos0，以明确其表示位置而非 token 数。该版本同步提供
正文结构化主题已通过公开置信门槛
zai-org 开源 GLM-OCR 多模态文档理解模型
zai-org 发布并开源了多模态 OCR 模型 GLM-OCR，基于 GLM-V 编码器-解码器架构，引入多令牌预测（MTP）损失和全任务强化学习，并集成 CogViT 视觉编码器与 GLM-0.5B 语言解码器。该模型在 OmniDocBench V1.5 上取得 94.62 分排名第一，参数量仅 0.9B，支持 vLLM、SGLang、Ollama 等
正文结构化主题已通过公开置信门槛
LinkedIn 用多教师蒸馏将 AI 职位搜索训练提速 8 倍
LinkedIn 公布了其 AI 职位搜索背后的训练基础设施，采用多教师蒸馏流水线，将 8B 相关性教师模型和 1.7B 互动教师模型的知识压缩进 0.6B 参数的排序模型。系统基于开源 SGLang 构建自定义框架，在训练循环中直接服务教师模型，并通过在线/离线蒸馏拆分、LiGer、多节点训练、FSDP2 和 H200 集群等优化实现约 8 倍训练加速。该
正文结构化主题已通过公开置信门槛
Solstice-AI 发布 Qwen3.8-27B NVFP4 量化模型
Solstice-AI 在 Hugging Face 发布了 Qwen3.8-27B-TURBO-Fable-Cold-Fusion 的 NVFP4 量化版本，基于 DavidAU 的 Cold Fusion 合并模型进行下游量化与打包。该模型宣称在 Claude Code 评测框架下于 9 项基准中全面超越 Claude Opus 4.6 Max，并支持
正文结构化主题已通过公开置信门槛
llama.cpp b10905：CUDA/HIP Flash Attention 调优
llama.cpp 发布 b10905 版本，主要更新为 CUDA/HIP 上的 Flash Attention 调优（针对 gfx1201）。该改动在 RDNA4 上为 head size 256 启用 mma Flash Attention 并调整配置，同时在 AMD WMMA 上优先使用整块 tile 的 FA 网格而非 stream-k，并修订了 s
正文结构化主题已通过公开置信门槛
Mastra 发布 1.66.0：worker 配置、trace 查询与流式超时更新
Mastra 发布 @mastra/core@1.66.0 等更新，为 Mastra Cloud 引入部署范围的 worker 配置清单与运行时拓扑对比端点，并增强 trace 查询能力，支持按 span 字段、metadata、feedback 和 scores 过滤，覆盖 Postgres、ClickHouse、DuckDB 等存储后端。同时新增可观测性
正文结构化主题已通过公开置信门槛
会话追踪与成本控制助力诊断 AI Agent 故障
StackGen 首席工程师 Sabith K Soopy 在 CNCF 成员文章中分享了生产环境中 AI Agent 故障诊断的实践经验，指出标准应用监控无法解释 Agent 为何循环调用、调用无效端点或虚报完成工作。文章建议使用 Langfuse 捕获嵌套会话追踪，结合硬性迭代上限、单工具调用限制和统计监控来控制成本，并将有界指标导出至 Promethe
正文结构化主题已通过公开置信门槛
Qwen3.8-27B 拟人聊天 GGUF 量化版发布
Hugging Face 用户 LessThanThreeAI 发布了 Qwen3.8-27B-Humanlike-Chat-GGUF，这是基于 huihui-ai/Huihui-Qwen3.8-27B-abliterated 量化并叠加 rank-256 Humanlike Chat LoRA 适配器的 27B 本地模型，主打拟人化角色扮演与个人聊天而非助
正文结构化主题已通过公开置信门槛
华为昇腾发布 TorchNPU：PyTorch 适配插件
华为昇腾社区发布 TorchNPU，这是面向昇腾 NPU 的 PyTorch 适配插件，使 PyTorch 框架可直接调用昇腾 NPU 算力。该插件复用上游 PyTorch 能力并针对昇腾 NPU 做深度适配，涵盖基础计算、分布式训练（FSDP2、DTensor、集合通信）、图模式加速、调试调优及内存管理等模块。最新版本 TorchNPU 26.0.0 已支
正文结构化主题已通过公开置信门槛
llama.cpp b10903 发布：修复 Vulkan argsort 竞态与越界
llama.cpp 发布 b10903 版本，修复了 Vulkan 后端 argsort 中的竞态条件和越界访问问题（PR #28705），其中越界访问可能解释 CI 中的失败。该版本同时提供 macOS、Linux、Windows、Android 等多平台预编译二进制包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。
正文结构化主题已通过公开置信门槛
墨芯人工智能亮相外滩大会：以专用稀疏推理芯片提升算力效能
墨芯人工智能作为蚂蚁集团生态合作伙伴亮相2026 Inclusion·外滩大会，展示其AI计算卡产品，主打以专用稀疏推理芯片提升算力效能。其基于自研芯片的推理集群已在西北、西南、华东、华北四大片区数据中心部署，服务智能制造、生命科学、城市治理等场景，并即将推出新一代SparsePrime®计算卡。公司还于今年7月成为工信部人工智能标准化技术委员会成员单位，8