部署工程

DeepSeek-V4-Flash 面向 Strix Halo 的 ROCmFPX 量化 GGUF 发布

Geometric-AI 与 Lucebox 在 Hugging Face 发布了面向 128GB AMD Strix Halo 系统的 DeepSeek-V4-Flash-0731 量化 GGUF 文件，单个 98.29GB 文件在 92 题评测中取得 82/92 分，平均每权重约 2.766 比特。同时还发布了支持图像输入的 DeepSeek-V4-Fl

llama.cpp 发布 b11113：server 不再向子进程传递日志文件

llama.cpp 发布 b11113 版本，主要变更是 server 不再将日志文件传递给子进程（#29212）。该版本同时提供 macOS/iOS、Linux、Android、Windows、openEuler 等多平台预编译二进制，覆盖 CPU、CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。

OpenAI 发布 GPT-6 Sol 与 Luna：价格减半，性能提升有限

OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，token 价格较 GPT-5.6 同系列减半，Sol 为每百万输入 2 美元、输出 10 美元，Luna 为输入 0.10 美元、输出 0.50 美元，同时将缓存输入 token 折扣提升至 90%。OpenAI 称降价源于缓存与推理优化，并将新模型定位为对标 Anthropic Claude

另有 1 家信源报道

高通发布两款主打AI的新旗舰手机芯片

高通在年度骁龙峰会上发布两款旗舰手机处理器 Snapdragon 8 Elite Gen 6 和 Snapdragon 8 Elite Extreme Gen 6，重点强化端侧 AI 能力。新芯片配备可运行最高 2 亿参数小模型的传感中枢，支持本地个人记录、说话人区分和语音进出式智能体；Extreme 版可在本地运行 300 亿参数的混合专家（MoE）模型。

llama.cpp b11112：server 支持 function call output 传入图像

llama.cpp 发布 b11112 版本，主要更新是 server 端在 function call output 中支持 input image，即函数调用输出可以携带图像输入。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。这一

Qwen-Image-2.1 GGUF 量化版发布，支持 ComfyUI 本地生图

开发者 abenzerps 在 Hugging Face 发布了 Qwen/Qwen-Image-2.1 的 GGUF 量化版本，提供 Q8 0 至 Q4 0 多种量化文件，并配套打包了 Qwen3VL-8B 文本编码器和 VAE，方便在 ComfyUI 中本地运行文生图。该版本不含内置安全过滤器，作者还表示正在开发完全无审查版本。

llama.cpp b11111：新增 Intel Xe Vulkan 闪存注意力优化内核

llama.cpp 发布 b11111 版本，主要更新为在 Vulkan 后端新增 Intel Xe 闪存注意力（flash attention）优化内核，覆盖 Xe-LPG Plus、Xe2、Xe3 架构，并针对 split k 路径做优化。同时更新主机端代码以支持 Intel split k FA 内核路径选择，修复 A770 Linux 上的算子测试失

llama.cpp 发布 b11110：mtmd 新增多项健全性检查

llama.cpp 发布 b11110 版本，主要变更为 mtmd 模块新增多项 sanity checks（#29276）。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 及 openEuler 的多平台预编译二进制，涵盖 CPU、CUDA 12/13、Vulkan、ROCm、SYCL、OpenVINO、OpenCL 等

GPT-6 Sol 与 GPT-6 Luna 在 Amazon Bedrock 正式可用

OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 现已在 Amazon Bedrock 上正式可用。GPT-6 Sol 面向编码、调试、数据分析等复杂任务，GPT-6 Sol 在内部事实性评估中的错误约为 GPT-5.6 Sol 的一半；GPT-6 Luna 面向高并发、可重复的轻量任务，两者 API 定价均显著低于 GPT-5.6 前代。两款

另有 1 家信源报道

OpenAI 发布 GPT-6 Sol 和 Luna，成本更低错误更少

OpenAI 发布 GPT-6 系列新成员 Sol 和 Luna，称其在效率与成本上大幅优化，API 价格降至 5.6 系列的一半，并强调事实准确性和代码错误率改善。OpenAI 声称新模型在多项任务上优于 Anthropic 的 Fable 和 Opus，而 Anthropic 在 OpenAI 发布前 90 分钟刚推出 Opus 5.5。新模型已上线 C

浪潮信息发布SD200 Ultra与HC2000，破局Agent算力

在AICC 2026大会上，浪潮信息发布元脑SD200 Ultra超节点AI服务器和元脑HC2000多元算力机组，分别面向Agent时代算力的“向上”与“向广”需求。SD200 Ultra以128芯本土AI芯片、3D HyperMesh架构和8TB带宽、64TB内存，实现单机运行2.8万亿参数Kimi K3，Token生成时延首次突破5.85毫秒，并支持10

另有 1 家信源报道

海光发布1000系列CPU，C86架构进军嵌入式与端侧市场

海光信息正式发布海光1000系列CPU，基于C86架构，面向低功耗、嵌入式和端侧算力需求，具备4核8线程、10W典型TDP、-40°C至105°C宽温能力及10年产品生命周期承诺。该产品将海光在数据中心CPU、DCU领域的技术与生态积累延伸至机器人、工业控制、边缘计算等场景，并同步推进嵌入式生态合作。此举标志着国产芯片从数据中心向边缘端侧全场景扩展，增强与国

llama.cpp b11109 发布：修复 Metal 后端 MUL MAT ID 精度门控

llama.cpp 发布 b11109 版本，主要修复了 Metal 后端中 mul mm id 的 src1 重缩放逻辑，将其置于 ggml prec 门控之下。同时，ggml-webgpu、CUDA 和 Vulkan 后端在 src1 精度为 F32 时拒绝 MUL MAT ID，并修正了 supports op 的返回值。该版本还提供了覆盖 macOS

Claude Opus 5.5 上线 AWS Bedrock

Anthropic 的 Claude Opus 5.5 现已在 Amazon Bedrock 和 AWS 上的 Claude Platform 上线，是 Claude 5.5 系列首个模型。该模型面向智能体编程、知识工作和长时任务，据 Anthropic 称比 Opus 5 用更少 token 完成更多工作，且单 token 价格和缓存读取成本更低，从而降低

另有 2 家信源报道

NVIDIA 机密计算实现高性能私有 AI 推理

NVIDIA 技术博客介绍其机密计算（Confidential Computing）方案，通过内存加密的机密虚拟机、机密 GPU 和加密 NVLink，让 LLM 推理在可信硬件环境中运行。文章以 DeepSeek-R1-0528-NVFP4 模型在 TensorRT LLM 上的测试为例，说明 CC 开启后输出吞吐保留 96.1%–98.2%，平均 TPO

用 Strands Evals 与 Amazon Bedrock AgentCore 评估技能型智能体

AWS Machine Learning Blog 介绍了如何用 Strands Evals SDK 和 Amazon Bedrock AgentCore Evaluations 评估具备技能（Skill）的智能体。技能是遵循开放 Agent Skills 标准的模块化指令集，可让智能体按需加载领域流程。文章指出技能组合会带来两类通用指标难以发现的失败：选错

llama.cpp 发布 b11108：优化 IQ1 M 前缀和计算

llama.cpp 发布 b11108 版本，主要变更是 ggml 中 IQ1 M 量化格式的构建前缀和（prefix sums）改为每块只计算一次，以优化性能。该版本同时提供覆盖 macOS、iOS、Linux、Android、Windows 及 openEuler 的多平台预编译二进制包，支持 CUDA、Vulkan、ROCm、SYCL、OpenVINO

零令牌置信度：读取模型内部状态，0.06秒零令牌完成验证

VIDRAFT 发布零令牌置信度（ZTC）方法，通过读取模型内部隐藏状态而非生成令牌来评估答案可信度，单次前向传播即可输出校准概率，已在 Hugging Face 上线。在 2,018 项共享基准上，ZTC·Darwin-397B 以 0.7394 AUC 登顶，而模型自报置信度仅 0.5000（等同随机猜测）。在 539 项留出集上，读取内部状态比直接询问

Anthropic 发布 Opus 5.5：降价且性能达 Fable 级

Anthropic 于周二发布新模型 Opus 5.5，公司称其在编程和知识工作性能上创下新纪录，并在多项基准上超过更大的 Fable 模型。该模型输出 token 价格从每百万 25 美元降至 20 美元，运行更快、所需算力更低，同时调整了沟通风格，减少术语并前置关键信息。这是 Anthropic CEO Dario Amodei 主张放缓前沿能力推进节奏

Agent时代CPU价值重估：英特尔称CPU与GPU配比趋近1:1

英特尔在苏州技术创新与产业生态大会上提出，Agent时代AI计算配比正从CPU与GPU的1:4趋近1:1，CPU需承担更多调度、数据处理与任务编排工作。英特尔介绍了至强处理器的数据预处理加速、KV Cache无损压缩与存储优化方案，并强调与Linux、PyTorch等开源项目及国内软件伙伴的合作。大会还提及端侧CPU、GPU、NPU协同及家庭AI、车载AI、