Qwen3.8-Flash-Next 去审查 GGUF 量化版发布，适配 DGX Spark
Hugging Face 用户 wy2pay 发布了 Qwen3.8-Flash-Next 的去审查（abliterated）GGUF 量化版本，基于 huihui-ai 的 abliterated 模型，采用 IQ4 XS 量化（97.5GB），并附带 LoRA v1 适配器、MTP 投机解码草稿模型和视觉投影器。该版本针对单台 DGX Spark（128
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 3312 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。
10月12日周一 · 2 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
Jundot 发布 Qwen3.8-Flash-Next 的 MLX 混合精度量化版
开发者 Jundot 在 Hugging Face 发布了 Qwen3.8-Flash-Next-oQ4e-mtp，这是对 Qwen/Qwen3.8-Flash-Next 的 MLX 混合精度量化版本，使用 oQ（oMLX v0.7.1）与改进的 oQe 量化方法完成。源模型是 Qwen4 架构的实验性预览，为 125B 参数、6B 激活的 MoE 视觉语言
10月11日周日 · 18 条
正文结构化主题已通过公开置信门槛
研究：AI智能体团队耗费巨量token却几乎无质量提升
评测公司 Vals AI 在 Vibe Code Bench 上测试了 GPT-6 Sol 和 Claude Opus 5.5 的单体与多智能体团队表现，发现团队成本是单体的 1.8 至 5.1 倍，但四次对比中仅一次有统计显著提升。Anthropic 自身测试也显示，从 10 个扩展到 100 个智能体后分数仅微增。OpenAI 研究员 Noam Brow
正文结构化主题已通过公开置信门槛
llama.cpp b11557：RPC 日志改为分级详细度并统一日志入口
llama.cpp 发布 b11557 版本，主要改进 RPC 后端的日志系统。GGML RPC DEBUG 环境变量被改为数字化的详细级别（0 关闭，1-3 逐级增加输出），并新增共享 log.h 作为 RPC 日志的唯一入口，统一了客户端与服务端的日志宏。此外补充了握手、张量传输、图计算等环节的日志，并将远程分配失败、RDMA 回退 TCP 等降级事件提
正文结构化主题已通过公开置信门槛
Meta等提出上下文语言模型CLM：让模型自管上下文
Meta、MIT 和华盛顿大学的研究者提出 Context Language Models（CLMs），让语言模型把上下文当作可自由编辑的文件自行管理，而非依赖预定义的摘要、压缩和检索机制。研究探索了零样本、上下文学习和强化学习三种方式，在 BrowseComp-Plus、EdgeBench 等基准上报告了准确率提升与 FLOPs 下降。研究者也承认存在信息
正文结构化主题已通过公开置信门槛
llama.cpp b11556 新增 Prism Bonsai 2 27B 支持
llama.cpp 发布 b11556 版本，新增对 Prism Bonsai 2 27B 模型的运行时支持，并配套更新了转换器中的 Prism Hadamard 键与方法。该改动由 Georgi Gerganov 等人提交，部分工作借助 Claude Code 完成。发布同时提供 macOS、Linux、Windows、Android 等多平台预编译二进制
正文结构化主题已通过公开置信门槛
llama.cpp 发布 b11555：修复 AVX2 CPU 未使用 F16C 的问题
llama.cpp 发布 b11555 版本，主要修复了在支持 F16C 的 CPU 上 AVX2 未启用 F16C 的问题（#30270）。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译二进制包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。
正文结构化主题已通过公开置信门槛
llama.cpp b11554：Vulkan 后端优化 mul mat id 重复处理
llama.cpp 发布 b11554 版本，主要更新为 Vulkan 后端优化：在预处理阶段处理 mul mat id 的重复行 ID，而非循环处理，通过始终启用「hoist row ids」优化并生成紧凑的 tile 描述列表，在需要时发射多个 tile，从而收紧 workgroup 数量上界并让尾部提前退出。该版本同时提供 macOS、Linux、Wi
正文结构化主题已通过公开置信门槛
Qwen-Image-2.1 无审查 GGUF 量化版发布
用户 abenzerps 在 Hugging Face 发布了 Qwen-Image-2.1-Uncensored-GGUF，这是对 Qwen/Qwen-Image-2.1 的 GGUF 量化版本，用于本地图像生成。该仓库提供 BF16、FP8、INT8、NVFP4、MLX 4/6/8-bit 以及 Q8 0 到 Q4 0 等多种量化文件，并附带文本编码器和
正文结构化主题已通过公开置信门槛
Apodex-1.1-mini 发布 GGUF 量化版本
Hugging Face 用户 abenzerps 发布了 Apodex-1.1-mini 的 GGUF 量化版本，该模型为 35.95B 参数的 Qwen3.5 MoE 模型，面向研究、数据、文件和代码等工具驱动任务。量化文件覆盖 IQ1 M 到 Q8 0 共 12 种规格，保留原生 MTP/NextN 头，并提供 F16 视觉投影器以支持图像输入。模型采
正文结构化主题已通过公开置信门槛
Spark-X2.5-4B 发布 GGUF 量化版本，支持 1M 上下文
Hugging Face 用户 abenzerps 发布了 XHToken/Spark-X2.5-4B 的 GGUF 量化版本，提供 Q4 0 至 Q8 0 五种量化文件，采用 Apache-2.0 许可。该模型为 4B 通用语言模型，面向推理、编码、工具调用和智能体工作流，原生上下文长度达 1,048,576 tokens（1M）。使用这些 GGUF 文件
正文结构化主题已通过公开置信门槛
更便宜的 AI token 推动需求增长，正合黄仁勋心意
THE DECODER 报道称，Ornn、Silicon Data 和 Bloomberg 截至 2026 年 8 月的数据显示，AI 市场出现 a16z 所称的教科书式杰文斯悖论：token 价格持续下降，但 H100 GPU 租赁价格保持稳定甚至上涨。更便宜的 token 解锁了 AI 智能体、自动化和新应用，使使用量增长快于单位成本下降。整个体系依赖一
正文结构化主题已通过公开置信门槛
DeepBeepMeep 发布 LTX-2 视频模型，WanGP 工具支持低显存生成
DeepBeepMeep 发布了 LTX-2 视频模型，用于其 WanGP 工具，该工具支持多种开源视频生成模型，包括 Wan、Hunyuan Video、Flux 1 & 2、Qwen、Z-Image 和 LTV。WanGP 旨在降低视频生成的硬件门槛，支持低至 6GB 显存和旧款 GPU，并提供 Web 界面、自动下载模型、Lora 支持等功能。
正文结构化主题已通过公开置信门槛
StartLux-Decision-35B-A3B 的 GGUF 量化版本发布
开发者 mradermacher 在 Hugging Face 上发布了 StartLux-Decision-v1-35B-A3B 模型的 GGUF 静态量化版本，提供从 Q2 K 到 Q8 0 以及 mmproj 多模态补充文件等多种量化格式。该模型为基于混合专家（MoE）架构的决策/分类模型，采用 cc-by-nc-4.0 非商用许可。此举方便用户在本地
正文结构化主题已通过公开置信门槛
Agention 发布 Qwen3.8-Flash-Next 的 ROCmFP4 GGUF 量化版
Agention 在 Hugging Face 发布了 Qwen3.8-Flash-Next 的 ROCmFP4-FAST imatrix GGUF 量化版本，180B 模型以 4.23 bpw 压缩到 87.06 GiB，可完全运行在 128 GB 统一内存设备（如 Strix Halo）的 96 GiB 显存中，困惑度仅比未量化模型高 2.5%。该版本包
正文结构化主题已通过公开置信门槛
硅谷AI算力争夺战：谁有算力谁是爹
硅谷AI行业正陷入算力争夺战，算力取代资金和人才成为核心资源。Anthropic因算力不足向SpaceX采购超300兆瓦容量、22万块英伟达GPU，SpaceX季度AI业务收入达25.61亿美元。谷歌顶级研究员Noam Shazeer因团队算力被重新分配而转投OpenAI，小型创业公司则面临云服务商要求多年合约和高额预付款的困境。H100租赁价格上涨近40%
正文结构化主题已通过公开置信门槛
Krea 2 Turbo 2步蒸馏 LoRA 发布：8步降至2步，去噪提速4倍
开发者 lvladikov 在 Hugging Face 发布 Krea2-Turbo-Distill-2step-LoRA，将 Krea 2 Turbo 文生图模型从 8 步蒸馏到 2 步，去噪速度提升 4 倍（1024×1024 下 76.4 秒降至 19.3 秒），细节保真度达教师模型的 0.97–1.09 倍。该 LoRA 基于 4 步项目记录的 1
正文结构化主题已通过公开置信门槛
llama.cpp b11552 修复忙槽位被 prompt cache 覆盖问题
llama.cpp 发布 b11552 版本，修复了服务器端一个并发调度缺陷：当某个请求指定了正被占用的 id slot 时，此前仍会先对该槽位执行 prompt cache 更新，导致在另一请求仍在生成时把更匹配的缓存载入该槽位，使生成在错误的上下文上继续。现在该忙槽位会被原样返回，请求需等待其释放。
正文结构化主题已通过公开置信门槛
llama.cpp b11551 新增 MiniCPM-V 4.7 支持
llama.cpp 发布 b11551 版本，新增对 MiniCPM-V 4.7 多模态模型的支持，由 tc-mb 提交并经 Hugging Face 的 Sigbjørn Skjæret 与 Xuan Son Nguyen 协作审查。改动包括在 mtmd 中接入 MiniCPM-V 4.7、允许 mrope 时间从额外位置槽获取、为 GGUF 增加 rop
正文结构化主题已通过公开置信门槛
MiniMax-H3 社区混合量化版：fl2va 与 ref2va 拼接 w4a8
Hugging Face 用户 berryber09 发布了 MiniMax-H3 的社区混合量化版本，将首尾帧关键帧模型 fl2va 与参考条件模型 ref2va 通过整块拼接合并为单一 w4a8 4-bit 检查点，约 12.5 GB，可在 16 GB 显存显卡上运行。该版本让一次生成既能以首帧作为硬时间锚点，又能同时使用参考图像控制人物身份或风格，并已