OpenBMB 发布 MiniCPM-V 4.7 1B 端侧多模态模型
OpenBMB 在 Hugging Face 发布 MiniCPM-V 4.7 的 1B 版本，延续该系列的单图、多图与视频理解能力，主打端侧高效推理。模型采用视觉编码器内早期压缩与 4x/16x 混合视觉 token 压缩，官方称在整体得分和推理效率上明显优于 Qwen3.5 0.8B。它支持 iOS、Android、HarmonyOS 及多家芯片平台，并
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 3302 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26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
Cloudflare 发布 Auto Router 公测：按请求风险与复杂度自动选模型
Cloudflare 通过 AI Gateway 发布 Auto Router 公测版，用户将模型设为 cloudflare/auto 后，由分类器按请求选择模型。路由分两阶段：先构建候选池并过滤不支持的请求格式，再用多任务分类模型在边缘 GPU 上按 14 类任务和复杂度、歧义、风险、上下文依赖四个维度打分。Cloudflare 公布的基准显示，可靠性提升
正文结构化主题已通过公开置信门槛
llama.cpp 发布 b11896：修复 WebGPU memset 竞态
llama.cpp 发布 b11896 版本，主要修复了 CI 中 WebGPU memset 的竞态问题（#31162）。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。此次更新属于常规构建发布，对普通用户影响有限，主要提升 CI
正文结构化主题已通过公开置信门槛
llama.cpp b11895：修复 Metal 大矩阵输出偏移溢出
llama.cpp 发布 b11895 版本，主要修复 Metal 后端在大矩阵输出偏移场景下的整数溢出问题，并加宽了 batch 偏移与 MUL MAT ID token 索引的数据宽度。该改动由 Codex 辅助完成，属于底层推理引擎的稳定性修复，可避免 Apple 设备上大模型推理时因偏移溢出导致的错误。同时该版本照例提供覆盖 macOS、Linux、
正文结构化主题已通过公开置信门槛
FuriosaAI 发布适配 RNGD 的 Llama-3.1-8B FP8 模型包
FuriosaAI 在 Hugging Face 发布 furiosa-ai/Meta-Llama-3.1-8B-Instruct-FP8-dynamic，该仓库在 RedHatAI 的 FP8 动态量化版 Llama-3.1-8B-Instruct 基础上附带 Furiosa Executable Bundle（FXB），可在 FuriosaAI RNGD
正文结构化主题已通过公开置信门槛
NeoLab转售GPU：模型训不出，改当算力黄牛
量子位报道称，部分由明星研究者创办、获得巨额融资的AI初创公司（Neolab）在模型训练受阻后，开始转售其提前锁定的GPU算力，方式包括转手长期租约、按天或按周出售闲置GPU实例，以及用开源模型提供按token计费的API服务。报道援引Dealroom数据称，29家典型Neolab累计融资230亿美元，但推出商业化产品的不足35%，并提到马斯克评论称算力短缺
正文结构化主题已通过公开置信门槛
Google DeepMind 发布 Gemma 4 系列开源多模态模型
Google DeepMind 在 Hugging Face 发布 Gemma 4 系列开源模型，包含 E2B、E4B、12B、26B A4B、31B 五种尺寸，采用 Dense 与 MoE 混合架构，支持文本、图像、视频及部分尺寸的音频输入，上下文窗口最高 256K。该系列强化推理、编码与原生函数调用能力，并引入多 Token 预测（MTP）草稿模型，通过
正文结构化主题已通过公开置信门槛
IBM Granite Speech 4.1-2b NAR 的 GGUF 量化版发布
handy-computer 在 Hugging Face 发布了 IBM Granite Speech 4.1-2b NAR 模型的 GGUF 量化版本，供 transcribe.cpp 推理框架使用。该模型采用非自回归架构，通过一次前向传播完成 CTC 假设编辑，支持英语、法语、德语、西班牙语和葡萄牙语离线语音转文字。量化后 Q4 K M 仅 1.56G
正文结构化主题已通过公开置信门槛
商汤大装置拿下中国近50%新云份额
沙利文与头豹研究院发布《中国全栈AI云服务市场报告2026H1》，显示商汤科技旗下AI基础设施平台商汤大装置（SenseCore）在中国Neocloud（新云）赛道占据近50%份额。商汤大装置通过异构混推（PD分离）、算电协同Agent等方案提升国产芯片利用率与Token产出效率，其日均Token服务量从年初4000亿增长至9月底6万亿，并计划四季度达到日均
正文结构化主题已通过公开置信门槛
KRAFTON 发布 Raon-1 mini GGUF 量化版本
KRAFTON AI 在 Hugging Face 发布了 Raon-1 mini preview 的 GGUF 量化版本，供 llama.cpp 使用，文件由同一检查点的 BF16 权重转换而来，Q6 K 及更小量化使用了 imatrix。Raon-1 mini 是 KRAFTON AI 从零训练的 30B-A4B MoE 语言模型，采用混合注意力架构，原
正文结构化主题已通过公开置信门槛
MiniCPM-V 4.7 1B 发布 GGUF 量化版，面向端侧多模态推理
OpenBMB 在 Hugging Face 发布 MiniCPM-V 4.7 1B 的 GGUF 量化版本，基于 llama.cpp，面向端侧部署。该 1B 多模态模型采用 LLaVA-UHD v4 的 ViT 内早期压缩与 4x/16x 混合视觉 token 压缩，官方称在整体得分和推理效率上明显优于 Qwen3.5 0.8B。模型支持 iOS、Andr
正文结构化主题已通过公开置信门槛
Huihui Qwen3.8-27B 消融版 NInfer FP8/NVFP4 量化发布
Hugging Face 用户 lyf 发布了基于 huihui-ai/Huihui-Qwen3.8-27B-abliterated 的 NInfer 量化产物，采用 FP8 与 NVFP4 混合精度，面向 Blackwell 架构（RTX 5090、sm120）。该仓库同时提供原始 v2 与 v3 兼容版本，v3 仅更新容器与聊天模板、保持全部 1118
正文结构化主题已通过公开置信门槛
MiniMax 发布 M3-MXFP8 量化多模态模型
MiniMax 在 Hugging Face 发布 MiniMax-M3-MXFP8，这是原生多模态模型 MiniMax-M3 的 MXFP8 量化版本，约 428B 总参数、23B 激活参数，支持 1M 上下文。该模型从训练第一步即进行混合模态训练，并引入 MiniMax Sparse Attention（MSA）提升长上下文效率，在 1M 上下文下相比
正文结构化主题已通过公开置信门槛
DeepSeek 开源推理框架 DeepInfer，AI 编写算子同周登顶两大榜单
DeepSeek 全面开源推理框架 DeepInfer，继模型权重和 FlashMLA、DeepGEMM 等算子库之后，进一步开放模型运行链路；其 FlashMLA 人工手调版本算子性能达到硬件极限的 90% 以上。同一周内，完全由 AI 编写算子、无人工逐行调优的 ForgeKernel 同时登顶英伟达 SOL-ExecBench FlashInfer-B
正文结构化主题已通过公开置信门槛
趋境科技完成超13亿元B轮融资，加速高品质AI Token规模化交付
趋境科技（Approaching.AI）完成超13亿元人民币B轮融资，年内累计募资24亿元，由浙财创新、萧山资本、工银投资等联合领投，商汤科技、网宿科技等跟投。公司主打高品质AI Token生产服务，半年内核心经营指标增长超十倍，日均Token产量增至超万亿量级，并称已跨过成本线。资金将用于产能扩张、ATaaS平台升级及推理底层技术研发，同时推进基于国产芯片
正文结构化主题已通过公开置信门槛
港科CMU联手岩山科技开源EdgeRock-4B，KV Cache砍掉99%
岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源EdgeRock-4B模型，采用记忆岩锚（RMA）机制，将256K上下文下的KV Cache固定在72MiB，相比源模型Qwen3.5-4B减少99.1%。在单张80GB GPU上实现512路并发长推理，输出吞吐达12124 tokens/s，为源模型的6.42倍，同时AIME 2024-2026平均一次
正文结构化主题已通过公开置信门槛
声网发布对话式AI实时基础设施，提出五级对话能力框架
在iRTE2026实时智能大会上，声网创始人兼CEO赵斌提出「五级对话能力」框架，并展示Agora Conversational Model多模型协作混合对话系统、Conversational Agent System及分布式实时推理云方向，试图把实时网络、音频处理与推理基础设施整合为生成式AI时代的实时交互底座。大会同时汇集美团、阿里、MiniMax、阶跃
正文结构化主题已通过公开置信门槛
无问芯穹与三体宇宙联合发布智子Agent 1.0
无问芯穹与三体宇宙于10月25日在北京举行的2026三体日上宣布战略合作，并发布首个合作成果——具有智子人格特征的AI对话Agent“智子Agent 1.0”。无问芯穹以Agentic Infra产品与服务体系提供智能体开发、知识与记忆管理、推理服务等全链路支撑，通过AgentWorks平台、多Agent协同校验机制和PDD跨集群异构推理架构，解决角色还原、
正文结构化主题已通过公开置信门槛
10亿Tokens免费送！实测全国产算力模型Spark-X2.6，纯代码搓出3D故宫
量子位实测了讯飞发布的Spark-X2.6模型，该模型采用MoE架构，总参数293B、激活约30B，支持1M上下文，并在国产算力平台上完成训练与推理。文章重点展示了端云协同能力：4B端侧模型可离线完成经营复盘，敏感合同先在本地脱敏再交由云端审查，最后本地还原。讯飞同时提供10亿Tokens免费额度，并开源了Spark-X2.6-4B。
正文结构化主题已通过公开置信门槛
心智市场：512亿状态的智能经济
该论文提出 Markets of Minds 框架，在专家输出尚未观测之前，就把稀缺的专家推理能力以带类型、有预算约束的合约形式分配给多个智能体，并显式区分修复收益与回退风险。作者构建了包含 512 亿个可寻址人格-市场状态的依赖感知智能体经济，在 30% 援助配额下进行 240 个案例的匹配回放，冻结分配器达到 85.42% 的任务级人格遵循率，比等容量随