通义千问 Qwen

llama.cpp b12250：Vulkan 新增分块转置 concat 着色器优化 Qwen

llama.cpp 发布 b12250 版本，为 Vulkan 后端新增分块转置 concat 着色器，针对 Qwen 模型的 delta-net 卷积状态路径优化 ggml transpose 直接写入 dim-0 concat 的场景。该优化通过共享内存 32x32 分块使读写合并访问，并严格限定触发条件，其余情况回退原内核。在 gfx1151/RADV

opencoti-llamafile：集成多项 KV 与投机解码优化的单文件推理引擎

ManniX-ITA 在 Hugging Face 发布 opencoti-llamafile，这是基于 Mozilla-Ocho llamafile 的单文件推理引擎，并集成了 opencoti 补丁系列。它新增了 PolyKV/KVarN 的 KV 驻留与量化、KV 滚动窗口、弹性多会话服务、DCA 长上下文扩展、MTP 投机解码、稀疏注意力、RYS 层

Yuanbao-Reranker：文档接地合成与偏好蒸馏的文本重排序

腾讯（Yuanbao 团队）提出 Yuanbao-Reranker，基于 Qwen3 构建 0.6B、4B、8B 三档通用稠密重排序模型。方法上结合答案优先与查询类型引导的文档接地合成、三阶段数据筛选，并用教师分数间隔采样难/中/易负例，构造 275 万条 1:3 排序组；训练时联合优化逐点交叉熵与有界最小间隔 hinge 目标，支持跨规模与同规模蒸馏及逐层

huihui-ai 发布 Qwen3.6-35B-A3B 去审查 GGUF 版本

huihui-ai 在 Hugging Face 发布了 Huihui-Qwen3.6-35B-A3B-abliterated-MTP-GGUF，这是基于 Qwen/Qwen3.6-35B-A3B 通过 abliteration 技术移除拒答行为的无审查版本，并提供 GGUF 量化格式。该模型附带 patch-unsloth 补丁，可对 unsloth 的多

RedHatAI 发布 Qwen3.8-27B INT4 量化模型

RedHatAI 发布了 Qwen3.8-27B 的 INT4 量化版本，权重由 16 位压缩至 4 位，磁盘与 GPU 显存需求降低约 75%，激活值保持原精度并采用 FP8 KV cache。该模型使用 LLM Compressor 结合 AWQ 平滑与 W4A16 GPTQ 方案生成，可直接通过 vLLM 部署，并支持推测解码。在 IFEval 等基准

AI未来竟系于黄仁勋私生活？

《The Verge》报道称，NVIDIA CEO 黄仁勋与 Megaspeed 高管 Alice Huang 存在私人关系，而 Alice Huang 被指为中国国家安全部招募的"蜜罐"。Megaspeed 与中国军方有关联，在东南亚建设数据中心向阿里巴巴出售算力，所用芯片被禁止出口至中国。NVIDIA 已对黄仁勋展开调查，股价下跌近 5%，此事还牵涉美国

另有 1 家信源报道

语言模型表示中的情感压缩现象

该研究在GoEmotions数据集上评估了Llama、Gemma和Qwen家族的七个指令微调模型，比较模型输出预测与情感提示下的末token表示。研究发现，在无监督KMeans聚类下，隐藏表示最清晰的划分是正负情感两类，较粗的情感分组也能用更少簇恢复，但线性探针仍保留大量细粒度情感预测信息，作者将这一现象称为相对GoEmotions分类体系的"过度压缩"。

DavidAU 发布 Qwen3-30B-A3B 128k 上下文 NEO Imatrix GGUF 量化模型

Hugging Face 用户 DavidAU 发布了基于 Qwen3-30B-A3B 混合专家模型的 GGUF 量化版本，通过自研 NEO Imatrix 数据集和 YARN 技术将上下文从 32k 扩展至 128k。该版本提供从 IQ1 M 到 Q8 的多种量化规格及 Max、Max Plus、Max Super、Max ULTRA 等定制变体，可在 G

DavidAU 发布 Qwen3 0.8B 代码推理模型 GGUF 量化版

Hugging Face 用户 DavidAU 发布了 Qwen3-Zero-Coder-Reasoning-V2-0.8B-NEO-EX-GGUF，这是一个基于 Qwen3 平台、由两个 0.6B 模型合并而成的 0.8B 代码生成与推理模型，提供多种 NEO Imatrix 量化版本。作者称其在中等硬件上可达 150 t/s 以上、纯 CPU 也能超过

真实测试：AI编码智能体近四分之三任务仍需人工收尾

阿里巴巴与多所亚洲高校的研究者构建了 Co-Design Bench 基准，用真实用户变更请求测试编码智能体。表现最好的 GPT-6 Astra 平均满足约 70% 的需求，但仅 26.4% 的任务完全正确，说明现有基准接近饱和、与现实可用性差距明显。研究还发现工作环境（harness）对结果影响与模型本身相当，建议排行榜同时报告模型与运行环境。

ggml-org 发布 Qwen3.6-35B-A3B GGUF 量化版

ggml-org 在 Hugging Face 发布了 Qwen3.6-35B-A3B 的 GGUF 量化版本，基于 Qwen/Qwen3.6-35B-A3B 及 z-lab 的 DFlash 版本自动转换而来，采用 Apache-2.0 许可，支持 image-text-to-text 任务。用户可通过 Llama 应用或命令行 llama serve 直

Qwen3.8-27B 的 W4A16 AutoRound 量化版本发布

用户 Vishva007 在 Hugging Face 发布了 Qwen3.8-27B 的 W4A16 量化版本，使用 Intel AutoRound 算法生成，组大小为 64，视觉塔与 MTP 层保留 BF16 精度。量化后显存需求从约 54GB 降至 16–18GB，可在单张 24GB 消费级显卡上运行，并支持通过 vLLM 部署。

Nous Research 微调 Qwen 去除宣传内容，宣传率从 22% 降至 0.9%

Nous Research 对阿里巴巴的 Qwen3.8-27B 进行监督微调，使用约 5300 万 token 训练出 Arete-27B，将模型回答中的中国官方宣传比例从 22% 降至 0.9%，同时基本保持通用能力。团队用 803 条提示词、以 Grok 4.7 作为评判模型构建测试，称中国开源模型的政治倾向只是可被剥离的"薄层"。该模型的权重、测试集

Xinference 发布 v4.2.0：新增多模型支持与推理缓存优化

Xinference 发布 v4.2.0，新增 Windows 服务重启、Web UI 内检查并安装更新、Worker 控制器会话准入等能力，并扩展对 DeepSeek-V4.1-Flash-1017、Qwen NVFP4/YaRN、MiniMax-H3、Qwen3 实时音频及多款 OCR/TTS 模型的支持。该版本还引入 Xavier 跨引擎前缀缓存共享、

Unsloth 发布 Qwen3.8-Flash-Next GGUF 量化版

Unsloth 在 Hugging Face 发布了 Qwen3.8-Flash-Next 的 GGUF 量化版本，采用 Unsloth Dynamic v3.1 量化方案，宣称相比其他前沿量化方案准确率提升 15%、token 使用量减少 50%、推理速度提升 5%，并支持 MTP 实现 1.3-1.7 倍推理加速。该模型是 Qwen 推出的实验性架构预览

李佳琦直播间卖出万份Token，电商平台AI生意刚开场

李佳琦直播间上架千问办公Token算力，半小时售出10万份月卡、累计约2万亿Token，标志Token被包装成电商商品销售。天猫、京东、运营商等纷纷将模型调用资源做成月卡、套餐上架，阿里还成立Token Foundry事业部推进Token战略。但文章指出，低价冲动购买、计费口径不透明、用户缺乏复购等问题意味着Token生意尚未跑通，平台需从卖额度转向卖可感知

阿里Wan3.0支撑双11 AI品牌短剧，视频模型卷向商业成交

阿里在2025年双11期间联合淘宝短剧、天猫小黑盒和天猫国际推出多部AI品牌短剧，包括温碧霞主演的《九尾神临》、全友家居定制剧《终章之外》和天猫国际宠物主题的《毛手毛脚餐厅》，均由阿里8月发布的视频生成模型Wan3.0提供技术支持。文章称Wan3.0在角色一致性、商品还原、复杂空间和多角色互动等商业视频高难度场景中表现稳定，并披露百雀羚等品牌AI短剧带动店铺

AgentionAI 发布 Qwen3.8-Flash-Next Gyro-Coder GGUF 量化编码模型

AgentionAI 在 Hugging Face 发布 Qwen3.8-Flash-Next 的 Gyro-Coder GGUF 量化版本，通过每层仅保留 512 个专家中与编程相关的 256 个，并用自研 trellis 编码器实现 2.125 bits/weight，使 125B 参数的 MoE 编码模型可在单张 24GB 显卡（19.92 GiB 权

AgentionAI 发布 Qwen3.8-Flash-Next Gyro 系列 GGUF 量化模型

AgentionAI 在 Hugging Face 发布了 Qwen3.8-Flash-Next 的 Gyro 系列 GGUF 量化模型，包含面向 32GB 显卡的 Gyro-S、48GB 的 Gyro-M 和 64GB 统一内存的 Gyro-L，通过自研 APR 旋转基与 trellis 量化，在更小显存下实现接近 Q4 的精度。官方称 Gyro-S 在单

谁能否决智能体？LLM评审制度中的证据门控权限

研究将多智能体系统中的评审机制视为制度管辖权问题：在提案、任务信息、模型和评审输出都相同的条件下，评审者何时有权让自己的建议成为最终决定。作者比较了两种制度：一种是广泛覆盖权，另一种是证据门控，即评审者必须给出机制上有效的约束违反记录和合规修复，才能替换原提案。在两种本地运行的开源权重模型、96个空间政策任务和96任务组合迁移基准上，证据门控大幅减少对正确提