全部 AI 动态

vLLM 语义路由器发布 d3-ultra：一款 270 亿参数的开源多模态决策模型

vLLM 语义路由器发布了 d3-ultra，一款拥有 270 亿参数的开源多模态决策模型。它能够一次性读取文本、图像和视频，并为每个可能的答案返回概率，在该团队的 SR-Text 测试中取得了 87.2 分。原文“vLLM 语义路由器发布 d3-ultra：一款 270 亿参数的开源多模态决策模型”首发于 MarkTechPost。

京东广告联合华为鲲鹏降低生成式广告推理时延15%，618大促完成核心场景验证

京东广告与华为鲲鹏合作，通过灵衢互联构建300TB共享内存池、重构RPC通信，实现端到端推理时延降低15%，KV Cache与RPC性能显著提升，并经2026年618大促核心场景5%流量验证；合作正向搜索、推荐等搜推场景外溢，并布局SuperCache、Agent沙箱等Agentic AI前沿方向。

推荐理由：该报道源自钛媒体（tmtpost.com）于2026-10-26发布的原创技术新闻，内容聚焦真实落地的技术协同：明确披露合作主体（京东广告/华为鲲鹏）、技术路径（灵衢互联、两级缓存、UB协议直连URMA）、量化成效（时延降15%、TP99优化超85%）、验证场景（618大促5%流量）及演进规划（SuperCache、Agent沙箱），所有关键事实均在材料中可交叉印证，无外部信息补充或主观推断。

清华与港中文联合开源AKV：面向LLM智能体的KV缓存工程服务系统

清华大学与香港中文大学研究人员于2026年10月26日开源AKV——一个基于SGLang构建、专为大语言模型（LLM）智能体设计的KV缓存工程服务器。该系统通过让智能体主动丢弃并重定位KV缓存（而非传统文本历史摘要），在4个智能体基准测试中平均降低推理成本27.7%，任务平均得分提升1.7分。代码采用Apache-2.0许可证，当前支持Qwen、GPT-OSS-120B和MiniMax-M2.7等模型。

推荐理由：该成果代表LLM智能体高效推理的新范式：区别于依赖文本截断或摘要的‘上下文工程’，AKV直接操作KV缓存状态，避免重复prefill，显著缓解长程交互中的KV压力；实测显示高并发下P95延迟从229.9秒降至30.6秒，具备明确工程价值与可复现性；信息源自MarkTechPost发布的权威技术报道，发布时间（2026-10-26T07:56:45Z）与当前时间一致，属最新公开进展。

Underdog Saluki 27B：基于GSQ-RCO的2比特Qwen3.8-27B工具调用模型技术解析

本文介绍Underdog发布的Saluki 27B模型——一款7.9 GB的2比特量化Qwen3.8-27B变体，采用ISTA-DASLab的GSQ-RCO方法构建，声称在120任务BFCL v4工具调用基准上超越原54 GB全精度模型；但所有性能结论均来自其开发者声明，未获独立验证。

AnyLanguageModel 1.0发布：支持本地与托管模型的统一Swift接口，适配Apple平台全系OS 27

Hugging Face正式发布AnyLanguageModel 1.0，提供与Apple Foundation Models API完全兼容的开源Swift框架，支持本地（MLX、llama.cpp、Core ML）及托管（OpenAI、Anthropic、Gemini、Hugging Face Inference Providers等）模型无缝切换，并新增图像输入、工具调用、引导式生成、推理块自动适配等特性。

变形器现在运行 lama.cpp quants

变形器现在运行 lama.cpp quants

量子化- Aware 治疗: 一个压缩的4位模型,它超越了它的完全精度原创

量子化- Aware 治疗: 一个压缩的4位模型,它超越了它的完全精度原创

本地速度 vLLM 变压器, 模拟后端

本地速度 vLLM 变压器, 模拟后端

在 One 命令中运行 HF 任务上的 vLLM 服务器

在 One 命令中运行 HF 任务上的 vLLM 服务器

Heaps do lie: debugging a memory leak in vLLM.

Heaps do lie: debugging a memory leak in vLLM.