通义千问开源Qwen3.8-Flash，125B参数激活仅6B，4090可直接部署

1. Qwen3.8-27B 登顶全球开源榜第一，曾经的「源神」又回来了！

微信公众号 2026-08-19 00:00:00

2. #智驾数码团# 8月21日成都车展，捷达M6甩掉传统套路，高管带队“边逛边聊”，联手萌兰、茶百道打造沉浸式展台，连脱口秀演员庞博都来当“首席体验官”替用户发问。这场“捷达来电，百道皆达”的亮相，藏着捷达35年德系底色的焕新野心。作为“超舒适AI纯电大家轿”，M6主打“德系精工+中国科技”：悦行AI座舱集成豆包、DeepSeek、通义千问三大模型，老人小孩都能轻松语音控车；91.3%得房率+2820mm轴距，配上云感零压座椅，实现B级尺寸、C级享受；更有中国中车九合一电驱加持，历经两冬两夏严苛测试，靠谱是刻在基因里的底线。即日起66元开启盲订，膨胀礼、置换礼、优先提车礼、权益叠加礼四重福利拉满。从燃油“国民神车”到纯电大家轿，捷达正用最务实的节奏证明：新能源时代，家用车最值得信赖的，依然是那份不追风口的可靠与温度！#成都车展潮这看##2026成都车展#

新浪微博 2026-08-23 00:00:00

3. 智谱联合创始人唐杰老师关于 GLM 5.3 以及模型训练的一些分享：智谱 GLM-5.3 没有换基模底座，纯靠后训练让编码能力提升 50%。GLM-5.3 模型的底座是 GLM-5.2，约 743B 参数的混合专家（MoE）模型，每次推理只激活约 40B 参数。团队花了一个月，在长周期环境中做强化学习，编码能力比 GLM-5.2 提升了 50%。这里解释一下 MoE：传统模型每次推理要跑完所有参数，MoE 相当于把模型拆成一群“专家”，每次只调用其中几个，推理速度更快、成本更低。推文中特别区分了两个概念：1. 总参数量决定模型学习了多少知识2. 激活参数量和有效深度决定模型能想多深。比如说，让模型去找安全漏洞，主要是依赖的是推理能力，能把一条二十步的推理链完整走到底，相对来说各种安全数据库是次要的。至于为什么不换底座也能大幅提升呢？AI 模型的扩展（scaling）不止堆参数这一条途径。如果梳理下这些年模型训练的发展路线：- 2020 年 Kaplan 等人的研究建议参数增长要远快于数据，GPT-3、Gopher 都是这个思路的产物。- 2022 年 DeepMind 的 Chinchilla 论文则认为参数和数据应该同步增长，参数大的模型反而是最浪费算力的。- 再后来，大家发现模型上线后推理成本远超训练成本，最优解又变成了用更小的模型训更久，比如 Llama-2-7B 每个参数喂了约 290 个 token，Gemma-2-9B 更是喂了 889 个。模型能力由很多因素决定：底座大小、预训练数据量、每次前向传播的计算量、后训练。对于现阶段，模型后训练还有很大潜力可以挖掘。

新浪微博 2026-08-20 00:00:00

4. 玄戒D100，国内首款 3nm 智驾高算力 AI 芯片。采用 3nm 先进工艺，20 核高性能 CPU 与 16 核高算力 NPU 强劲组合。最高可支持 160GB 统一内存，可本地部署 200B 参数量超大模型。玄戒D100 已经研发完成，明年正式商用。#小米玄戒#

新浪微博 2026-08-24 00:00:00

5. #Easy同学正在独立开发#FreeToken 是一个让个人电脑本地跑前沿开源模型的推理服务系统。作者拿它和 Ollama 直接对比：解码速度快 3–4 倍，预填充（prefill）快 6–30 倍。配套技术报告（arXiv 2608.16157）讲清楚了它为什么能快。难点在于：MoE 模型每层有几百个专家，每个 token 只激活其中几个，但完整专家池远超显存。DeepSeek-V4-Flash 有 284B 参数，FP4 部署光专家权重就要搬约 140GB。现有引擎（llama.cpp、Ollama、KTransformers）加载时就把专家固定放在某处，路由随 token 变化后命中率很低；prefill 阶段几乎整个专家池都要过一遍 PCIe，笔记本上光等传输就要 10 秒以上；Agent 每轮工具调用还会改写上下文，引发大段重复重算。FreeToken 的核心是"带宽自适应执行"。prefill 用全层双缓冲：GPU 算第 l 层的同时，PCIe 已经在流式搬第 l+1 层的专家，把传输藏在计算后面。decode 阶段按机器实测的两条带宽——PCIe 专家传输带宽和 CPU 端专家处理带宽——算出一个最优比例，把没命中的专家一部分搬进显存、一部分直接在 CPU 上算，两边并行，输出精确合并。另一招是语义感知缓存：在思考段、工具调用、对话轮次的边界保存状态检查点，Agent 改写上下文后只重算新增后缀；decode 用共享 LRU 专家缓存跟随路由变化，大部分访问直接命中显存。显存被浏览器、游戏占走时，缓存还能在运行中重建，不用重启引擎。评测数字：- RTX 5090 上 Qwen3.6-35B 稳定跑 77–83 tok/s、DeepSeek-V4-Flash 跑 22–25 tok/s，比最强基线高 1.5–2.3 倍；- 8GB 显存的 RTX 4060 笔记本跑 35B 模型达到 39.3 tok/s，超过 Codex 生产环境的中位解码速度 33 tok/s；- 单张 RTX PRO 6000 跑 753B 的 GLM-5.2 达 14.9 tok/s，是 llama.cpp 的两倍。多轮 Agent 负载下解码速度只比单轮掉 12%，最差首 token 延迟全部低于 44 秒，而每个基线都在某个场景超过 150 秒。系统支持 20 多款 MoE 模型，代码在 github.com/FlashML-org/FreeToken，下载页 flashml.ai。论文作者包括 Song Han、Matei Zaharia、Ion Stoica。（由 流苏ªⁱ 撰写）#AI##大模型##本地部署# Easy的微博视频

新浪微博 2026-08-22 00:00:00

6. 又来一颗，玄戒 D100 发布，国内首款 3nm 智驾高算力 AI 芯片，已经研发完成，明年正式商用。#小米玄戒# 采用 3nm 先进工艺，20 核高性能 CPU 与 16 核高算力 NPU 强劲组合。最高可支持 160GB 统一内存，可本地部署 200B 参数量超大模型。

新浪微博 2026-08-24 00:00:00

7. 很久没提过捷达品牌了。捷达M6，是他们给出的新能源时代的第一份答卷。豆包、DeepSeek、通义千问三个AI大模型都上车；地平线征程6M芯片，支持城区智驾辅助，包括开门预警、防误踩、循迹倒车这些功能也都有。总之，就算是科技配置也都是很实在的东西，没有太多“遥遥领先”。价格你可以期待一波，我这么说你懂了哈！借助原来的渠道和品牌优势，新车接住原来捷达品牌的车主不是大问题。#捷达m6全新纯电轿跑正式来袭##2026成都车展##大V聊车#

新浪微博 2026-08-21 00:00:00

8. #Easy同学正在独立开发#本地推理加速框架 DFlash 2 正式发布，@zhijianliu_ 在搭载 M5 Max 的 MacBook Pro 上用 Qwen3.8-27B 跑出 70 tok/s，官方称相较自回归解码最高提速 4.6 倍，且输出与原始结果完全一致。DFlash 是投机解码（speculative decoding）方向的加速方案，第一代诞生于 Z Lab，第二代由 Inco AI 接手迭代。原理是用草稿模型并行生成候选 token，再由目标模型验证、跳过已被接受的生成步骤——官方说法是"每次 pass 都免费多接受一个 token"。对本地跑模型的开发者来说，同样的硬件、同样的模型、逐字一致的输出，延迟却可以显著降低。发布后社区很快给出了独立复测。Aaron Edell 在 64GB M4 Pro 上用 Qwen3.8-27B 4-bit 量化复跑：纯 MLX 基线 14.62 tok/s，DFlash 2 达 28.41 tok/s，约 1.94 倍；OdinBench 评测 5/5 全部通过；峰值内存约 20GB；输出与基线逐字一致。他也划出了当前边界：一条 22.6K token、工具调用密集的 Agent 提示词依然会卡 5 分钟以上，完整 Agent 场景还跑不动；但他强调，对有界本地推理（bounded local inference）而言这是巨大的提升。视频为官方发布时的演示：同一任务下，左侧基线需要 2 倍速播放才能展示完，右侧 DFlash 2 实时输出，运行在 Apple M5 Max 上。来源：网页链接（由 流苏ªⁱ 撰写）#DFlash2##MLX##本地推理##投机解码# Easy的微博视频

新浪微博 2026-08-19 00:00:00

9. 【以小博大的语音克隆：Audio8-TTS 0.6B 预览版发布】Audio8-AI 近期发布了 Audio8-TTS 预览版（Audio8-AI/Audio8_TTS），主打轻量级高性能。该模型参数量仅为 0.6B，甚至提供了更精简的 0.1B 版本，采用受 Fish Audio 启发的 DualAR 架构，支持中文、英文、粤语等 11 种语言。它最核心的能力是零样本语音克隆，仅需短促的参考音频即可复刻音色。在 Seed-TTS 等行业基准测试中，这个“小个子”在字错率 WER 和音色相似度上的表现，足以硬刚参数量大其数倍的 Fish S2 Pro 或 MOSS-TTS 等 SOTA 模型。这件事传递了一个明确信号：语音 AI 正在从盲目堆砌参数转向极致的推理效率。0.6B 的体积意味着它能在普通消费级显卡甚至 CPU 上流畅运行，RTF 实时率低至 0.116，为端侧私有化部署扫清了障碍。虽然预览版在语种覆盖和长文本稳定性上仍有局限，但它证明了通过架构优化，小模型也能在情感表达上表现出极高的完成度。对于追求实战效果而非参数叙事的开发者来说，这种高能效比的工具往往比庞然大物更有生命力。

新浪微博 2026-08-24 00:00:00

10. 全球首发！阿里Qwen3.8-2.4T-A95B震撼开源，性能捅破天，推理成本降至冰点！

微信公众号 2026-08-19 00:00:00

11. 阿里Qwen3.8-Max：2.4万亿参数对决

小红书 2026-08-20 00:00:00

12. 今天学了一个知识点，跟我一样的小白可以收藏一下，你以后一定会用得到。 到底什么样的模型是稠密模型，什么样的模型是稀疏模型 你可能经常看到两个单词：Dense && MoE。他们就是稠密模型（Dense）和 稀疏模型（MoE）。 那这哥俩到底差别在哪里呢？ 一句话就能判断：模型每处理一个 token，是不是把全部参数都用上了。 稠密模型就是全部都用上；而稀疏模型是只挑一小撮专家出来干活，其余的躺着不动。 看图中的 Qwen-3.8-27B和Qwen3.8-2.4T-A95B 27B = 270 亿参数，2.4T = 2.4 万亿参数 关键点就在于2.4T后面的 “A95B”：2.4T 总参数 / 95B（970亿）激活 稠密模型 Dense（Qwen-3.8-27B）：每生成一个 token，网络的全部权重都要参与计算。27B 就是实打实的 27B 全跑一遍。 稀疏模型 MoE（Qwen3.8-2.4T-A95B）：模型内部有 512 个「专家」小模块，每处理一个 token，只叫醒其中 10 个来干活，另外有 1 个专家是常驻的、每次都参与。所以虽然模型总共 2.4 万亿参数，实际每个 token 只用到约 950 亿——剩下的都在睡觉

今日头条 2026-08-21 00:00:00

13. 下载了千问3.8之后，我发现网上都吹错了重点

百度 2026-08-21 00:00:00

14. 下载千问3.8前，需避开哪些宣传误导与体验坑？

今日头条 2026-08-22 00:00:00