AI 编程实时动态与要闻

ggml-org 于 10 月 5 日发布 llama.cpp v0.6.0 稳定版（上一版 v0.5.0 为 9 月 23 日）。本版把 GLM-5.3-Flash（GLM5-Next，320B 图文混合 MoE）支持带进正式版，Qwen4Exp 加入 MTP 投机解码（DGX Spark 上解码约 1.5 倍），引入支持 token/embedding 混合批次的 llama_batch_ext 与 llama_process() 新 API，并为 Apple GPU 新增小批量 MMA 矩阵乘内核（投机/批量解码场景最高约 3 倍），ggml 升级到 v0.26.0。会话格式版本号同时升级，旧会话文件需注意兼容。

阿里通义千问开源多模态 MoE 模型 Qwen3.8-Flash，作为 Qwen4 架构早期预览。总参 125B 另加 51B N-gram 嵌入，每 Token 仅激活 6B；采用 GDN+QSA 混合注意力、Gated Residual 与 Muon 优化器。训练成本约为 Qwen3.7-Plus 的 1/9，却全面领先：DeepSWE 1.1 达 58.7、SWE-bench Pro 62.5、CoWorkBench 73.9、AndroidWorld 84.5、MathVision（含 CI）95.7。原生 262K 上下文，YaRN 可扩至 1M；1M 长度下 QSA 预填充最高 7.6 倍、解码 4.9 倍加速。QwenCloud 报价约 $0.15/$0.47 每百万 Token，权重已上线 Hugging Face，并获 NVIDIA NeMo、SGLang、Unsloth 与 OpenCode 的 Day-0 支持。

阿里通义千问正式开源 Qwen3.8-Flash 多模态 MoE 模型，总参 125B 激活仅 6B，采用 GDN、稀疏注意力与 Muon 优化器等 Qwen4 预研技术，训练成本仅为前代 1/9 且代码能力超越 Qwen3.7-Plus，官方 API 定价低至 $0.15 / $0.47。

通义千问官方确认，125B 多模态 MoE 模型 Qwen3.8-Flash-Next 已可通过 Unsloth GGUF 在约 75GB 内存上本地运行，并支持把 N-gram 嵌入放到 CPU/统一内存以接近显存速度。这是 Qwen4 架构预览权重的首日本地部署路径。

阿里云通义千问发布多模态 MoE 模型 Qwen3.8-Flash 并开源权重，仅 6B 激活参数即在 DeepSWE 1.1 拿到 58.7、SWE-bench Pro 拿到 62.5，训练成本仅为 Qwen3.7-Plus 的 1/9，同时放出 Qwen3.8-Flash-Next 作为 Qwen4 架构先行预览。

阿里云通义千问团队开源发布 Qwen3.8-Flash，作为 Qwen4 架构的早期技术预览。模型采用 125B 总参、单 Token 仅激活 6B 的高效 MoE 结构，训练成本仅为上一代 Plus 的 1/9，在 SWE-bench Pro 上取得 62.5 分，DeepSWE 1.1 达到 58.7 分。支持原生 262K 上下文并可通过 YaRN 外推至 1M，QwenCloud 定价低至 $0.16 / $0.47 per 1M tokens。

阿里通义千问开源发布多模态 MoE 架构模型 Qwen3.8-Flash 作为 Qwen4 架构的早期预览。模型总参 125B，每个 Token 仅激活 6B；在 SWE-bench Pro 取得 62.5 分，DeepSWE 1.1 达到 58.7 分。训练成本仅为上一代 Plus 的 1/9，在 QwenCloud 上报价低至 $0.16/$0.47 per 1M tokens。