AI 编程实时动态与要闻

@Brjen 团队在一块 RTX 3090（24GB）上花一周对比本地编码智能体配置，胜出组合为 Qwen3.8-27B Unsloth UD-Q4_K_XL + llama.cpp（65k 上下文、q8 KV、原生 MTP depth 2、全 GPU）。真实多步编码跑分约 59 tok/s（45k 上下文时约 46 tok/s），并通过嵌套工具 JSON、修失败测试与正确 unified diff 等门槛；认为 Q3 不可靠、更高量化挤占上下文，Flash-Next 需卸载反而不稳。

Unsloth 宣布优化后的本地 GGUF 解码使 GLM-5.3-Flash 推理最高提速约 3.3 倍（常见场景约 1.6–3.4×），并启用多 token 预测（MTP）与更快的长上下文解码。3-bit 量化可在约 128GB 内存设备上通过 Unsloth Desktop 或 llama.cpp 运行，配套文档与 Hugging Face GGUF 权重已更新。

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。

Unsloth AI 正式上线 GLM-5.3-Flash（Ox Alpha）超轻量量化 GGUF。通过 3-bit 混合量化技术，这款 320B 总参、18B 激活且具备 MIT 协议的顶尖多模态 MoE 模型可在 128GB 内存设备（如 Mac Studio）上实现本地单机推理。

阿里通义千问团队宣布正式开源 Qwen3.8-Flash-Next 完整权重，总参数 125B 激活 6B MoE 架构。联合 Unsloth 推出量化版 GGUF，支持在单张 24GB 显存消费级显卡（如 RTX 4090/5090）上全速运行 262K 上下文代码补全，本地推理吞吐达 85 tokens/s。

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。