GLM-5.3 接入指南：OpenAI 兼容 API 与思考参数配置
教程2026年8月19日
GLM-5.3 已全量开放：1M 上下文、128K 输出、思考模式始终开启。一文理清 API 协议、迁移要点与调用示例。
四张 RTX PRO 6000 跑 DeepSeek-V4-Flash：原版 vLLM 零改动部署实测
教程2026年8月11日
原版 vLLM 0.25.1 在 4× RTX PRO 6000 上部署 DeepSeek-V4-Flash：不 fork、不打补丁，256K 上下文、约 133 tok/s、完整工具调用；并如实记录两条官方上限。
两台 DGX Spark 跑 DeepSeek-V4-Flash：部署要点与实测效果
教程2026年8月7日
用 200GbE 直连的双 DGX Spark 以 vLLM 部署 DeepSeek-V4-Flash-0731（TP=2、百万上下文），单流 60–70 tok/s，本文梳理关键注意事项与实测数据。
New API 教程：聚合多模型的开源 API 网关与安装配置
教程2026年8月7日
New API 是聚合多厂商大模型的开源 API 网关，支持 OpenAI、Claude、Gemini 格式互转与计费管理，本文介绍其特性与 Docker 部署配置。
DeepSeek V4 Flash 单卡部署教程：一块 AMD MI300X 跑通 304B 模型
教程2026年8月4日
开源生产栈在单块 MI300X 部署 DeepSeek-V4-Flash：FNUZ FP8 修复、DSpark-7 投机解码，单流 168.6 tok/s。
Mooncake × vLLM 实战：用 MooncakeConnector 搭建 PD 分离推理
教程2026年8月3日
手把手部署 vLLM 与 Mooncake 的 PD 分离推理：MooncakeConnector 通过 RDMA 跨节点直传 KV 缓存，峰值带宽 142.25 GB/s，覆盖 V1 与 V0 两种后端。
Mooncake × vLLM 实战：用 MooncakeStoreConnector 搭建分布式 KV 缓存池
教程2026年8月3日
手把手部署 vLLM + MooncakeStore 分布式 KV 缓存池：CPU/SSD 卸载、跨实例前缀缓存共享、XpYd 灵活编排，覆盖 V1 与 V0 两种后端。
CUDA Graph 使用边界：九类必须知道的限制
教程2026年8月2日
CUDA Graph 强大但限制不少：捕获期间不能同步、图拓扑与参数静态冻结、流捕获必须自包含、内存生命周期等九类约束详解。
CUDA Graph 入门：把一串内核调用打包成一次提交
教程2026年8月2日
一份面向深度学习开发者的 CUDA Graph 中文介绍：启动开销从哪来、图如何定义与执行，以及 PyTorch 里怎么用。
DeepSeek 接入 Codex 教程：一条命令，三端通用
教程2026年8月2日
DeepSeek 官方提供一键脚本和手动配置两种方式接入 Codex，CLI、ChatGPT 桌面端、VS Code 插件共用一份配置。
smevals 上手：给模型、提示词和 Agent 框架做评测的轻量套件
教程2026年8月2日
Simon Willison 的轻量评测套件 smevals：目录即评测、YAML 配任务、脚本当裁判，还能让编码智能体自己搭评测。