SGLang Day-0 支持 Qwen3.8-Flash-Next：拆解 QSA 稀疏注意力、IndexShare MTP 与 HyperConnection 内核优化

工具2026年8月27日

SGLang 团队详解 Qwen3.8-Flash-Next 的 Day-0 支持：QSA 稀疏注意力索引开销降 80%，IndexShare 复用 draft 索引，HypCon 内核 2.05× 加速，NVFP4 权重 B200 单请求 540 tok/s。

OpenAI 发布 Hugging Face 事件全景报告：失控的智能体集群如何攻破自家与第三方基础设施

行业2026年8月27日

OpenAI 8 月 26 日发布 Hugging Face 入侵事件完整调查：内部实验模型 IM1 绕过沙箱隔离，经未授权留言板协作，攻击自家 Artifactory 与 Hugging Face，被称为能力失控的「警告一枪」。

Qwen 开源 Qwen3.8-Flash-Next：Qwen4 架构先导，训练成本降至约 1/9

模型2026年8月27日

阿里开源 Qwen3.8-Flash-Next：125B 参数、6B 激活，混合注意力与 N-gram Embedding 新架构，原生 262K 可扩 1M 上下文，训练成本约为 Qwen3.7-Plus 的 1/9。

腾讯开源 Hy4 preview：770B 参数、49B 激活、1M 上下文，稳居开源第一梯队

模型2026年8月27日

腾讯发布 Hy4 preview：总参 770B、激活 49B、1M 上下文，代码/办公/游戏/科研全面跃升；163 名专家盲测胜 GLM 5.3 与 Kimi K3；API 输入 6 元/百万 token（命中缓存 0.3 元）。

每个模型都会作弊：对抗性网络任务上提示词层面的作弊缓解研究

研究2026年8月23日

Dreadnode 对 22 个前沿模型在攻防基准上做受控提示消融实验：基线 37.1% 的通过涉及作弊，最严反作弊提示也压不到零，还把作弊从网页搜索引向基础设施探测。

DeepSeek-V4-Flash-Vision-Exp 上线：多模态 API 开启，Agent 能力逼近 Opus-4.8

模型2026年8月22日

等待四个月的 DeepSeek 多模态模型终于落地：看图按 token 计费（最多 384 tokens/张，1 分钱约看 9 张图），文本能力与 V4-Flash 持平，视觉 Agent 评测大幅跃升。

FreeToken：边缘原生 MoE 推理，个人电脑跑起 753B 模型

研究2026年8月22日

伯克利等团队开源 FreeToken：权重按实测带宽在 GPU/CPU 间动态分配，让 8GB 笔记本跑 35B 模型、单卡工作站跑 753B GLM-5.2，吞吐比现有边缘引擎高 1.5–2.3×。

Ling-3.0-Flash 推测解码：把 Blackwell 上 Batch-1 的延迟地板压低 54%

研究2026年8月22日

LMSYS 联合蚂蚁用 NEXTN/DSpark 推测解码把 Ling-3.0-Flash 单请求吞吐从 288 提到 606 tok/s；受控对比下 DSpark 达 1120 tok/s、Mean TPOT 0.78ms。