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。

SGLang 秒级重启：Weight Cache Daemon 把权重加载从 495s 压到 0.63s

工具2026年8月22日

SGLang 引入 Weight Cache Daemon：常驻 GPU 进程用 CUDA IPC 零拷贝复用权重，加载提速约 785 倍、端到端启动缩短 93.9%，目标 <10s 冷启动、<1s 热备切换。

把 DeepSeek-V4-Pro 在 H20 上服务到极限：LMSYS 的引擎优化实录

研究2026年8月19日

LMSYS 详解在 H20 上调度 1.6T 参数 MoE 模型 V4-Pro：单机 batch1 解码 271 tok/s（距 B300 仅 1.42×）、1M 上下文 prefill 43.7 秒、高吞吐单节点 4.67k tok/s。

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。