vLLM 优化 Kimi K3 服务性能：吞吐提升 2.2–2.8 倍

vLLM 团队详解 Kimi K3 从 v0.27.1 到 0913 main 的服务性能优化，在 8K/1K、TP8、B300 节点测试下延迟降低 56%–60%，吞吐提升 2.2–2.8 倍，TTFT 降低 72%–85%。

Fireworks 评测 2026 年九款最佳开源 LLM，GLM 5.2 与 Kimi K3 领跑基准

Fireworks 发布 2026 年开源 LLM 选型指南，覆盖 GLM 5.2、Kimi K3、Kimi K2.7 Code、DeepSeek-V4-Pro/Flash、MiniMax M3、Qwen3.7 Plus、gpt-oss-120b 和 Gemma 4 31B IT 九款模型。

DogeDesigner@cb_dogeAI 评分5353

Colossus 2 在孟菲斯附近建成大规模电池储能设施，可能是美国最大的。据 7 月卫星图像显示有 720 个 Tesla Megapack，官方称容量达 3.3 GWh，足以为孟菲斯供电 2 小时。该消息转引自 Canary Media 的报道。

litelm 开源：从 LiteLLM 抽取精简版路由与消息翻译核心，仅约 2900 行代码、2 个依赖

开发者 kennethwolters 发布开源项目 litelm，将 litellm 的模型路由、消息翻译、流式输出、tool use、嵌入等核心调用路径抽取为约 2900 行、仅依赖 openai 和 httpx 的精简库。

OpenAI 将在线存储平台 Habitat 从 Python 迁移至 Rust，CPU 效率提升 6 倍

OpenAI 发文介绍其在线存储平台 Habitat 从 Python 迁移至 Rust 的过程，该平台每秒处理超 7000 万次请求、每周服务超 10 亿用户、管理数据超 500PB。

Tibo@thsottiauxAI 评分6262

ChatGPT Sites 发布多项更新。Sites 上线三个月用户已创建超 500 万个站点。新功能包括邀请队友协作编辑与发布、私有分享指定人员、prompt 到部署时间缩短一半、让 ChatGPT 检查站点数据库（编辑者也可查看）以及绑定自定义域名。

PostgreSQL 向量嵌入更新引发的 TOAST 膨胀实测与分表方案

Google 的 Gleb Otochkin 在 AlloyDB Omni 上实测嵌入向量版本更新对 PostgreSQL 存储的影响：在含 768 维向量和 HNSW 索引的 20k 行表上更新全部向量后，表、TOAST 和索引体积几乎翻倍（TOAST 从 81 MB 到 159 MB，HNSW 索引从 78 MB 到 156 MB），约一半空间被死元组占据。

Simon Willison 介绍使用 OpenRouter 的供应商路由陷阱与对策

Simon Willison 转述 Mohamed Moustafa 对 OpenRouter 自动路由的问题分析。不同供应商的推理软件、优化设置不同，同一端点可能行为不一致，部分供应商的视觉模型缺少视觉能力，reasoning effort 参数的处理方式也有差异。可用 provider.only 指定供应商，并通过 /endpoints 方法查询某模型可用供应商列表。

DeepSeek 发布开源模型 DeepSeek-V4.1-Flash，优化编码智能体 prefill 效率

DeepSeek 本周在 HuggingFace 开源 DeepSeek-V4.1-Flash 权重，模型总参数 552B，prefill 激活 8B、decode 激活 16B，支持 1M token 上下文和文本加图像输入，已上线 Baseten Model APIs。

xAI在孟菲斯数据中心悄然建成大规模电池储能

Canary Media 报道 xAI 在孟菲斯数据中心建成大规模电池储能，已通过 MLGW 的 power interruption 计划获批并网，可支撑数据中心脱离电网四小时削峰。

OpenRouter@OpenRouterAI 评分6565

OpenRouter 称 DeepSeek V4.1 Flash 在其平台上 24 小时内处理了 1T token，预计 48 小时约 2.8T，将成付费模型发布中最大的 48 小时。其中 90% 为缓存读取，市场定价约 $0.006/M，比 GLM-5.3 Flash 等同类模型便宜 5 倍。

OpenAI 详解存储平台 Habitat 如何扩展支撑超 10 亿 ChatGPT 用户（上篇）

OpenAI 发文（系列上篇）讲述其在线存储平台 Habitat 的演进：现每秒处理超 7000 万请求、服务每周超 10 亿用户、管理超 500PB 数据，覆盖近 40 个地区。

Beren Millidge、John Schulman、Charlie O'Neill 对谈递归自我改进离我们还有多远

Dwarkesh Patel 与 Zyphra CTO Beren Millidge、Thinking Machines 首席科学家 John Schulman、Baseten 模型训练负责人 Charlie O'Neill 三位研究者对谈递归自我改进（RSI）的前景。

OpenRouter 发布 Fusion 复合模型，让多个模型辩论后合成最终答案

OpenRouter 发布 Fusion 复合推理系统，将一个提示词并行发给 1 到 8 个面板模型，由 judge 比较共识与分歧后由调用模型写出最终答案。默认三模型面板成本约为单次完成的四到五倍、延迟两到三倍，在 DRACO 深度研究基准上预算面板得 64.7%、前沿面板得 69.0%。

九套编程线束在 MacBook 上实测 Qwen 3.8 27B：prefill 与上下文占用差异悬殊

作者用同一台 M4 MacBook Pro（24GB）和 llama.cpp 服务 Qwen 3.8 27B，对 9 套编程线束跑 8 道 Exercism 题目实测。

Sakana AI 发布 Fugu Max 和 Fugu Ultra v2，主打更低成本的多模型编排

Sakana AI 发布 Fugu 系列两款新模型 Fugu Max 和 Fugu Ultra v2，通过单一 OpenAI 兼容 API 在多个模型间路由任务。

OpenRouter 教程：如何用 Presets 实现配置即代码

OpenRouter 发布 Presets 使用教程，preset 是一个命名且带版本的配置，统一存放模型或 fallback 列表、system prompt、provider 路由和采样参数，在任何请求中以 "model": "@preset/名称" 引用。

Rohan Paul@rohanpaul_aiAI 评分5959

一项名为 Detokenization Leaks 的研究提出新攻击，通过观察本地部署 LLM 去分词时的 CPU 缓存活动重建生成文本，无需读取模型内存。

Google 将在芬兰投资 130 亿欧元并购买 Loviisa 核电站一半电力

Google 宣布在芬兰进行 130 亿欧元投资，为其在欧洲最大单笔投资，将购买 Loviisa 核电站最多 50% 的电力输出，与 Fortum 签订 22 年合同。资金用于在 Kajaani、Muhos 和 Vaala 新建三座数据中心并扩建 Hamina 现有设施，以支撑 Gemini、Search 等服务的 AI 算力需求，建设计划在 2027 至 2028 年进行。

消息称微软计划到 2032 年将数据中心容量提升至 38GW，为当前 12GW 的三倍有余

彭博社援引消息人士报道称，微软计划到 2032 年持有 38GW 数据中心容量，是当前 12GW 的三倍以上，也将超出纽约州当前高峰时段用电量。目前 12GW 中仅 2GW 用于 AI 专用芯片，到 2032 年约 1/3 算力（12~13GW）将服务 AI 芯片；算力缺乏已导致 Azure 将部分订单送给竞争对手，该计划仍可能因客户偏好变化和新技术出现而调整。

OpenAI Agents API 开放公测：支持代码执行、工具调用和跨上下文长任务

OpenAI 于 9 月 10 日推出 Agents API 公测版，开发者可一次 API 调用创建云端 AI 智能体，复用 Codex 背后的执行框架。智能体支持运行代码、处理文件、跨上下文窗口执行数小时甚至数天的任务、多智能体并行协作，沙盒可选 OpenAI 托管或 Blaxel、Cloudflare、E2B、Vercel 等合作方环境。

Together AI 扩展微调服务：新增模型、实验跟踪与更细训练控制

Together AI 扩展 Together Fine-Tuning 服务，新增对 GLM-5.3、Kimi K2.7、Qwen 3.5 系列等最新开源权重模型的支持，并上线实时实验跟踪、数据集预览验证等能力。

Redis LangCache 公测发布：语义缓存可降 LLM API 成本至多 90%，命中提速至多 15x

Redis 发布全托管语义缓存服务 LangCache，现已在 Redis Cloud 以公开预览形式提供，通过 REST API 及 Python、JavaScript SDK 接入。

DogeDesigner@cb_dogeAI 评分5454

SpaceX CFO Bret Johnsen 表示公司又 secured 一份 AI 算力托管协议，价值每月 11 亿美元，自 2026 年 12 月 1 日起生效。

Blaxel 并入 Baseten，共建智能体云基础设施

Blaxel 宣布并入 Baseten，目标是在一个平台上同时提供模型训练、推理和长时间运行的智能体执行能力。Blaxel 此前构建了智能体所需的沙箱、Agent Drive 分布式文件系统和网络连接层，其中沙箱可在 25 毫秒内挂起和恢复，空闲时接近零成本；Baseten 的推理栈已在数十个地区规模化运行。

GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI

GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出，应在 CI 和 CD 之外增加第三个支柱 Continuous AI，即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。

Augment 复盘软件工厂建设：人均规模调整产出增长 4.5 倍

Augment Code 发布长文，复盘其九个月建设的软件工厂：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台在需求、工单、PR、生产四个环节部署 PR Author。

OpenAI 与美国 GSA 达成 OneGov 协议，向各级政府提供免费授权与 5 折用量优惠

OpenAI 与美国 GSA 宣布多年期协议，为联邦、州、地方和部落政府提供原本 $15 每用户每月的许可费降至 $0、用量 5 折优惠，覆盖约 2300 万公共部门员工。协议期 27 个月（2026年10月1日至2028年12月31日），所有经核验的政府实体还可获批 5 折的 Daybreak Blue 网络防御访问及配套培训。

Shopify 宣布从 React Native 全面迁回 Swift 和 Kotlin 原生开发

Shopify 宣布将全部移动应用从 React Native 迁回 Swift 和 Kotlin，判断是 LLM 智能体大幅降低了跨平台重复开发成本这一核心假设被改变。

OpenRouter@OpenRouter精选AI 评分6666

OpenRouter 推出新的有状态服务端工具 Shell，任何 OpenRouter 上的模型都可以在托管的 Linux 容器中运行命令。该功能今日起以 beta 形式提供，代号为 `openrouter:shell`，同时新增 Files API 用于在容器内外传输文件。

SemiAnalysis 解析数据中心表后供电为何难落地，75GW 确定订单揭示六大执行门槛

SemiAnalysis 发布长文分析数据中心表后（BTM）供电的现状与难点，其 Energy Model 追踪到 75GW 面向 BTM AI 算力的确定性订单，2026 年底预计美国约 3GW 数据中心 IT 容量由表后电站供电。

Nvidia 与 Palantir 合作用 AI 运行供应链，首个目标是 Nvidia 自家百万级零部件体系

Nvidia 与 Palantir 合作用 AI 管理供应链，首个部署对象是 Nvidia 自家横跨数百万零部件、数千供应商的供应体系，单个 Vera Rubin 机架含 130 万个组件。

DeepSeek V4.1 Flash 模型上线国家超算互联网

DeepSeek V4.1 Flash 模型 9 月 10 日上线国家超算互联网中心，用户可在官网「模型服务」页面调用其 API。该模型为 552B 参数 MoE 模型，采用 Causal-Encoder-Decoder 结构，输入激活 8B、输出激活 16B；基准测试中超越了包括 DeepSeek V4 Pro 在内的旗舰模型。

Mistral AI 与 Cloudera 达成合作，提供主权企业AI解决方案

Mistral AI 宣布与数据平台公司 Cloudera 建立合作伙伴关系。双方将把 Mistral 的模型集成到 Cloudera 的混合数据平台中，允许企业在私有云、公有云、本地甚至完全隔离的环境中运行推理。此外，Mistral 还将支持企业利用其专有数据在受控环境中训练定制模型，旨在满足金融、制造等受监管行业对“主权AI”的需求，确保数据、智能和计算完全由客户控制。

Hugging Face 用 Gradio Workflow 重建 Workflow1111，复刻 AUTOMATIC1111 主要功能

Hugging Face 发布 Workflow1111，用 gr.Workflow 以 73 个节点、11 条媒体管线重建 AUTOMATIC1111 的大部分功能，覆盖文本生成图像、高清修复、图生图、prompt matrix、VLM 反推提示词、检测生成 inpaint 蒙版、ControlNet 式预处理器、背景移除、PNG Info 和图生视频。

DeepSeek AI 发布 DeepSeek-V4.1-Flash：1M 上下文、FP4 KV 缓存与跨层注意力复用

DeepSeek AI 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，552B 主干加 196B Engram 参数，上下文窗口 1M，prefill 激活 8B 参数、decode 激活 16B，全局 KV 缓存降至每 token 890 字节，约为 DeepSeek-V4-Flash 的 1/4、DeepSeek-V1 的 1/437。

Hugo Vergnes 花费 $998 训练 3.8B 模型 little-lm，CORE 得分 0.384

作者 Hugo Vergnes 用租用的 8× B200 在 43 小时内以 $998 训练了 3.8B 参数模型 little-lm，在 65.3B tokens 上达到 CORE 0.384，超过 GPT-2 1.5B 的 0.2565。

成都 AI 系统治理龟速车，覆盖城区快速路及绕城高速，试行路段慢车降约 20%

成都交警去年上线的治理龟速车 AI 智慧系统近期在城区所有快速路及绕城高速完成部署。系统整合 ETC、卫星定位与视频感知数据识别超低速行驶车辆，通过 LED 屏提示，并核查驾车打电话等违法行为；自 2025 年 4 月试运行以来累计发布 LED 提示 3.1 万余次，监测路段龟速车数量同比下降约 20%。报道还提到成都一社区为独居老人安装毫米波雷达跌倒检测器，累计处置预警 66 条。

GitHub 发布 2026 年 8 月可用性报告，复盘多次重大故障与 Azure 迁移进展

GitHub 发布 2026 年 8 月可用性报告，复盘了 8 月 6 日、17 日、20 日、26 日、27 日五起事故，包括 GitHub Actions、Issues、Pull requests 和 Copilot 的故障影响与修复措施。

LandingAI 发布 Agentic Document Extraction Gen2，搭载 DPT-3 Pro 与 DPT-3 Verity

LandingAI 发布 Agentic Document Extraction Gen2，改用 DPT-3 Pro 和 DPT-3 Verity 双解析模型，产品已正式可用。