高并发推理引擎 vLLM 迎来 0.28.0 重磅更新，汇总 270 位开发者的 584 项提交。全面优化 Kimi-K3 与 DeepSeek-V4 稀疏 MLA（覆盖 Decode、MTP 与 DSpark 推测解码），Model Runner V2 支持 E/P/D 分离与权重卸载，KV Cache 新增磁盘分层存储。

open-source

阿里通义千问开源 Qwen3.8-Flash：125B 稀疏 MoE 架构，提前预览 Qwen4 前沿技术

阿里通义千问正式开源 Qwen3.8-Flash 多模态 MoE 模型，总参 125B 激活仅 6B，采用 GDN、稀疏注意力与 Muon 优化器等 Qwen4 预研技术，训练成本仅为前代 1/9 且代码能力超越 Qwen3.7-Plus，官方 API 定价低至 $0.15 / $0.47。

讨论与评论

登录后即可参与深度讨论

与广大 AI 开发者、工程师交流评测心得与前沿洞察

暂无评论，快来发表你的第一条真知灼见吧！

传英伟达约 129 亿美元收购 Hugging Face（未签字）

核心要点速览 (Key Takeaways)

阅读完核心要点？进一步了解模型实力与实际开销

相关资源与官方项目出处

AI 编程实战与选型生态

延伸精选与接着阅读

OpenAI、Anthropic、Google、微软等 100 多家呼吁抓紧防 AI 网络攻击

SGLang 推出 GLM-5.3 Day-0 推理支持：NVFP4 达 537.6 tok/s，全面覆盖 Blackwell 与 AMD

vLLM 0.28.0 正式发布：Kimi-K3 全栈优化、DeepSeek-V4 稀疏 MLA 与分层磁盘 KV 缓存

阿里通义千问开源 Qwen3.8-Flash：125B 稀疏 MoE 架构，提前预览 Qwen4 前沿技术

讨论与评论