Xing 4 用 8192 张昇腾训 285B,Phai-A1 把百万上下文塞进个人电脑

这一期的主线是“把规模换成可部署的形态”。Xingchen AGI Lab 的 Xing 4 用 8,192 张昇腾 910C 训出 285B 总参数、每 token 激活 17B 的模型,原生支持 100 万 token 上下文;范式智能的 Phai-A1 同样把百万上下文带到个人电脑,官方称同等单卡下比 Qwen 27B 快 8–10 倍。云知声 U2-Flash-1118 只加 1B 视觉模块,就把 U2-SWE-Bench 做到 57.1 分,Token 消耗反降 37%。研究侧,Ask2Decide 发现信息缺失时前沿模型 58%–98% 的初始计划不可行,而追问出关键事实的比例并不高。工程侧,Dify 1.20.0、LiteLLM 1.110.0 与 n8n 2.48.5 都在补可观测性和路由底座。这些数字拼在一起,能看出“能训”与“能部署、能管住”之间仍有明显缝隙,想看清每条细节,展开正文即可。

AI / 大模型 / 开源 / GitHub 趋势,每日精选。

模型与研究

1. 范式智能发布 Phai-A1 与 Phai-M1:百万上下文可跑在个人电脑 11 月 18 日,范式智能发布 Phai-A1 与 Phai-M1。Phai-A1 原生支持约 100 万 token 上下文,覆盖代码生成、缺陷修复、工具调用与多步任务;官方称在同等单卡、相同编码 Agent 任务下,响应速度约为 Qwen 27B 的 8–10 倍,并可在个人电脑本地部署。Phai-M1 面向真人影视,单流程生成画面与同步音频,720p、15 秒视频约 3 分钟。两款模型均针对昇腾平台做端到端后训练优化,权重计划近期开放,而非已经开源。 原文

2. 云知声 U2-Flash-1118:只加 1B 视觉模块,U2-SWE-Bench 拿 57.1 分 11 月 18 日,云知声发布 U2-Flash-1118,语言基座参数量不变,仅新增约 10 亿参数视觉模块,原生支持 UI 截图、设计稿、图表与文档版面理解。官方称其在 U2-SWE-Bench v1.1 以 57.1 分排第一,TerminalBench 4.0 得 35.5 分、比上一代提升 12.9 分,GPQA-Diamond 93.9 分;相同任务下总 Token 消耗下降约 37.0%,模型调用次数减少约 44.8%。限时六折价格为每百万 token 输入 0.6 元、输出 1.2 元、缓存命中 0.02 元。 原文

3. Xingchen AGI Lab 发布 Xing 4 技术报告:285B 总参数,8,192 张昇腾 910C 预训练 11 月 17 日提交 arXiv 的 Xing 4 技术报告给出完整训练栈:模型总参数 285B,每个 token 激活 17B,支持 100 万 token 上下文,预训练使用 8,192 张昇腾 910C,软件栈为 MindSpore HyperParallel,结合拓扑感知混合分片与长序列激活管理。后训练侧引入 TeleGym,把执行、评测与轨迹构建接到策略优化,并用异步执行、受限过采样与部分回滚处理长短不一的任务。报告同时给出已发布的 29B 成员,说明这套国产算力栈可以跨参数规模复用。 原文

4. Ask2Decide:信息缺失时,前沿模型的计划 58%–98% 不可行 11 月 15 日更新的 arXiv 论文提出 Ask2Decide,用 43 个排班、派单类规划任务测试 Agent 是否会主动追问真正影响决策的信息。研究收集 19 名参与者、79 轮交互,并用优化求解器判定哪些事实会改变最优计划。四个前沿模型在信息缺失时,初始计划有 58%–98% 不可行;即使把所有事实一次性给全,这一比例仍有 5%–28%。更关键的是,Agent 追问出“会改变计划”的事实只比“不影响计划”的事实略多(39%–52% 对 32%–41%),说明会问问题不等于问对问题。 原文

5. Kernel Reality Check:核化注意力差 softmax 2–10 分,效率优势也难复现 NeurIPS 2026 接收的《The Kernel Reality Check》系统评测了核化注意力。效率侧,FlashAttention 在多数序列长度下训练耗时与显存都优于当前核化方法,论文还发现不少“加速”结果无法在现代基线上复现;只有因果语言模型推理显存是核化方法少有的明确优势。质量侧,统一蒸馏协议下核化方法与 softmax 仍差 2–10 分,且单纯放大模型规模不能填平。作者提出的 LARA++ 通过自适应提案的重要性采样,最多恢复 99% 的 softmax 准确率,但额外计算开销仍然很大,效率墙没有被真正推倒。 原文

开源与工程

6. Dify 1.20.0:Trace 可导到任意 OTel collector,知识库上传先过病毒扫描 11 月 18 日,Dify 发布 1.20.0。新版本把应用与 Agent 的 trace 通过 OTLP/HTTP 导出到任意兼容 OpenTelemetry 的后端,并适配 Langfuse v4;由于 Langfuse Cloud 已在 11 月 16 日停用旧摄取端点,旧配置必须升级才能继续上报。知识库新增上传文件恶意软件扫描,支持 Cloudmersive、Scanii、OPSWAT 与自定义端点,默认在扫描不可用时阻断文件。此外还有可实时查看 Agent 工具调用的 Chatflow、个人访问令牌与 6 个数据库迁移。 原文

7. LiteLLM 1.110.0:Rust 路由核心替换 Python 实现,SpendLogs 成默认账本 LiteLLM 发布 v1.110.0,自上一版以来累计 840 次提交。最重的改动是把 Python router core 换成 Rust 实现,网关只通过 host 边界调用,同时保留原有路由、回退与预算逻辑;记账侧把 SpendLogs ledger 设为默认路径,并支持按 key、team 关闭 prompt 存储。发布物开始提供 cosign 镜像签名校验,新增 Agent Skills Hub 的上传、版本历史与审核接口,以及模型弃用提醒。对一个常被当作“OpenAI 兼容代理”的项目来说,这意味着它正在往真正的 LLM 网关底座走。 原文

8. Gemma 4 的 K=V 缓存只存一份:解码显存压到 1/1.34–1/1.40 11 月 17 日的 arXiv 论文指出,Gemma 4 31B 的全局注意力层里,value 就是归一化后的 key 投影,key 又是 value 乘固定权重,因此服务引擎没必要同时存两份 1,024 维向量。作者在 vLLM 原型中只存一条 640 维行,用两个重叠的 strided view 分别当 key cache 与 value cache,注意力 kernel 不改。32K–64K token 下,每请求稳态解码 KV 显存降为原来的 1/1.34–1/1.40;双 A100 上 16K prompt 的解码吞吐为原始的 1.38 倍,8K 为 1.24 倍。代价是同等 batch 下 eager step 慢 4%–9%,且暂不能与 8-bit KV 缓存叠加。 原文

9. n8n 2.48.5:AI Agent 节点的工具调用历史按输入项隔离 11 月 18 日,n8n 发布 2.48.5,重点修 AI Agent 节点:工具调用历史现在按每个输入 item 分开保存,避免批量输入时后一项读到前一项的工具轨迹;流式文本块之间不再被插入额外换行。其余修复包括 Qdrant 向量节点保留反向代理子路径、Microsoft Teams 触发器补齐批量请求的每条变更通知,以及沙箱表达式对小型对象的保留。对把 n8n 当 Agent 编排层的团队,这类小版本比新功能更值得先升。 原文

本期由站点自动生成 · 信息以原文为准。

相关阅读

← 返回文章志