行业资讯

字节跳动Seed团队研究论文揭示：大模型采用分块KV缓存压缩引入“相位敏感性”，导致长上下文检索准确度在不同相位间最高相差40个百分点，解释了DeepSeek用户长期遭遇的“抽风”现象。研究评估了DeepSeek-V4-Flash、V4-Pro与V4.1-Flash。

IT之家消息：人工智能实验室Underdog AI本月发布Saluki 27B模型，为Qwen3.8-27B的2-bit量化调优版本，仅保留文字I/O能力，文件大小7.89GB。针对智能体应用设计，长于日常推理与工具使用，工具选择与多工具并行调用表现优于全尺寸Qwen3.8-27B，使用标准llama.cpp格式加载。

智谱创始人唐杰日前在新加坡的演讲中披露下一代大模型GLM-5.4/5.5的研发方向：预训练数据规模扩大至几个T以提升智能上限；参数量将从目前7400多亿级别提升到至少1万亿；强化RL后训练（SFT、RLHF、RLVR等）；继续提升长程推理与Agent能力。唐杰认为当前AI已基本不需要卷对话与写代码，GLM-5.4/5.5将走两条还没有人走通的新路：RSI（递归自我改进）自主迭代升级，以及更长更自主的Agent。此前8月底财报会议上唐杰曾提出fully self-training（完全自训练）目标，当时被认为指向GLM-6；本次暗示GLM-5.4/5.5会有部分RSI成果落地，完全自主的RSI进化仍需时间。

太平洋时间10月7日微软旧金山发布会宣布GitHub Copilot本月底前支持本地AI模型推理，开发者可在云端与设备端模型之间自动或手动切换；同时推出MAI Code 1.1 Flash混合专家模型（总参数1370亿、活跃参数68亿），采用量化与推测解码优化，在Surface Laptop Ultra上实测复杂任务内存使用率、Token利用率与处理速度显著提升，解码吞吐2K-256K提示长度下每秒40至63词元。

Google DeepMind 于 10 月 8 日凌晨正式发布图像生成与编辑模型 Nano Banana 2.1，定位为高效率图像生成与对话式编辑模型，底层基于 Gemini 3.6 Flash。重点升级集中在视觉设计、蒙版编辑、主体一致性与图像自然度四个方向：Infographic Design 评测（Thinking 模式）达 1048 分（Nano Banana 2 为 961、Pro 为 912），Mask/Ink-Based Editing 达 1049 分，多角色一致性从 978 提升至 1106，Infographic Factuality 从 0.179 提升至 0.521。支持 1K/2K/4K 输出、最多 14 张参考图多图融合，已分发到 Gemini App、Google AI Studio、Gemini API、Google Search AI Mode、Google Ads、Flow 和 Stitch，模型 ID 为 gemini-nano-banana-2.1，可调用 Gemini 世界知识并用 Google Web/Image Search 做 grounding。谷歌同时承认小字号文字渲染、长文本渲染、空间位置判断、3D 推理与事实准确性仍有限制。

2026年10月7日，谷歌正式发布AI图像生成与编辑模型升级版Nano Banana 2.1（模型ID：gemini-nano-banana-2.1），在视觉设计、蒙版编辑、主体一致性三大方向显著改进：可生成构图更佳的高完成度素材、精准选中并修改图像局部而无需整图重生成、编辑或批量生成关联图片时保持主体样貌统一。模型已逐步部署至Gemini应用、谷歌搜索AI模式、Google AI Studio、Google Flow、Stitch、谷歌广告及Gemini企业平台；开发者可调用，支持文本/图片/音频/视频输入，输出1K/2K/4K分辨率图像。

IT之家 10 月 8 日消息，太平洋时间 10 月 7 日上午 10 点（北京时间 10 月 8 日凌晨 1 点）在美国旧金山举办的发布会上，英伟达发布 DGX Station for Windows，定位为桌面级 AI 超级计算机，旨在让开发者、研究人员和数据科学团队在本地运行大规模 AI 模型，将于 2026 年第四季度上市。 IT之家援引博文介绍，DGX Station 搭载 NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip，配备 72 核 Grace CPU、Blackwell Ultra GPU，以及最高 748GB 统一内存

法国Mistral AI于10月6日推出Mistral Large 4（ML4，代号Le Chonk）公开预览版：总参数1.05万亿、每token激活490亿（约4.7%），另配16亿参数视觉编码器，上下文窗口100万token，为原生多模态细粒度MoE模型。模型在Mistral欧洲自有数据中心用3800块NVIDIA Grace Blackwell GPU从零训练，训练语料覆盖160多种语言（含全部欧盟官方语言）。API定价每百万输入token 1.36美元、输出4.18美元、缓存输入0.14美元。Mistral称其在Cybench拿到93%、CyberGym-E2E拿到82%，进入Artificial Analysis网络安全指数全球前五；智能体编程成绩DeepSWE v1.1为61.7%、Terminal-Bench 4.0为28.3%。与Surge AI合作的专家盲评中ML4预览版得3.74分（满分5分）排第二，仅次于Claude Opus 5的4.22分。权重计划10月底（路透称10月27日）开放下载。

谷歌于10月6日（周一）推出EmbeddingGemma 2，这是谷歌首个开源的原生多模态嵌入模型，由CEO Sundar Pichai与Google DeepMind同时官宣。模型拥有7.4亿参数，基于Gemma 4架构，采用Apache 2.0商用友好许可证，首次把文本、代码、图像、视频与音频五类模态统一映射到同一个向量空间，主打端侧隐私搜索与离线推理。模型采用模块化架构：纯文本负载仅需约2.7亿参数，视觉编码器（1.7亿）与音频编码器（3亿）可按需加载；量化后在Pixel 11 Pro上纯文本仅占约191MB内存，全模态约567MB。上下文窗口扩至8K token（上一代4倍），可处理约5.5分钟音频、29张图像或58帧视频。引入Matryoshka表示学习，输出向量可从768维截断至512/256/128维，本地向量库存储最高压缩6倍。MTEB Code基准从68.76提升至78.68（+9.92分），部分指标超越体量两倍以上的专项模型。模型与Gemma 4共享文本分词器与音频编码器，可在本地构建全离线RAG流水线。上一代EmbeddingGemma累计下载已超2000万次。

正在使用 Qwen3.8-27B 搭配 MTP 推理加速的用户，切换到 DFlash 方案可获得额外加速。具体做法是将 llama.cpp 升级到 v0.6.0，并在启动命令中加入 --spec-type draft-dflash 与 --spec-draft-n-max 7 两个参数，把草稿 token 上限设为 7。该配置依赖最新版 llama.cpp，版本不够参数不会生效；草稿 token 上限 7 是可调优变量。