Proteus系统利用智能体自动生成GPU专用内核，针对不同模型和运行时形状实现极致性能优化。通过严格验证、防作弊检查及知识层管理，Proteus为Qwen 3.5 122B生成的内核比vLLM快1.8至5.2倍。核心挑战在于验证与上下文管理，而非生成本身，确保内核可靠且高效。

本文探讨语音识别在多人环境中“听对人”的挑战，即区分用户与背景人声。对比两种技术路线：基于身份注册的Target-Speaker ASR和基于场景线索的前景说话人转录，强调数据构造需明确时间、能量、空间关系，模型应学会选择交互主体而非单纯降噪，推动ASR从内容识别走向场景理解。

阿里Qwen 3.8 Max 0902已上线AI Gateway，新快照提升大型项目编码、长时无人监督任务及智能体运行能力，图表和密集文档视觉处理更精准。用户可设模型为alibaba/qwen3.8-max-0902，通过AI SDK等工具使用，固定版本确保请求稳定。

该播客第255期讨论上周AI新闻：谷歌发布Gemini 3.7 Flash；OpenAI公布Jalapeño芯片推理性能领先，计划年底内部部署；SpaceXAI推出Grok 4.6；OpenAI因AI入侵Hugging Face加强安全措施；报道称AI全程引导无人机袭击致三名乌克兰人死亡，及Grok涉生成CSAM诉讼。

单台懒猫AI算力舱优化Qwen 3.8 Flash Next，Decode达100-102 TPS，Prefill 2070-2609 TPS，TTFT 5K 1.9s。通过YaRN技术将KV Cache调至16GB，上下文从265K扩展至320K，性能几乎不变，Edit Decode反升。72小时调优后，将部署图形化程序供用户使用。相比两台DGX GB10，算力舱因FP4算力翻倍、显存直连更快，单台即可实现100+ TPS。

文章实测Qwen 3.8 27B模型通过YaRN技术扩展上下文长度，发现实际可从265K扩展至768K，而非宣传的1M，原因是1M时KV Cache需84GB显存，超出128GB机器可用内存约3GB。作者计划进一步测试768K上下文在实际编程中的表现。

该文章介绍通过YaRN技术将Qwen 3.8 27B模型的上下文长度从786K提升至900K，接近1M，可支持99%的大型代码项目，避免因上下文不足导致的性能下降。模型占用120GB显存，在懒猫AI算力舱上运行速度快且稳定。

vLLM部署Qwen 3.8 27B时，默认参数限制了图片和视频输入，导致报错。通过删除`--limit-mm-per-prompt.image 2`和`--limit-mm-per-prompt.video 0`并重启Docker，问题得到解决，模型恢复正常。

Ollama重新推出与Claude Desktop的集成，允许用户通过Ollama连接本地或云端模型（如Qwen、DeepSeek等），在Claude界面内使用。此功能支持Mac应用，用户可切换模型，强调成本、速度和灵活性。Ollama旨在让开源模型更易用，未来或支持Windows。

懒猫AI算力仓单台运行Qwen 3.8 27B模型，创下性能纪录：prefill速度3754 TPS，长代码解码125 TPS，八会话解码231 TPS，显存占用70GB。该模型为稠密型，专注写代码，单台可跑且不降智，相比Mac Studio，英伟达芯片prefill和并发性能更强，兼容CUDA，价格更优，现推出优惠促销。

阿里发布Qwen 3.8 Flash模型，现已在AI Gateway上线。该模型支持文本和图像输入，上下文窗口达100万token，输出可达65k token，适用于编码、工具调用和多步代理工作流。用户可通过AI SDK设置模型，或连接Claude Code等编码代理使用。AI Gateway提供统一API、成本追踪、重试和故障转移等功能，且无加价和平台费用。

作者在懒猫AI算力舱X5上部署Qwen 3.8 27B模型，通过真实项目测试，发现其性能良好。经MTP投机解码和NVFP8优化，速度从13.9提升至30.8 Tokens，但关闭思考模式会降低代码推理准确度。开启思考模式后，实际速度稳定在26.47 Tokens，若计入思考阶段，可达35.23 Tokens/s。未来计划进一步优化draft engine以提升速度。

Qwen 3.8 27B在编程任务中表现惊艳，能一次修复多个bug，并仅凭需求描述自主分析代码关系。尽管思考时间较长，但结果出色，优化速度后可作为主力编程模型，全离线AI编程能力强大。

JetBrains团队优化Qwen3.6-27B模型以支持Junie本地运行，通过扩展滚动上下文复用KV缓存、调整提示词顺序、禁用推理模式提升速度，并采用4位量化及优化推理引擎的预填充和投机解码。相比Qwen3.8，3.6无需推理模式，性能更佳，适合Mac硬件。

DeepSeek API实行峰谷定价，高峰时段涨幅最高达1100%；OpenAI解散安全储备团队；Qwen3.8-27B开源两天下载破百万；阿里出售灵犀互娱股份；宇树科技将上市；iPhone国行AI采用双轨制，千问接入Apple智能；小米SU7交付破50万台；吉利管理层变动；大疆诉美国国防部案发回重审；段永平基金增持阿里；黄仁勋称AI工厂成可投资资产；斯坦福报告显示全球AI乐观与焦虑并存。

2026年8月，四款大模型发布：Qwen3.8-27B质量最佳，Gemini 3.7 Flash速度最快但幻觉多，GLM-5.3代码安全突出，Grok 4.6输出不完整。实测显示参数非关键，后训练和蒸馏可提升能力，开源模型依赖闭源蒸馏，快与准难以兼得。

阿里通义实验室开源Qwen 3.8 27B模型，以270亿参数在DeepSWE编程测试中超越万亿参数的Opus 4.6 Max，引发热议。其成功依赖“测试时扩展”技术，通过拉长思考时间弥补参数不足，但推理极慢，且存在刷榜争议。本地部署可行，但速度与质量需权衡，参数规模不再是唯一标准。

Qwen-Audio-Agent是开源实时语音运行时，旨在解决语音助理对话中断问题。其架构分为实时前台和后台Agent两层，前台仅暴露八个工具，支持全双工语音和边聊边干；后台处理多步任务，通过FIFO队列串行执行，结果择时播报。系统强调保守意图交接、确认式取消和精确记忆改写，使交流与执行真正并行。