面壁智能开源 ForgeKernel，B200 上提速 9.8%

DeepSeek 开源面向华为昇腾算力平台的基础设施组件，包括 TileLang 编译工具、DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect，与此前英伟达平台开源组件一一对应。

SemiAnalysis 应 OpenAI 邀请在实验室实测其在 Hot Chips 公布的 Jalapeño 推理 ASIC，称其在 DeepSeek R1、Kimi K2.5、GPT-OSS 等模型上的 perf/W 超过所有可测的 Nvidia、AMD 和 Google 芯片，DeepSeek R1 在并发 1 下达每用户超 700 token/s。

SGLang 为 DeepEP MoE 推理新增两种调度时负载均衡方法：Waterfill 将共享专家分配给负载更低的 rank，在 DeepSeek-V3/R1 服务负载下使总吞吐量提升 1.48% 至 4.66%，在 DeepSeek V4 上最佳点从 49,253 tok/s 提升至 51,677 tok/s（+4.92%）；LPLB 基于线性规划优化冗余专家副本的 token 路由，配合 EPLB 在相同集群上实现吞吐量提升 0.84% 至 7.34%。

DeepSeek 宣布将内部推理框架 DeepInfer 全面开源，此前已开源大模型、TileLang 编译工具及推理算子库。DeepInfer 集成高性能算子与深度优化的推理引擎，支持分布式推理、推测解码、SWA Bounded Replay、结构化输出等能力，兼容英伟达与华为昇腾平台，已支撑 DeepSeek V4.1 Flash 高吞吐、低延迟的大规模推理服务。

微软演示 DeepSeek V4 Flash，这是一款 284B 参数的开源权重模型，量化到 1.6 bits 后约需 60GB 内存，可在 Windows PC 上本地运行。其新 Surface Laptop Ultra 基于 Nvidia RTX Spark 芯片，最高 128GB 统一内存，高内存配置可容纳该模型；完整视频发布在 Windows YouTube 频道。

DeepSeek 发布一套与自家 Nvidia 组件对应的昇腾工具包，包括 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect，均已给出 GitHub 开源地址。

OpenAI称其首款自研推理芯片Jalapeño在速度和能效上已超越英伟达GB200和GB300系统。在GPT-OSS 120B、DeepSeek R1 670B和Kimi K2.5 1T模型上，Jalapeño在峰值吞吐下每瓦特AI工作量提升1.5-1.9倍，端到端延迟降低1.7-3.6倍；高交互负载性能提升2.1-4.1倍。

OpenAI 称其新 Jalapeño 芯片在匹配 DeepSeek R1 解码速度下，每千瓦吞吐量达 NVIDIA GB300 的 104.3 倍（12258 对 118 tokens/s/kW）。该芯片功耗 700W，低于 GB300 的 1400W，计划年底部署，Gen 2 已在开发中。

OpenBMB 介绍由社区开发者 @yangzhizheng1 构建的 MiniCPM Agent Gateway，一个 quality-first、local-first 的 Agent 路由系统，基于 NVIDIA-NeMo/Switchyard 构建。作者称其主打高速与隐私优先，能够精确处理复杂的多模态任务。

DeepSeek 宣布将内部推理框架 DeepInfer 全面开源，并同步开源生产级 Token 编解码组件 deepseek-recipe。