微软演示 DeepSeek V4 Flash 量化后在 Windows PC 上本地运行

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。

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。

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 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。

Bolt 推出 Bolt Forge，10 月 14 日前免费，接入 GLM、DeepSeek、Kimi 三款开源前沿模型，用量最高提升 50 倍且零使用费用，已在 https://bolt.new 的模型选择器上线。作者认为模型选择器让用户可保持项目和执行环境不变、切换模型观察行为差异，更大的 token 预算和无每日计量便于比较多种实现方案并弃用差的。

Sapient Intelligence 发布并开源自主科研系统 PRAXIST Beta，通过并行 Research Peers 与共享研究图谱跨代累积实验证据。在完整 75 任务 MLE-bench 上，PRAXIST（deepseek-v4-pro）获 49 金、共 60 枚奖牌，超过 Claude Opus 4.8 的 34 金、55 枚。

NVIDIA 官方宣布 Vera 芯片已规模出货，AWS 已收到首台 CPU 服务器及 Vera Rubin GPU。Vera 面向智能体相关 CPU 任务，配备 88 个定制 Olympus 核心和最高 1.2TB/s 内存带宽，在选定工作负载上比 x86 CPU 快最高 1.8 倍。Phoronix 独立测试显示，Vera 比 AMD EPYC 9575F 快 10%。

NVIDIA 的 Groq 3 LPX 针对 AI 智能体工作流中累积的毫秒级延迟，通过确定性编译器调度、机架级 128GB SRAM 及预规划芯片间传输来降低小批量协调开销。智能体任务需数百次顺序推理步骤，解码延迟会随工作持续累积，因此速度比普通聊天更关键。

NVIDIA 与 Microsoft 在旧金山活动上宣布为 Windows PC 共同打造 AI Agent 软硬件。