未取尽：本期 X 数据尚未采集完整。
行业资讯摘要与原文索引
多台 Spark 跑大模型，我现在最看重的一个数是长 prompt 在 prefill 的时候，别的请求要等多久。单路 tok/s 反而排在后面。 DeepSeek V4.1 Flash 的 Spark 配方这两天连着更新了两次： 1. 四台 Spark：51K token 的长 prompt 跑着的时候插一个短问题，等待从约 13 秒降到 0.3 秒 2. 两台 Spark：70K https://t.co/jIt7p0bKAO
Pro 100、200、500 和 Business Premium 的用量额度已经翻倍，之前说要下调的 Pro 200 也不降了。Plus 不在这次名单里。 我平时的用量要两三个 $200 订阅才盖得住，这次翻倍对重度用户最实在。 https://t.co/uGoRze6n4L
做 Grok Bot 模板站的 XFreeze 演示了一招：换到 Grok Bot，不用从零再讲自己是谁。 Settings 里开 Import Memory，把给的 prompt 贴进你原来的助手，把它回的那段再贴回 Grok Bot，点 Add to Memory。 记忆、偏好、指令、文风、重要上下文一起过来，不用再从头交代一遍。 https://t.co/XyJgeKeYG8
TensorFold 1.1.9 这版主要提 prefill，Qwen3.8-27B 在 GB10 上快了 9% 到 11%，所有模型输出和 1.1.8 逐 token 一致。两台 GB10 跑 GLM-5.3-Flash 基本没变化，在用的可以直接更新。 https://t.co/Oz7HAjvqHw
Mistral Large 4（Le Chonk）放出权重了，总参数 1T，每个 token 激活约 52B。 这个级别的开源模型在家里到底要多少内存、能跑多快，我把 config 和 Hugging Face 上几份权重文件都过了一遍。 1. 结构 1. 72 层 MoE，128 个路由专家每个 token 选 4 个，另有 1 个共享专家，第 1 层是 dense 2. https://t.co/nZZNnkZeAH
FDE 实战案例来了, 美妆客户洗完小红书、抖音数据后，想让 AI 天天自己查：某款精华过去 30 天口碑怎么样、负面集中在哪，最好还能带回原帖。 一句话落到查询，至少得先钉死五件事：查谁、看哪段时间、从哪几个平台取、用什么指标、要不要带证据。少一项，数字再好看也答错题。 https://t.co/FeZR2TRVvE
夸克网盘有 Skill了，这个牛逼啊！ 这下所有的 AI 直接能读你夸克网盘里所有的内容了： 你的图片、你的视频，还有你以前的一些信息。 而且会员的话还支持智能搜索和相册整理。 你对话生成的文件还可以让它直接上传网盘，它也能帮你自动去备份一些重要的资料什么的，就是 Agent 都可以做了。 https://t.co/7xb4JdDxH6
有人把 Grok Bot 那种像聊天一样管理一群 AI 机器人的玩法，做成了开源软件 叫 OpenMausBot 装好并登录 Claude Code、Codex 或 Grok 后，就能给每个机器人选模型、设角色，在一个聊天界面里找它们干活 有意思的是，机器人还能用自己的云端电脑
Grok Bot 本周版本更新一览, 从 0.75.5 -> 0.78.1 几个能马上用上的点： 1. Vault：存登录、卡、联系人，结账可直接调 2. 1Password：你在 App 里审批，Bot 浏览器填，看不到密码 3. 权限卡：Settings 统一管规则，Bot 还能在聊天里提议改规则 4. Question Cards：一张卡分步问多个问题 5. https://t.co/JwqZlxG3VE
baoyu-design v2.1 加上了评论功能，现在可以在设计的页面、slides 上标记元素并添加评论，Agent 可以读取你的评论，并且还可以回复你的评论。 所有评论数据都和项目数据保存在一起，成为你项目数据资产的一部分。 https://t.co/POuwOWT2lM https://t.co/zAlJ66CaQN https://t.co/Bn2gToUddC
【Grokbot 专用】Match-Cut 接力匹配剪辑成片机 v1.0 使用方法：评论区 @bot 即可让你的 bot 自动开始 来源与致谢：Sac-Y/match-cut（MIT）https://t.co/88MVnNVU9G ，原推 @Saccc_c 校验：已亲测跑出一条 1080p/25fps/8 秒成片。原仓库的图和视频用的是 Renoise 付费模型，这里换成 Grok https://t.co/gishMLKH9Z https://t.co/To2QJxY7aF
wtf is an agent harness. An agent is a model plus a harness. Model reads the context and picks the next action. The harness is all the code that turns that choice into work. Claude Code, Codex, Antigravity, OpenClaw and Hermes Agent are all harnesses. 8 common parts every https://t.co/S7qe4BwHak
来自中国的首个第三方评测实验室 @FangcunLeap 提交了一份 87 页的针对 DeepSeek V4.1 Flash-1017 安全评测报告，评测它在失控与有害操纵上的表现 报告结论总结下来：相对 DeepSeek V4 一代，V4.1 Flash-1017 https://t.co/iWGtyVMhPI https://t.co/LsuJq4RBFt
用 Cursor 云端电脑「看着真正的 Slack」把界面做成代码视频 来自 @mattyp 的实战演示，整体覆盖：Why → Cursor agents & computer use → Video as code → Slack → 聊天·Agent·电脑 → 内环/外环 → The ladder → Skills → Feedback loops → Recap。 演示看起来是「Agent 复刻 Slack https://t.co/KOmi79LMhQ https://t.co/46sZ8WwwxY
一张 RTX 3090 加 192GB 内存，跑完整的 DeepSeek V4.1 Flash 1017，生成 41 tok/s。 552B 参数全在，专家权重压到 2 bit，在 Windows 上原生跑。配置是 i5-13600K、4 条 48GB DDR5-5600、NVMe 固态。 换了配置以后的速度： 1. 内存降到 128GB，生成 33 tok/s 2. 25K 到 64K 的长 prompt，prefill https://t.co/VVh4HrgKbe
Addy 谈 Claude Opus 5.5 时代怎么用 Claude Code Claude 5 系列模型开始，对「堆提示词、手把手拆任务」的依赖已经下降；更有效的做法是一条说清目标与验收方式的提示，让模型自己跑完并停下来。旧时代为弱模型写的长系统提示、强制拆子 agent、人肉盯多会话，往往在增加成本，却不一定更聪明。 https://t.co/yb35aoN1Iu https://t.co/n2qHSLJqur
阿里云开源《AI Agent Handbook》：用 Harness 把企业 Agent 从试点推到可治理生产 企业级 Agent 全生命周期实践手册：架构、构建、运行、治理、调优，外加调研与案例，开源地址： https://t.co/DcfrmPCtWe 手册为何重写？ https://t.co/5ywcVSIMME
DGX Spark 上用 cudaMalloc 申请的显存，不算进进程的内存，也不算进容器的内存限额。docker 的 --memory 和 OOM killer 都管不住它。 一个限 4 GiB 的容器里，cudaMalloc 申请 8 GiB 照样成功。容器的内存计数只涨了 0.1 GiB，整机可用内存少了 8.7 GiB。pinned 和 managed https://t.co/6GmLg3dxPf
Claude API 单次请求上限从 32 MB 提到 128 MB，长时间截图任务和大 PDF 不容易再卡住，只限 Anthropic 官方 API Anthropic 把 Claude API 单次请求能发送的数据量上限，从 32 MB 提高到 128 MB，大约是原来的 4 倍。调整的是 Messages（调用模型的主接口）和 Token Counting（发送前估算 token https://t.co/q2qX4z1WEW
我两台 DGX Spark 锁得更低，GPU 一直在 1800MHz。 8 月底我扫过一遍频，和 2200MHz 比，单路生成还剩 93%，4 路合计还剩 97.5%，平均功耗低 30% 左右，峰值温度低 5 到 7°C。 现在跑 GLM-5.3-Flash，单路 62.2 tok/s，4 路合计 104.6，一直很稳。 https://t.co/LVjZL1ogtf