AI 日报 · 2026 年 10 月 25 日 · 星期日
麦式AI情报站
ISTA-DASLab 发布 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO 非均匀量化 GGUF
ISTA-DASLab 发布 DeepSeek-V4.1-Flash-1017 的 GGUF 量化版本，用 GSQ 加 RCO 的梯度搜索按张量敏感度分配量化类型，提供 IQ1_M、IQ2_XXS、IQ2_XS 三档。IQ2_XXS（2.00 bpw）在 AIME25、GPQA-Diamond、LiveCodeBench v6 上完全追平 FP8/FP4 基模型，任务均值恢复 100.0%；IQ1_M 保留 98.7%。配合 Strata 引擎可在单张 12 GB VRAM 的 GPU 上运行；llama.cpp 截至 2026 年 10 月 23 日尚不支持该模型。
RSI 与 Agent 自我改进
GitHub · 灵魂体仓库dogaozden/degree-diameter 用 Claude Haiku 5.5 进化搜索刷新二部 degree–diameter 问题八项纪录并附 Lean 4 证明
dogaozden/degree-diameter 项目用以 Claude Haiku 5.5 为变异算子的进化程序搜索，为二部 degree–diameter 问题刷新 8 项纪录（如 (7,4) 从 346 提升到 359，(11,4) 从 1734 到 1774），并提出覆盖三个纪录的 +2 定理。所有纪录图与定理均在 Lean 4 中通过内核校验，搜索最多同时运行 48 个云端 island（384 个 Haiku 智能体并发写作，共约 32500 个程序），纪录与证明代码在 GitHub 开放，尚未提交 Combinatorics Wiki 表格。
Prompt 精选与产物对照
GitHub · prompt 工程新仓库GPT Image 2.5 提示词实用指南仓库发布，覆盖角色一致性与姿态迁移
GitHub 用户发布了一份 GPT Image 2.5 提示词实用手册，内容编译自 OpenAI 官方文档与作者实际使用经验，并注明非 OpenAI 官方发布。手册涵盖 API 两个模型 GPT Image 2.5 Flare（重速度的小模型）与 Sunburst（重质量的基础模型）的区别、API 参数与分辨率限制、参考图角色分配、角色一致性锁定、姿态迁移四层描述法、背景与风格控制、多轮编辑流程，以及常见失败对照表和五套提示词模板，附验收清单，采用 CC BY 4.0 许可，最后更新于 2026-10-18。
无对齐模型发布/更新
DeepSeek-V4.1-Flash-1017 去对齐版 GGUF 量化发布，763B MoE 最低 235.8 GB 内存可跑
ktobik 在 Hugging Face 发布 abliterated（去拒绝）版 DeepSeek-V4.1-Flash-1017 的 GGUF 量化，提供 Mix-256G（235.8 GB 内存）与 Mix-128G（114.0 GB）两种构建。模型为 763B 参数 MoE，含 384 个路由专家和 197B 参数 Engram n-gram 表（110.6 GB 留在 SSD 按需读取），1M token 上下文。精度由实测 KLD 的背包搜索逐层分配，Mix-256G 在 held-out 文本上 top-1 一致率 93.7%、PPL 较原模型 +2.4%。
RecursiveSI Flint 40B-A2.5B 去对齐版发布，MITRE 拒绝率从 15% 降至 0%
RecursiveSI 的 Flint 40B-A2.5B 去对齐版本发布，用 abliterix 从 attention、共享与路由专家投影中移除拒绝方向，Optuna 在 100 条 MITRE 提示词上选强度。保留的 MITRE 拒绝率从 15% 降至 0%（n=100，Q8_0），无害提示词 KL 散度 0.0146 nats/token，HumanEval+、MBPP+、GSM8K、MMLU-Pro、CyberMetric、WMDP-cyber 无显著下降，pp512/tg128 速度变化在 3% 以内。
SmolLM3-3B 的 Heretic 去对齐版本发布，拒绝率从 82 降到 3
virtualdmns 发布基于 HuggingFaceTB/SmolLM3-3B 的 abliterated 版本 SmolLM3-3B-Heretic-Uncensored，用 Heretic 定向消融配合 Optuna TPE 参数搜索，100 次试验中选出 Pareto 前沿上的最优权衡。独立复测显示拒绝率从基线的 82/100 降到 3/100，KL 散度为 0.0684；架构、tokenizer 和聊天模板不变，保留 /think 与 /no_think 模式，仅权重不同。lm-eval 基准显示多数指标变化在 ±2 点内；ggsm8k strict-match 上升 42.0 点而 flexible-extract 下降 8.0 点，作者提示这是答案格式偏移，应视为混合结果。
Qwen3.8-27B OrcaRouter Uncensored 的 GGUF 与 NInfer 量化版发布，适配 16 GB 显存
codavidgarcia 发布 orcarouter/Qwen3.8-27B-Uncensored 的 GGUF 与 NInfer 量化文件，让模型连同原生 MTP 头在 16 GB 显存内运行。该去对齐版本在 abliterlitics 的 12 个变体对比中以 82% 的有害提示服从率排第一，各能力基准与原模型差距在 ±1.3 分内；作者在单张 RTX 4080 16 GB 上实测了各文件的 KLD、速度与 llama.cpp/NInfer 运行命令，许可证为 Apache-2.0。
能力评分与榜单
qwen3.8 27B 在韩文 RAG 评测上与 Opus 5.5 基本打平
作者在 3090 上用 Allganize 韩文 RAG 数据集（300 题、64 份 PDF）实测，qwen3.8 27B 开启 thinking 得 77.3%，Opus 5.5 得 76.6%，McNemar 检验 p=0.82 属于打平。Opus 5.5 的 70 次失败中仅 25 次是模型问题，22 次源于无文本层的扫描页，作者认为瓶颈在 PDF 解析而非模型；韩文形态学分词器把 BM25 的 hit@5 从 56% 提到 80%，gpt-oss 20B 在把 token 上限从 1024 提到 8192 后从 57.5% 升至 69.6%。
GitHub · 去对齐工具与仓库local-llm-benchmarks：Ryzen AI Max+ 395 上的 llama.cpp 可复现基准测试
matnum 发布 local-llm-benchmarks 仓库，在 128 GB 统一内存的 AMD Ryzen AI Max+ 395（Strix Halo）上用 llama.cpp 对 10 个 GGUF 模型/量化组合在 Vulkan 与 ROCm 两个后端测吞吐、延迟、内存、功耗与 tokens-per-watt。结果显示 Vulkan 在 10/10 单元生成更快（6 个领先 2.1–18.0%），ROCm 在 9/10 单元 prefill 更快（6.2–56.8%）；MoE 模型生成速度和每瓦效率是同体量稠密模型的 5–8 倍，gpt-oss-120b（MXFP4，约 59 GiB）达 55.3 tok/s。
工程与部署
GitHub · 灵魂体仓库IdleJot 开源：让 AI Agent 以群友身份常驻 QQ 群
ID-VerNe 开源 IdleJot 项目，把 AI Agent 常驻一个 QQ 群，被 @、引用或叫到名字才回复，其余时间潜水看聊。Agent 读上下文现场写回复而非关键词固定话术，人格来自可热切换的 Markdown 人格卡（自带 little_whale、dragon_girl 模板），群友画像与记忆存本地 SQLite，闲时自动提炼。项目经 MCP 接入 Agent，靠 NapCat（OneBot 11）收发消息，默认 mention_only 触发，支持原生引用、按花名 @ 人、追问窗口和守护保活，目前仅支持 Windows、只发文字。
TensorSharp 首日支持 MiniMax-M3.1-Flash，8× A40 实测 64K prefill 达 2,567 tok/s
TensorSharp 开发者在 MiniMax-M3.1-Flash 开放权重发布当天加入支持，支持 GGUF 推理、MiniMax Sparse Attention 专用 CUDA kernel、图文输入、tool calling、多 GPU 拆分与张量并行、DSpark 投机解码和 MoE 专家 CPU offload。在 8× NVIDIA A40、双方使用相同 Unsloth UD-Q4_K_XL GGUF 的对比中，64K executor prefill 达 2,567 tok/s，对比被测 llama.cpp 分支的 262 tok/s 提升约 9.8 倍，server 首字时间从 293.4 秒降至 40.0 秒；64K decode 提升 1.49 倍，短对话 decode 基本持平。
GitHub · 去对齐工具与仓库retopo-director 开源：LLM 指导的高模到 PS2 级低模重拓扑工具
doctorspider42 在 GitHub 发布 retopo-director，可将 5 万三角面雕塑转为 1 千三角面、256² 调色板化、三角条带化的 PS2 资产，顶点、UV 和纹素全部由确定性 C++ 代码处理，语言模型只负责命名部件、分配预算和评审渲染结果。支持 claude CLI、codex CLI 或 OpenAI 兼容 API 作为 director 后端，区域切分可选几何算法或 SAM；基准测试显示多数资产轮廓偏移在 2 像素内，无 director 模式数秒完成，带 director 需数分钟。工具以 Apache-2.0 协议开源，提供 Windows 安装包和 headless 命令行模式。