RuntimeError: Already borrowed
该报错出现在 vLLM 服务化部署 Qwen3.5-122B-A10B-FP8 等大型 MoE 模型时，当大量并发请求（尤其是包含 image_url 内容的多模态请求）通过 /v1/chat/completions 接口发送，导致 EngineCore 进程崩溃。同一并发量下纯文本请求可以稳定运行
celebrityanime
RuntimeError: This GEMM is not supported!` during CUDA graph capture. This does not occur with the older AITER version (v0.10.post2).
在 vLLM 主分支（commit 55d037e2e5cc56c38a1a4a77a15c347fee380c50 ）环境下，使用 ROCm 平台（GPU: gfx942/MI300X）部署 DeepSeek-R1 模型，设置环境变量 VLLM_ROCM_USE_AITER=1 和 VLLM_US
Cactus 发布 Gemma 4 E2B Hybrid：可在设备端为每个回答输出置信度分数，低分时自动路由至更大模型
初创公司 Cactus 推出了一款名为 Gemma 4 E2B Hybrid 的混合模型，它在小型本地模型内嵌了“置信度探针”，能对每个输出打分，低分时自动将请求转给更大的 Gemini 3.1 Flash-Lite 模型。它仅需将 15–35% 的查询转发即可在多数基准测试中匹敌大模型，显著减少了对云端算力…
国内首部持”网剧片许可证”的 AIGC 故事片《奇谭》在爱奇艺开播
爱奇艺上线了国内首部持“网剧片许可证”的AIGC故事片《奇谭》，全片超60分钟，由20多人团队基于AI完成从概念到成片的全流程。这件事标志着AIGC长视频在国内首次通过了正规网络剧审批流程，验证了AI辅助长片生产的技术可行性与合规路径。
NTT DATA部署Codex： 5 名工程师 3 天的故障分析缩短至 30 分钟， 9000 名员工已用上AI
日本 IT 服务巨头 NTT DATA 通过部署 OpenAI 的 Codex 智能体，将原本需要 5 名资深工程师耗时 3 天的复杂系统故障分析缩短至 30 分钟。目前已有约 9000 名员工在日常工作中使用 Codex，涵盖技术和非技术岗位，成为企业级 AI 智能体落地的标志性案例。
DeepSeek梁文锋谈开源：只赚 6 倍利润不加班，想赚 100 倍才会受制于开源
DeepSeek 创始人梁文锋在近期投资人交流中公开解释公司坚持开源的原因：如果只追求 6 倍利润，开源对商业模式没有影响；只有目标利润达到 100 倍时，开源才会削弱定价权。他明确表示“最强的模型也会开源”，并将 6 倍利润定义为公司的“纪律性”策略。
Alphabet发布最新财报:AI功能推动谷歌搜索收入增长17%，月活突破10亿
谷歌母公司Alphabet最新财报显示，AI驱动的搜索功能（AI Overview和AI Mode）不仅未像市场担忧的那样取代传统搜索，反而大幅拉动了搜索量和收入增长。AI Mode全球月活突破10亿，直接推动搜索业务收入同比增长17%，但这也引发了数字出版行业对流量流失的强烈担忧。
Tesla reports a negative Q2 free cash flow of $1.1B, its first in over two years, partly due to increased AI and robotic investments, amid diminishing profits (Reuters)
特斯拉在 2026 年第二季度出现了超过两年来的首次负自由现金流，亏损达 11 亿美元，主因是大幅增加了对 AI 和机器人技术的投资。这一数据表明，即使核心汽车业务利润正在缩减，特斯拉仍选择在 AI 算力与机器人研发上加大投入。
Petals：在家运行大语言模型，BitTorrent 风格
Petals 项目允许用户利用消费级 GPU 或 Google Colab，通过 BitTorrent 风格的分布式网络，加载和运行 Llama 3.1、Mixtral 等大型语言模型的一部分，并与他人共享算力，实现推理和微调。
Petals：在家运行大语言模型，BitTorrent 风格
Petals 是一个开源项目，允许用户通过 BitTorrent 式的点对点网络，将各自的家用 GPU 贡献出来，联合运行大型语言模型（LLM）和扩散模型，无需依赖集中式云服务。这一项目虽然目前活跃度不高，但其分布式推理的思路仍在探索中，值得关注。