该问题发生在 AMD APU（如 Strix Halo、Ryzen AI Max+ 系列）上，llama.cpp 的 UMA 检测逻辑误将“集成显卡”识别为共享内存系统，导致可用显存被错误地限制为系统内存的 MemAvailable，而忽略了驱动实际报告的 TTM/专用 VRAM 分配。优先检查 l
![[Bug] All models hang on GB300 (SM103) with FlashInfer 0.6.7](https://www.chat-gpts.plus/wp-content/uploads/2026/08/38729-54a22b97-768x403.jpg)
这个报错发生在 vLLM 搭配 FlashInfer 0.6.7 在 GB300（SM103，计算能力 10.3）上执行大批量推理时，模型会无限期挂起。优先排查是否启用了 TRTLLM attention，并将其回退到 FlashInfer 默认 attention 后端。
FinOps 基金会最新报告显示，98% 的 FinOps 团队已在管理 AI 支出（两年前仅 31%）。Snowflake 顺势把 AI 嵌入成本管理工具，同时推出预算、配额等治理原语，用 AI 治理 AI 时代的算力账单。
Business Insider 刊发了一篇第一人称报道：B2B 营销人 Shalirrah Wisney 因全身心投入 AI 学习、创作和社区运营，在 2025 年夏天陷入严重焦虑和职业倦怠，暴露出 AI 信息过载与订阅成本对个人身心的真实挤压。
![[Bug]:amd mi308x gpu, vllm 0.27.0~0.27.1, rocm 7.2.3, Kimi-K2.7-Coder start fails:AssertionError: mla_gluon requires gfx950 (CDNA4), got gfx](https://www.chat-gpts.plus/wp-content/uploads/2026/08/51964-339b289b-768x403.jpg)
该报错通常发生在使用 AMD MI308X（gfx942）等非 gfx950 架构 GPU 加载 Kimi-K2.7-Coder 等模型时，vLLM 0.27.0~0.27.1 的 ROCm 版本因模型代码中 mla_gluon 算子的架构检查失败而启动中止。优先排查方向是升级 vLLM 到最新 m
该报错发生在模型（如 Kimi K2/K3 经 vLLM 服务）在同一轮对话的多次工具调用中复用相同的 call_id （如 search_web:0 ），Open WebUI 的“去重”逻辑误删了新调用，导致持久化历史中出现孤立的 function_call_output ，后续消息发送到严格校验
该报错通常出现在 RAGFlow 的 Code（代码）组件调度执行时，原因是 RAGFlow 后端在 v0.20.0 起重构后已移除 `agent.tools.GenerateParam` 及相关的代码执行/生成能力。优先排查你使用的 RAGFlow 版本是否为 v0.20.0 或更高，并避免在工作
![[Question]: Getting all 0 vector similarity in retrieval testing by adding a reranker model](https://www.chat-gpts.plus/wp-content/uploads/2026/08/9388-f8d94761-768x403.jpg)
该问题通常发生在 RAGFlow 检索测试中配置本地 reranker 模型（如 bge-reranker-v2-m3）后，所有 chunk 的向量相似度（实际为 reranking 分数）显示为 0。优先检查模型在后端配置中的注册名称是否与界面一致、Base URL 格式是否正确，并确认 rera
此报错发生在 llama.cpp 使用 Vulkan 后端在 AMD Ryzen AI MAX+ 上加载 Qwen 27B 系列多模态模型（Qwen3.8/3.6）时，一旦向 WebUI 提交图片，服务端会静默崩溃。优先排查 Vulkan 后端对多模态推理的支持情况，以及是否缺少 --image-m
一个名叫 LittleLearner 的研究项目，只让大模型学习美国小学 K-5 课程内容，结果发现：扩大模型规模、后训练和上下文学习都只能放大“学过的知识”，无法突破预训练数据设定的能力边界。这个实验为“大模型的能力到底是从哪来的”提供了一个难得的受控证据。