回看 2 天 · 新增 22 条（框架 14，媒体 6，权重 2）

一句话总览

今天没有旗舰级正式发布。一手证据里只有两件实事：Qwen 悄悄上传了 Qwen-Image-2.1 的两个提示词增强（PE）权重，以及蚂蚁 Ling-3.0-flash-VL 多模态 MoE 的 llama.cpp 适配落地。更值得留意的是 vLLM 侧一天之内集中出现 8 个 DeepSeek V4 / V4.1 相关 PR，架构细节正在被框架侧"剧透"。

正式发布

• inclusionAI · Ling-3.0-flash-VL · 2026-09-20（框架适配） —— 已发布，框架侧在补齐 llama.cpp 支持。据 PR 描述，这是 Ling 3.0 Flash 的视觉语言版本：124B 总参数 / 5.1B 激活，混合 KDA + gated MLA 注意力，512 专家 MoE；文本骨干与 bailingmoe3 相同，新增 27 层视觉塔（qwen3_moe_vit 系）、2x2 merger 和两层 projector，文本与视觉共用 M-RoPE。作者已从公开 safetensors 转出 BF16 GGUF（248.9 GB）并跑通图像和视频推理。官方博文本次未抓到，规格以 PR 描述为准。来源
• Qwen · Qwen-Image-2.1-PE-T2I / PE-I2I · 2026-09-20 —— 两个新权重 repo，分别对应文生图和图生图两条链路（权重已上线，官方尚未发文）。标签为 prompt-rewriting、image-editing、qwen3_5，看起来是 Qwen-Image 2.1 的提示词改写/增强配套模型，而非图像生成主模型本身；参数量、许可等细节待官方补充。属于生态配套件，不是重磅。来源（I2I 版）

早期信号

• DeepSeek V4 / V4.1：vLLM 一天内 8 个 PR（V4 目标模型 / MTP / "DSpark" 三处 attention sink 加载修复、ROCm 上 DPA+ETP prefill 双批重叠；V4.1 的 attention sink、tokenizer mode、ROCm PTPC-FP8 布局、decode 融合），HF 上没有官方组织的同版本权重，疑似 V4 系列仍在适配期或以闭源 API 形态存在；PR 已透露其带 attention sink、按平台 padded head 数填充 -inf、V4.1 换了 tokenizer 模式、有名为 DSpark 的组件。vllm #57800 / vllm #57801
• 小米 MiMo-V2：vLLM PR 修 MiMo-V2 的 attention sink bias 加载路径，说明 MiMo-V2 也采用 attention sink 架构且已有 MTP 版本；HF 上未见官方同版本权重，疑似在做适配。vllm #57804
• Kimi K3：vLLM 在修 kimi_k3 推理解析器（无 think 标记时 structured output 失效），HF 上没有官方权重；结合下方 AWS Bedrock 的消息，疑似以闭源 API 形态上线、暂无开放权重。vllm #57718
• Gemma 4：llama.cpp 为 Gemma 4 的 256/512 head size 调 CUDA FlashAttention，基准表里已有 gemma4 26B.A4B 和 12B 的 Q4_0 实测数据，说明模型已可本地运行；交叉验证未匹配到 HF 官方同版本权重，本条按生态性能调优看待而非新发布。llama.cpp #29152

媒体转述（二手）

• 据 AIBase、Donews 报道，阿里千问发布同声传译模型 Qwen3.8-LiveTranslate，原文译文同屏同出，字均延迟约 2.3 秒；官方渠道本次未抓到。
• 据 AWS 官方博客（经 Google News 转载）报道，Kimi K3 已登陆 Amazon Bedrock。
• 据 Geeky Gadgets 报道，Google 计划 2026 年 10 月推出 Gemini 4 Pro 内容创作相关能力，属预告性消息。
• 据 AIBase 报道，B 站上线"AI 无限竞技场"让上百个模型同台对战，GPT-6 Astra 暂居榜首。

判断

真正值得跟的是 DeepSeek V4/V4.1 那一簇 PR：ROCm 都在做 FP8 布局和 decode 融合，说明适配已进入性能阶段而不是能跑就行，V4.1 换 tokenizer 模式也意味着接入要重新验证分词，做推理部署选型的人可以提前读这些 PR 了解架构。Ling-3.0-flash-VL 是今天唯一能立刻上手的新东西，5.1B 激活的多模态 MoE 对本地 VL 部署有吸引力，但 248 GB 的 BF16 GGUF 说明总参数摆在那，显存门槛不低。Qwen-Image PE、Gemma 4 调优、Whisper/Qwen2.5-VL 之类修复都是常规迭代；Kimi K3 上 Bedrock 若属实会改变多云可用性，等官方口径再算成本。

原始条目

■ 权重 （2 条）

■ 框架 （14 条）

■ 媒体 （6 条）