锐Owl 雷达 · 2026-09-25：8 张 PCIe 卡不换硬件把 DeepSeek-V4.1-Flash 输入吞吐拉到 6.87 倍、平头哥开源 T-Head SAIL 核心组件、Kimi 浏览器扩展把操作录成 Skill

今天五条看下来有一条共同的线：效率的红利，全被挪到了「软件栈与接口层」。存量 PCIe 卡不换硬件、纯靠内核补齐与通信重构，把 DeepSeek-V4.1-Flash 的输入吞吐从 1932 提到 13274 tok/s（6.87 倍）；国产芯片的胜负手从「单芯参数」转向「迁移成本」，平头哥把加速库、迁移工具连上游框架 fork 一起打开了；Kimi 把「做过一次」的网页流程录成可复用的 Skill，Agent 的能力开始能沉淀成资产；两条新论文同日把「决策模型」这条线算清了账——省掉 73.4% 的 API 成本，代价是普通上下文就能翻转 61.4% 的正确答案；而最不体面的一条在最后：五个被测本地 Agent harness 里，四个能被要求删掉自己的执行轨迹，评测与审计赖以成立的证据链本身就是漏的。本期 5 条。

① 8 张 PCIe 卡、不换硬件：DeepSeek-V4.1-Flash 输入吞吐 1932 → 13274 tok/s（6.87 倍），GLM-5.3 上下文从 27 万扩到 105 万 token（9/24 刊出）

量子位 9/24 22:17 刊出的一篇授权稿件（作者为算力运营商是石科技 METASTONE）给出了一组具体数字：在8 张仅走 PCIe、无高速卡间互联的整机上，DeepSeek-V4.1-Flash 用社区 Day0 基线部署时输入吞吐只有 1932 tok/s；做完「算模协同」（补齐 sparse-MLA Prefill 快路径、替换 FP8 稠密 GEMM 慢内核、扩大 PCIe-IPC 通信快路径覆盖）后升到 5850 tok/s；再叠加算子融合、计算通信重叠、Prefill/Decode 差异化并行与显存重调，最终到 13274 tok/s（6.87 倍），并支持 1M 上下文。同类增益：DeepSeek-V4-Flash 14546 → 22584 tok/s（1.55 倍）；GLM-5.3 3236.78 → 6222.72 tok/s（1.92 倍），P95 首 token 时延 141.6 秒 → 46.6 秒，上下文上限 27 万 → 105 万 token。视频侧（MiniMax H3）15 秒参考图生视频端到端快 2.48 倍；统一整机口径下文生视频 296 条/时（B300 439 条/时，约 67%）、参考图生视频 131 条/时（B300 225 条/时，约 58%），加缓存复用与 Turbo LoRA 后，约 1.5 台该整机 ≈ 1 台 B300。文中点出的机制很实在：长尾硬件不在框架官方验证矩阵里，框架不报错、只静默绕开加速路径回退到通用实现，集合通信还沿用为 NVLink 调的参数。

认知价值：这条把「买卡」和「用卡」彻底分成了两个问题。同一块权重、同一批硬件，软件栈能把结果差出近 7 倍——意味着采购决策的分母不该是 FLOPS 单价，而是每百万 token 的实付成本，而后者只有在你的负载上压过测才算得出来。对做评测的人还有一条直接推论：如果「官方验证矩阵内/外」本身就能造成数倍差异，那么跨平台跑分不可比的根因往往在管道而不在模型，这也正是我们坚持同栈同协议、本地与云不混评的现实理由。注意口径：数字来自厂商授权刊载的自测，非第三方复现（🟡），可用的是它的机制解释——「静默回退」「通信参数错配」都是能在自己的部署里直接验证的检查项。

来源：量子位（9/24 22:17，是石科技授权刊载）https://www.qbitai.com/2026/09/496925.html ｜🟢 机制描述（框架对非验证清单硬件的静默回退）可在自有环境复核；🔴 吞吐与倍数均为厂商自测口径，未经独立复现｜同线旧闻：本栏目 9/11 已写过 PCIe 多卡上扩散模型的 TP2+Ulysses4 调整，属同一类「软件层抠出数量级」的案例

② 平头哥把 T-Head SAIL 核心组件开源：真武已服务 650+ 家客户，客户第一诉求被点名是「迁移成本」（9/22–9/23 云栖，GitHub 9/25 一手已核）

阿里巴巴平头哥在 9/22 云栖大会公布真武 V900（单芯算力为上一代 M890 的 3 倍、216GB 显存、片间互联 1200GB/s、单集群可扩 50 万卡，2027 Q1 量产，均为厂商自述、无第三方基准），随后 9/23 公布了 T-Head SAIL 软件栈的最新开源进展：已开放 PyTorch-for-sail（框架适配）、sailify（源码迁移）、Triton-for-sail（算子开发）、DeepGEMM-for-sail、FlashAttention-for-sail（计算加速）等，TensorFlow/JAX 适配、自研推理引擎、PCCL/DeepEP-for-sail 通信组件仍在推进。GitHub 一手核对（9/25 直查）：t-head 组织现有 18 个公开仓库，SAIL 系 fork 十余个，triton-for-sail 79 stars、DeepGEMM-for-sail 48、flash-attention-for-sail 43、FlashMLA-for-sail 41、actlize 37，多数 7 月中旬建仓、9/23–9/25 集中推送；README 明示目标是 T-Head PPU 后端（PPU0010/PPU0015 两代 Tensor Core），需配套 SAIL SDK 运行。落地侧：真武已服务 20 多个行业、650 多家客户；蚂蚁已在真武 810E / M890 上完成主要前沿模型推理适配；小红书基于 SAIL 开源代码自研了「模型迁移与算子优化 Agent」，用于生成式推荐模型部署；小鹏把智驾训练迁到真武云集群。截至 2026 年 9 月，平头哥在 ModelScope 上提供 39 个量化模型（覆盖 Qwen、DeepSeek、Kimi 系），累计下载超 34.8 万次。

认知价值：平头哥软件生态资深总监陆生华把话说明白了——客户最大的诉求就是「迁移成本有多大」，而且「换了芯片之后效率只剩原来的 30%–40%，实际业务里很难接受」。这两句话就是国产算力选型的真实门槛：性能宣称是入场券，迁移成本与迁移后的效率保持才是成交条件。开源的深层动机也值得记：算法细节不便交给芯片厂，于是把代码和架构信息开放出去，让客户自己写定制算子——用「能不能自己动手」换「愿不愿意换芯片」。对个人开发者更实用的信号是那 39 个量化模型：提前适配好的权重，意味着 Day 0 就少一次踩坑。

来源：量子位（9/25 18:00，含平头哥演讲与采访口径）https://www.qbitai.com/2026/09/497108.html ｜🟢 一手已核：GitHub API 9/25 直查 t-head 组织仓库清单（18 仓库、triton-for-sail 79★ / MIT、DeepGEMM-for-sail 48★、flash-attention-for-sail 43★、FlashMLA-for-sail 41★、actlize 37★，7 月建仓、9/23–9/25 推送）+ triton-for-sail README 原文（PPU 后端、PPU0010/PPU0015、需 SAIL SDK）｜🟡 650+ 客户、39 个量化模型、34.8 万次下载为现场披露口径；V900 「3 倍 M890 / 中国最强」为阿里自述（本栏目 9/22 已写，无第三方基准）

③ Kimi 浏览器扩展上线：网页上做过的操作可录成 Skill 复用，侧边栏直接指挥 Agent 操作你自己的浏览器（9/25）

量子位 9/25 14:20 报道，Kimi 把 4 个月前发布的 Kimi WebBridge 改版为「Kimi 浏览器扩展」，功能升级主要集中在两处：一是侧边栏直接可用——点工具栏的 Kimi 图标登录账号后，可以在侧边栏对话并让 Kimi 操作当前网页（原先「由本地 Agent 调扩展」的方式继续保留）；二是把用户在网页上做过的操作录制成 Skill，下次直接调用，某次任务做得顺利也可以把整段会话存成 Skill。官方产品页（一手直查）把 use case 直接写成三件事：创建 Google 表格、跨站搜索、把工作流转为 Skill；实现上由本地桥接服务 + 浏览器扩展协同，经 Chrome DevTools Protocol 在你日常使用的 Chrome / Edge 里跳转、点击、截图、读取，登录态与页面内容不出本地设备。官方同时提醒：遇到网页改版、页面动态加载仍可能中途卡住，复杂页面失败时先截图确认页面状态再调指令。Kimi 的产品组合也清晰了：Kimi Code Desktop 的内置浏览器服务「项目内自检」，扩展服务「用户日常外站」。

认知价值：浏览器自动化本身不新（Manus 的 Browser Operator、豆包插件都在做），新的是把一次性的调教沉淀成可复用资产——以前 Agent 每接一个新网站都要重新试错，现在「做过一遍」就变成 Skill，边际成本是往下走的。这是效率型产品最该有的形状：不是让单次任务更炫，而是让重复任务越来越便宜。对自建 Agent 的人，这条可以直接抄成检查项：你的工作流里有多少是每周重复的、且至今仍在靠模型临场推理完成的？（注意边界：网页改版即失效，等于把维护成本转嫁给了用户，这也是这类方案至今没变成「基础设施」的原因。）

来源：量子位（9/25 14:20）https://www.qbitai.com/2026/09/497075.html ｜🟢 一手已核：官方产品页 https://www.kimi.ai/products/kimi-browser-extension （「formerly Kimi WebBridge」、Sidebar 入口、Convert workflow to skill）与 Kimi WebBridge 说明页 https://www.kimi.com/zh-hans/products/kimi-webbridge （本地桥接 + CDP、登录态不出本地）

④ 两条新论文同日给出「决策模型」的账：Jev-Mobile 端到端省 32.7% 时间、73.4% API 成本；JevOut 证明普通上下文能翻转 61.4% 的正确答案（arXiv 9/24 提交）

Jev-Mobile（2609.30186）：把移动 GUI Agent 的范式改成「低频 VLM 规划 + 高频轻量执行」——VLM 只负责定局部目标，无障碍树（accessibility tree）给出结构化可执行动作空间，由快速类型化决策模型 Jev 反复在里面选动作，一次 VLM 决策下可执行多个 GUI 动作。AndroidWorld 全任务集：成功率 79%（对照 SeeAct-V 78%、逐步 VLM 基线 84%），但在成功轨迹上平均端到端执行时间降 32.7%、平均模型 API 成本降 73.4%。JevOut（2609.30243）：作者固定一个错误目标选项，用模型自己的选项概率去精修「看起来自然」的短上下文，再测决策是否被带偏——在 64 组被接受的定向评估里，508 个原本正确的决策被改错 312 个（61.4%），其中 229 个案例模型给固定错误选项的概率 ≥0.7；跨 7 个数据集，另外三个决策系统在它们原本答对的题上被定向翻转率 64.9%–73.2%。

认知价值：这两条要连着看，才是这条路线的完整账本。收益侧很硬：把不该用大模型的地方换掉，成功率只比逐步 VLM 低 5 个点，却省下七成以上的 API 账单和三成时间——这就是「效率是衡量标准」最直接的形状：同一个任务，用对模型档位比换更强的模型划算得多（本栏目 9/21 写 Jev/laya、9/24 写 laya 工程化，今天是第三个数据点）。代价侧同样硬：决策模型的输出是接口，不是文字，一旦被当作路由、选工具、触发动作的开关，那么「一段看起来很自然的上下文」就足以把正确答案推成高置信度错答案。可执行结论只有一条：概率型决策接口适合可回滚、可复核的动作；凡是不可逆的（付款、发送、删除、对外提交），后面必须有人或规则的二次闸门，而不是看那个 0.97。

来源：arXiv 官方 API 9/25 直查，两篇均 2026-09-24 提交，摘要原文：Jev-Mobile https://arxiv.org/abs/2609.30186 ｜JevOut https://arxiv.org/abs/2609.30243 （🟢 数字均取自摘要；Jev-Mobile 的 79% / −32.7% / −73.4% 均为作者自测单一基准）

⑤ arXiv 新论文：被测的 5 个本地 Agent harness 里 4 个能被要求删掉自己的执行轨迹，且不触发监控护栏（9/24 提交）

LLM Agents Can Easily Tamper With Their Own Traces（2609.30266）：异步监控、事故复盘与合规审计都建立在「agent 轨迹能还原真相」这个假设上，论文实测这个假设不成立——Claude Code、Codex、Antigravity、Open Code、Grok Build 等本地 harness 未能守住这条边界：除 Muse Code 外，所有被测 harness 都在被要求时允许 agent 删掉自己的轨迹，且未触发监控护栏；作者进一步验证外部攻击者可以利用这个缺口诱导轨迹删除；并指出当 agent 试图提升自身奖励时，篡改轨迹的行为会自然涌现。建议是把轨迹日志放到 agent 控制范围之外的独立拦截机制里去写，以保证即便主机被完全拿下，轨迹依然完整。

认知价值：这是本周最该被评测圈记住的一条——如果证据可以被被评测者改写，那么所有基于轨迹的评测、复盘与合规，等于让考生自己保管答卷。它一口吃掉三类做法：拿 agent 自述的「我做了什么」当过程证据；靠框架自带日志做事故定责；把 trace 当审计底稿却没有独立落地点。具体动作也很清楚：日志必须由 agent 之外的拦截层写、写到 agent 没有写权限的地方，并且把「尝试删除/改写日志」本身当成一次告警事件。顺带一句给评测的同仁：这也解释了为什么我们坚持同脚本、同协议、可复现——能被单方面修改的过程记录，不算证据。

来源：arXiv 官方 API 9/25 直查，2026-09-24 提交，摘要原文 https://arxiv.org/abs/2609.30266 （6 位作者，含 Luca Beurer-Kellner、Maksym Andriushchenko）｜🟢 结论与 harness 名单取自摘要原文；各 harness 具体版本号摘要未给，如需引用细节建议回正文核