DeepSeek開源DeepInfer推理框架，支援V4.1-Flash模型與華為Ascend NPU
DeepSeek-AI正式發布並開源了高性能推理框架DeepInfer，該框架專為其大規模生產服務設計。目前主要支援DeepSeek-V4.1-Flash模型，並同時相容NVIDIA SM100 GPU與華為Ascend 950 NPU硬體平台。
今日 AI 新聞雷達
本頁呈現本輪通過來源與內容驗證的正式發布結果。
29有效新聞
8官方與 GitHub
29非完全確認
04:03最後更新
重要新聞
Cloudflare與VoidZero推出TypeScript編譯器Rust移植版tsrs，宣稱速度提升8倍且記憶體用量減少70%
Cloudflare、VoidZero與Owner.com合作開發名為tsrs的TypeScript編譯器Rust移植版本，並將其納入Oxc JavaScript編譯器工具鏈。根據早期基準測試，在相同類型檢查工作數下，tsrs比TypeScript 7.0快達8倍，記憶體使用量減少約70%。
Hugging Face 推出 TorchTPU，讓 PyTorch 原生支援 Google TPU
Hugging Face 發布 TorchTPU，將 Google TPU 整合為 PyTorch 的原生後端，使用者無需再透過 torch_xla 或 JAX 即可直接在 TPU 上執行模型。此舉讓 Transformers、Diffusers 等主流函式庫能原生支援 TPU，簡化了從雲端下載模型並直接部署的流程。
Mistral 推出 Voxtral 3：整合語音辨識、生成與代理 SDK，支援多語言即時對話
Mistral AI 發布 Voxtral 3 系列模型及語音代理 SDK，旨在打造能同時進行聆聽、推理、工具調用與說話的即時語音互動系統。該方案透過歐盟託管 API 或私有化部署提供，強調資料主權與低延遲特性，適用於客服中心與虛擬助理等場景。
eMudhra 八張中介 CA 憑證私鑰洩漏，主流瀏覽器已封鎖相關根憑證
2026年10月20日，安全研究人員揭露 eMudhra 旗下八張中介憑證授權中心（Intermediate CA）的私鑰遭洩漏。這些憑證鏈結至 Mozilla、Microsoft、Apple 及 Chrome 等主流信任根，攻擊者若持有私鑰可偽造任何網站身分；目前各大瀏覽器已透過撤銷機制保護用戶，但許多作業系統與開發工具仍需手動更新或調整設定才能確保安全。
實驗網站發布五萬筆虛構統計數據，獲 ChatGPT 引用並產生逾萬次 AI 流量
一個由 GPT-4.1 生成五萬筆虛假統計數據的新域名網站，在 Google 搜尋結果中幾乎消失後，仍持續被 ChatGPT 檢索與引用。該網站在七個月內獲得超過一萬次來自 ChatGPT 的瀏覽次數，並被 Shopify、DHL 等品牌連結，甚至進入學術論文與銀行投資研究報告。
WhatsApp 隱藏 AI 指令限制建議用戶聯繫監管機構
研究發現 WhatsApp 幫助中心頁面曾嵌入對人類不可見的文字，指示其支援聊天機器人不要建議用戶向資料保護監管機構投訴。這些隱藏指令在提及法律行動時禁止引用隱私法規，與公開隱私政策賦予用戶的權利形成矛盾，後經媒體報導後已被移除。
Ai2推出FairStress基準，測試LLM在人口統計特徵下的決策穩定性與隱性偏見
Allen Institute for AI (Ai2) 發布新基準 FairStress，旨在評估大型語言模型（LLM）在涉及種族、性別等人口統計特徵的決策中，是否會因受到挑戰而改變原本正確的判斷。該研究發現，當證據明確支持某一方時，模型往往更容易放棄正確答案以偏向少數群體，這種現象被稱為「反刻板印象過度修正」。
ALTK-Evolve：透過學習記憶在無前沿模型情況下登頂 τ²-bench 客服任務排行榜
IBM Research 發布 ALTK-Evolve，一種透過「學習記憶」提升 AI 代理效能的方法。該方法利用 GPT-4.1（一款較舊的非推理模型）作為基礎代理，通過分析訓練任務的軌跡並提煉出簡短的行為規則（如驗證客戶、確認交易、處理退貨），將這些規則附加到系統提示中，從而無需更新模型權重或進行人工標註即可顯著提升效能。在 τ²-bench 零售…
AnyLanguageModel 1.0：Apple 平台本地模型的一年回顧
Hugging Face 發布 AnyLanguageModel 1.0、swift-huggingface 1.0 及 swift-xet 1.0，這是該專案推出一年後的重大更新。AnyLanguageModel 作為 Apple Foundation Models 框架的即插即用替代方案，允許開發者透過修改 import 語句（從 `import …
PyTorch 2.15 支援 Mac 端 FP8 運算，MoE 模型解碼速度提升逾五倍
Hugging Face PyTorch 團隊發布 2.15 版本更新，正式在 Apple Silicon Mac 的 MPS 後端引入 FP8 張量支援與原生分組矩陣乘法。這使得混合專家（MoE）模型在 M3 Ultra 上的解碼速度較前版提升 5 至 6.5 倍，並大幅降低影片生成過程中的記憶體峰值需求。
DeepSeek V4.1 Flash 1017 發布，以低價挑戰開源模型效能榜
DeepSeek 推出 V4.1 Flash 1017 模型，在 Artificial Analysis 指數中得分升至 45 分，與 GLM-5.3 並列開源模型第二。該模型主打極低推理成本與長上下文能力，但在部分基準測試中表現存在爭議，且尚未進入大規模實際應用階段。
Qwen3.8-Flash-Next 與 Opus 5.5 在 Rust 功能開發基準測試中的表現比較
一項針對真實 Rust 專案功能的六組模型對比測試顯示，本地運行的 Qwen3.8-Flash-Next 在程式碼品質評分上落後於雲端服務 Claude Opus 5.5，但差距並非懸殊。所有測試生成的 Pull Request 均通過端到端測試，且 Flash-Next 僅消耗電力成本即可達到約 68% 的平均得分，而 Opus 則需支付 API 費用並耗時較短。
COUNT 技術利用主機記憶體儲存 N-gram 計數，提升語言模型訓練效率與免訓練適應能力
研究團隊提出 COUNT 方法，透過在主機記憶體中預存 N-gram 出現頻率來增強語言模型，無需額外訓練參數。在固定運算預算下，此技術可使 10 億參數模型的驗證損失改善程度相當於增加 57% 運算資源的模型，並支援推理階段切換特定領域數據以實現免訓練任務適應。
REMORY 推出殘差記憶網路，協助長程代理在壓縮歷史後維持決策能力
研究團隊提出 REMORY，透過生成軟性記憶權重來輔助文字摘要，讓大型語言模型在有限上下文視窗內仍能近似完整歷史的表現。測試顯示，該方法僅使用 5.2% 的輸入位置即可接近完整上下文的綜合分數，並顯著減少工具重複輸出與錯誤。
DLite 提出無歷史推測解碼框架，解決代理 AI 長上下文推理效率問題
研究團隊推出 DLite 框架，透過直接重用目標模型的上下文隱藏狀態進行局部預測，避免維護龐大的歷史 KV 快取。實驗顯示該方法在代理工作負載下能維持 2 至 6 的接受長度，效能優於現有最先進技術 DSpark 達 70%。
Waymo擬獲50億美元貸款擴充無人計程車隊至2萬輛
Waymo計畫在2027年底前將無人駕駛車隊規模從約4,000輛擴大至2萬輛，並尋求獲得50億美元貸款支持。該公司安全中心數據顯示，其無人車嚴重傷害事故率較人類駕駛基準低95%。
iPadOS 27 更新導致 AirPlay 投影功能異常，教學與簡報使用者受影響
iPadOS 27 版本中，當透過 AirPlay 進行投影時，若點擊其他應用程式視窗，外部螢幕會強制切換為顯示 iPad 完整畫面。此行為導致教師或簡報者在操作輔助工具時，觀眾會意外看到備忘錄、投票結果等私密內容，嚴重干擾教學與會議流程。
透過 ADB 指令與第三方應用，打造無廣告 Android TV 使用環境
使用者分享了一套利用 Projectivy Launcher、SmartTube 及 Pi-hole 等工具，移除 Google TV 預設介面廣告與干擾的設定方法。此方案主要針對 Android TV 裝置，透過 ADB 指令替換啟動器與 YouTube 應用，並結合網路層 DNS 阻擋技術來達成無廣告體驗。
Franchisee reconciles cash in 94% less time with ChatGPT Work
Ted Taylor，一位擁有25年半導體產業經歷後轉入餐飲業的獨立加盟商，目前在新墨西哥州經營三家Schlotzsky’s和Cinnabon的聯名餐廳。他利用OpenAI技術加速處理菜單定價、人員排班及後台運營等耗時任務。 在菜單重新定價方面，Ted使用ChatGPT Work整合食譜成本、項目受歡迎程度、當地競爭對手定價、份量大小以及店內與外送訂…
個人研究者利用 AI 輔助開發藥物再利用模型，面臨 GPU 成本與批次大小限制
一位業餘機器學習研究者為妻子晚期大腸癌尋找藥物再利用候選者，使用 Google Vertex A100 訓練 NBFNet 模型時遭遇顯存瓶頸。受限於圖神經網路架構特性，實際可用批次大小遠低於論文預設值，導致單次完整訓練成本約 500 美元且耗時數天。
Kyutai 推出三款參數規模極小的 Pocket TTS 模型，支援語音複製並可在 CPU 執行
Kyutai 於 10 月 20 日發布三款僅有 1.9M、6.9M 與 18.2M 參數的 Pocket TTS 英語語音合成模型。這些模型專為在 CPU 上運行設計，並支援語音複製功能，旨在讓本地助理讀取回答時無需佔用 GPU 記憶體。
Ornith-1.5-122B發布：基於Qwen與Gemma微調，透過自我改進循環優化任務生成與解題策略
Ornith團隊推出Ornith-1.5-122B模型，這是建立在Qwen3.5和Gemma4基礎上的微調版本。該模型擴展了自我改進機制，從單純優化執行框架轉向同時最佳化任務生成、框架構建與解題過程，並透過強化學習持續提升性能。
Gradium 開源 Phonon 邊緣端 TTS 模型，支援多後端推理
AI 公司 Gradium 發布首款開源文字轉語音（TTS）模型集 Phonon，包含 31M 與 40M 參數規模，專為裝置端運行設計。該專案同時開放完整推理堆疊，目標支援超過十種硬體後端，多數程式碼以 Rust 撰寫。
ISTA-DASLab 推出 Qwen3.8-27B NVFP4 預填充模型，兼顧低 VRAM 與精度
ISTA-DASLab 發布一款專為 Qwen3.8-27B 設計的 NVFP4 預填充模型，旨在恢復低量化版本的準確度。該方案需搭配 Nvidia Blackwell GPU 運行，並宣稱在長上下文場景下不會犧牲解碼速度。
Berth推出系統服務工具，讓多引擎輪流使用單張RTX 4090顯卡
開發者推出名為 Berth 的系統服務，可自動監控並切換不同 AI 引擎對顯示記憶體的使用權。此工具旨在解決單一高階顯卡（如 RTX 4090）同時運行多個模型時常見的資源衝突與佔用問題。
Intel Arc Pro B65 多卡長上下文吞吐量測試結果公布
Reddit 使用者 SamSausages 公開了使用四張 Intel Arc Pro B65 顯示卡進行 Flash-Next 與 Qwen3.8-27B 模型的長上下文吞吐量測試數據。這些數據涵蓋不同並發請求數與上下文長度，旨在評估高記憶體頻寬在實際推理場景中的表現。
立陶宛醫學會議報告：研究人員採用本地模型處理敏感病患資料
立陶宛一場關於醫療 AI 技術的學術會議顯示，醫學研究者正廣泛使用本地部署的大型語言模型。由於醫療專業人士對病患隱私保護要求極高，本地模型成為處理敏感醫療數據的主要解決方案。
Geezuz kernel 讓 Qwen3.8-27B 在雙 RTX 3090 上單請求達 190 tok/s
開發者發布 Geezuz kernel，透過將整個前向傳遞整合為單一 CUDA kernel 並跨兩張顯卡同步，讓 Qwen3.8-27B 在雙 RTX 3090 上單請求生成速度達 190 tok/s。該方案利用 PCIe 直接交換部分結果，並在 8 個並行請求下總吞吐量提升至約 620 tok/s，顯著超越 llama.cpp 的表現。