Reasoning · MoE
DeepSeek 深度求索
推理模型、代码生成、MLA 多头潜在注意力与高效 MoE 架构。持续追踪 V3/R1 与 V4 系列工程生态。
MODEL LANDSCAPE / 01
中国 AI 核心模型图谱
以研发团队为索引，直达官方英文站、开源模型权重仓库与研究动态。
Reasoning · MoE
Multimodal · Agent
通义千问 Qwen
覆盖语言、视觉、音频、代码与工具调用的全尺寸开源家族，构建全球高活跃度开源权重生态。
Long Context · Agent
Kimi / Moonshot
超长无损上下文、复杂代码工程与多步 Agent 规划工作流，重点追踪 K3.1 Pro 研究进展与评测。
Reasoning · Coding
GLM / Z.ai
面向复杂逻辑推理、软件工程自动化与多模态生成场景。重点关注 GLM-5.3 系列及安全基准测试。
DEEP DIVES / 02 & 03
核心架构专题 · DeepSeek 与 Qwen
拆解稀疏专家架构、多模态融合与开源社区落地的核心技术指标。
02 · DeepSeek 专题
稀疏 MoE 与 MLA 低显存推理架构
通过多头潜在注意力（MLA）大幅压缩 KV Cache 占用，结合无辅助损失负载均衡策略，使高参数模型在分布式集群中实现极高吞吐。
架构MLA + MoE
上下文128K Native
生态FP8 / vLLM
查阅 DeepSeek 技术报告与权重 ↗
03 · Qwen 专题
原生全模态感知与端云协同开源矩阵
从端侧轻量化 GGUF 量化模型到旗舰级全模态 Qwen3.8 Omni，打通视觉定位、跨语言实时语音理解与长链路工具调用。
尺寸0.5B - 72B+
模态Text / Vision / Audio
部署Ollama / llama.cpp
探索 Qwen 全模态开发套件 ↗
GLOBAL INTELLIGENCE / 03
国际观察 · 中国 AI 正在发生什么
精选海外媒体报道与厂商一手公告；保留来源归属与交叉印证视角。
中国拟议 AI 技术出口限制：全球模型部署与技术转移如何区分？
Reuters 报道称，拟议规则涉及先进模型、智能体、芯片设计工具和大型计算集群等技术。报道指出，海外用户通过网站或云服务使用模型，与底层技术、数据或专业知识跨境转移，可能面临不同合规要求。
DeepSeek 融资与算力投入传闻受到关注
TechCrunch 转述媒体关于 DeepSeek 融资的报道。金额及投资方信息属于报道内容，建议以公司正式公告和后续披露为准。
TechCrunch 原文 ↗
DeepSeek 与 MiniMax 的模型全球使用审批消息
Reuters 报道援引相关社交媒体账号消息；报道同时注明企业未立即回应，适合持续跟踪后续官方确认。
Reuters 转载全文 ↗
Kimi K3.1 Pro：长上下文与复杂 Agent 工作流
Moonshot 官方网站将 Kimi K3.1 Pro 列为最新研究动态，强调长上下文、代码、研究和复杂任务能力。
Moonshot 官方信息 ↗
DeepSeek-V4.1-Flash：原生视觉理解与更高推理吞吐
DeepSeek 官方更新记录介绍 V4.1-Flash，并列出其 API 更新和官方评测结果；指标应结合测试集与配置阅读。
官方更新日志 ↗
Qwen3.8 Omni 与实时翻译能力更新
Qwen 官方动态介绍原生全模态模型与实时翻译方向，重点从理解多模态内容扩展到规划、调用工具和执行任务。
Qwen 官方动态 ↗
Moonshot 调整 Kimi 新模型的网络安全能力
Reuters 报道 Moonshot 对 Kimi K3.1 Pro 训练数据与强化学习环境作出调整，并指出相关内部测试结果尚未独立验证。
Reuters 原文 ↗WATCH & LEARN / 04
视频精选 · 点击即播架构实录
采用按需加载设计：首屏仅渲染高清封面图以节省带宽，点击播放按钮即可原地开启免登录高清解析视频。
INSTANT PLAY · 1080P
▶
自注意力与潜在特征投影：大模型长上下文数学底座
深入可视化解析 Attention 权重计算与矩阵分解，理解 DeepSeek 与 Qwen 的推理加速原理。
INSTANT PLAY · 1080P
▶
从零构建生成式预训练架构：权重张量与推理实现
完整演示底层张量并行、KV Cache 缓存复用与自回归 Token 采样生成的工程代码实现。
INSTANT PLAY · 1080P
▶
深度神经网络参数空间与多层感知激活拓扑
直观呈现多层感知机与稀疏专家激活路径，辅助理解百亿参数模型在量化前后的精度保持特性。
COMPUTE INFRASTRUCTURE / 05
AI 算力基础设施与全球开源生态
跟踪 GPU 互联拓扑、FP8/AWQ 量化吞吐基准以及国际主流开源研究社区。
FP8 混合精度集群推理吞吐
利用 Tensor Core FP8 与 PagedAttention 连续批处理，显著降低高并发场景下的首字延迟（TTFT）。
128K 长上下文 KV Cache 压缩
对比传统 GQA 与 MLA 潜在向量缓存机制，在单机多卡环境下大幅提升可承载并发会话数。
端侧 GGUF / AWQ 量化保真度
针对消费级工作站与边缘节点，4-bit 权重量化在代码生成与数理逻辑任务中保持极小损耗。
ENGINEERING NOTES / 06
部署实验室 · 开源模型服务化
标准推理服务拉起规范；生产环境建议配合 TLS 网关、速率限制与鉴权密钥运行。
vLLM · OpenAI 兼容服务
适用于多卡或大显存 GPU 节点，支持 PagedAttention 与高并发 Continuous Batching。
# 启动 OpenAI 兼容 API 推理服务 vllm serve Qwen/Qwen3-8B \ --host 0.0.0.0 \ --port 8000 \ --max-model-len 32768查看 vLLM 官方文档 ↗
Ollama · 本地快速验证
适合个人开发机或边缘工作站快速验证 GGUF 量化模型响应质量与工具调用表现。
# 拉取并运行模型（以官方仓库标签为准） ollama pull qwen3 ollama run qwen3查看 Ollama 模型库 ↗