vLLM 在混合Blackwell/Ada集群上大幅领先SGLang和llama.cpp
Reddit用户实测显示，在混合GPU集群（RTX PRO 6000/5090/4090）上，vLLM的预填速度比llama.cpp快4-6倍，而SGLang在纯Blackwell上表现接近但混合时崩溃。vLLM支持手动分区消除瓶颈。[3]
大黑AI速报
本周社区出现多个实用分享：微信读书自定义Skill教程、开源桌面AI工具AIPointer接入Ollama、vLLM在混合GPU集群中【显著领先】其他推理引擎，同时前OpenAI机器人专家谈【AI向物理世界转移】趋势。
模型动态
产品工具
开源桌面AI助手AIPointer寻求Ollama集成测试者
开发者正在为开源项目AIPointer添加Ollama本地模型支持，实现光标附近快速问答。需要M系列Mac、RTX 3090/4090等用户帮助测试TTFT和工具调用性能。项目地址：https://github.com/gonemedia/aipointer[2]
技巧教程
姚老师分享微信读书自定义Skill，用于分析个人读书数据
姚老师制作了一个微信读书Skill，可自动分析用户的读书数据，展示效果很棒。这是一种自定义Skill的实用案例，用户可根据自身需求编写。[1]
行业资讯
前OpenAI机器人专家：未来两年战争领域变化将超过消费电子
在Lenny Rachitsky播客中，前OpenAI硬件负责人Caitlin Kalinowski表示AI前沿正从数字转向物理，VR技术已成为现代战争基础，并警告内存价格冲击，建议初创企业提前囤货。详细视频：https://www.youtube.com/watch?v=G5WTgB87rYQ[4]
观点：长期使用GPT的年轻人通识知识或超越老一辈
Marc Andreessen转发观点称，每天使用GPT 8小时、持续3年的Z世代，其【通识知识水平】可能超过99%的婴儿潮一代一生所学。这一观点引发对AI作为终身学习工具潜力的讨论。[5]