实测警告：DeepSeek V4 Flash 的 KV Cache 不宜量化
社区测试发现对DeepSeek V4 Flash做 Q8 KV Cache 量化带来明显质量损失，PPL、KLD 等指标显著变差，与 Qwen 397B 形成鲜明对比。原文：https://www.reddit.com/r/LocalLLaMA/comments/1vduxth/you_really_should_not_quantize_kv_cache_for/[3]
大黑AI速报
本期聚焦Vercel内部运营代理受热捧，llama.cpp推出官方Mac应用；社区实测发现DeepSeek V4 FlashKV Cache量化存在质量陷阱，国产芯片DFSX被曝内存带宽翻倍。
模型动态
产品工具
Vercel 构建内部运营代理 @v，AI 或可运营整家公司
Vercel CEO Guillermo Rauch 透露已用@v代理处理日常运营任务，token 消耗增长迅猛。他乐观推测未来AI代理可独立运营整个公司。[1]
condense-json 1.0 发布：专注 JSON 压缩的小型库
Simon Willison 发布condense-json 1.0，一个维护一年半的 JSON 压缩工具，适合需要高效处理JSON的开发者。项目地址：https://simonwillison.net/2026/Aug/2/condense-json/#atom-everything[2]
llama.cpp 官方推出 Mac 应用 llama.app 与 llama serve
llama.cpp 官方发布llama.appMac 应用和llama serve工具，方便本地运行 LLM。官方应用此前未被多数用户注意到，对本地部署者是重要提示。原文：https://www.reddit.com/r/LocalLLaMA/comments/1vdt1i2/psa_llamaapp_mac_app_and_llama_serve_from_llamacpp/[4]
技巧教程
补丁优化：DeepSeek V4 在 M1 Ultra 128GB 跑到 16 tok/s
用户通过补丁将DeepSeek V4IQ3XXS 量化模型在 M1 Ultra 128GB 上从 5-6 tok/s 提升至15-16 tok/s，输出质量也有所改善。原文：https://www.reddit.com/r/LocalLLaMA/comments/1vdsmnk/deepseek_v4_iq3xxs_on_m1_ultra_128gb_16_toks_in/[6]
硬件动态
中国 DFSX 芯片被曝提供 2 倍于 NVIDIA GB200 的内存带宽
Reddit 社区称国产芯片DFSX内存带宽可达 NVIDIA GB200 的两倍，消息尚未证实。若属实，将是硬件突破的重要信号。原文：https://www.reddit.com/r/LocalLLaMA/comments/1vduej3/chinas_dfsx_offers_2x_the_memory_bandwidth_of/[5]
行业资讯
Whatnot CPO：AI 正在暴露“产品戏剧”现象
Whatnot 首席产品官 Tom Verrilli 在播客中讨论 AI 对产品管理职业的冲击，认为 AI 暴露了许多无效的产品戏剧，产品经理需要提升【系统思维】。[7]