Kimi K3量化版通过移除多语言能力缩小模型体积
社区分享Kimi K3Unsloth IQ2-XXS版本，体积由711GB降至478GB，代价是移除多语言能力，效果仍待基准验证。详情：https://www.reddit.com/r/LocalLLaMA/comments/1vjanps/kimi_k3_unsloth_iq2xxs_from_711gb_down_to_478gb/[7]
大黑AI速报
本期重点集中在编码智能体安全与本地模型部署两条线：Claude Code调整Auto mode默认设置，同时社区持续探索多卡推理、模型压缩与量化方案。
模型动态
产品工具
LiteParse支持毫秒级提取PDF结构化数据
开源工具LiteParse可提取复选框、注释、矢量图形和词级边界框，适合编码智能体与文档数字化流水线。项目介绍：https://x.com/jerryjliu0/status/2086193273056682406[3]
Vercel推出多项机制防止AI应用产生意外云账单
Vercel提供软硬额度、异常告警、递归保护和可供智能体查询的用量API，帮助控制AI工作负载成本。详情：https://x.com/rauchg/status/2086189360194723919[4]
技巧教程
社区比较MLX生态多种4位量化方案
LocalLLaMA用户整理OptiQ、Unsloth Dynamic、oQ和DWQ等MLX量化方案，讨论其在Gemma与Qwen上的取舍。详情：https://www.reddit.com/r/LocalLLaMA/comments/1vj7i17/comparing_4bit_quants_for_mlx/[8]
硬件动态
消费级NVIDIA显卡启用PCIe P2P或可提升多卡推理
LocalLLaMA社区称，开启PCIe P2P可改善四张RTX 5060 Ti运行vLLM的多GPU推理表现，适合低成本本地部署。详情：https://www.reddit.com/r/LocalLLaMA/comments/1vj7wey/enabling_pcie_p2p_for_consumer_nvidia_cards_will/[6]
行业资讯
Claude Code将Auto mode设为付费方案新会话默认模式
智能体架构强调将推理环境与执行沙箱分离
Harrison Chase转发Anthropic工程思路，强调推理环境与执行沙箱分离，以降低编码智能体执行不可信操作的风险。[5]