DeepSeek V4 Flash Vision 与 OX-Alpha 展开多模态电竞教练实测
实测使用视频抽帧分析CS2录像，比较两模型的识别、复盘和改进建议能力，并总结【最佳图片配比】。来源：https://x.com/karminski3/status/2091454694094971311[1]
大黑AI速报
本期重点集中在【多模态模型实测】、本地推理优化与【AI开发工作流】。社区还分享了游戏音乐模型训练、VLM微调和自托管模型管理等实用项目。
模型动态
Claude Fable 5 在图像生成排版细节对比中表现更佳
在相同提示词和参考图下，Claude Fable 5 的排版细节与方块色散处理优于Ox Alpha、DeepSeek V4 Flash Vision和Vision EXP。来源：https://x.com/op7418/status/2091456254669709671[2]
450M视觉语言模型经领域微调后成绩从1分升至44分
使用5万张浏览器截图微调450M参数VLM后，评测成绩由1/100提升至44/100，展示小模型领域适配潜力。来源：https://www.reddit.com/r/LocalLLaMA/comments/1vw9k4k/1100_44100_finetuning_a_450m_vlm_on_50k_browser/[4]
产品工具
Unswarm开源统一管理多个自托管LLM运行时
Unswarm是自托管模型的运行时管理与代理工具，可统一处理脚本、容器和服务，降低本地模型运维复杂度。项目地址：https://www.reddit.com/r/LocalLLaMA/comments/1vw26gr/unswarm_selfhosted_runtime_managerproxy_for/[5]
社区从零训练1.2B游戏音乐生成模型并公开资源
作者使用单张H100训练约8天，复用Stable Audio 3 VAE完成1.2B游戏音乐模型，并公开模型、样例与代码。项目介绍：https://www.reddit.com/r/LocalLLaMA/comments/1vw6zsq/i_trained_a_game_music_generator/[7]
技巧教程
开发者分享AMD显卡运行Chatterbox TTS的ROCm修复方案
针对7900 XTX与ROCm 7.2环境，作者解决torchcodec不支持ROCm等兼容问题，给出Chatterbox TTS Extended部署方法。教程：https://www.reddit.com/r/LocalLLaMA/comments/1vw3dvv/chatterbox_tts_on_amd_rocm_7900_xtx_torchcodec/[6]
调试AI代码时并行检索GitHub Issue与PR可减少排障成本
经验建议让智能体并行搜索GitHub的Issue和PR，优先复用已有解决方案，提升编码代理排查问题的效率。来源：https://x.com/Suhail/status/2091508616398536952[8]
硬件动态
Qwen3.8-27B视觉模型在单张RTX 5090上实现451K上下文
社区实测NVFP4量化的Qwen3.8-27B支持451K token KV-cache，平均生成速度约120 tokens/s，功耗限制为400W。来源：https://www.reddit.com/r/LocalLLaMA/comments/1vw5q47/qwen3827b_nvfp4_with_vision_451k_token_kvcache_on/[3]