◆ AI 总结

本期重点集中在MiniMax H3 Max的实时视频生成进展，以及社区对本地模型、量化方案和Tenstorrent硬件的实测。智能体开发方面，模型与运行框架解耦仍是降低供应商锁定的关键原则。

模型动态

MiniMax

MiniMax H3 Max探索快于实时的视频生成体验

MiniMax称，fal通过后训练与推理优化，让H3 Max实现【快于实时的视频生成】，有望支持持续直播与互动世界。https://x.com/MiniMax_AI/status/2093778769903534294[1][2]
DeepSeek / Zhipu

社区实测DeepSeek V4 Flash与GLM 5.3 Flash代码能力

社区在双DGX Spark环境下比较DeepSeek V4 Flash 0731与GLM 5.3 Flash的HumanEval表现，为本地模型选型提供参考。https://www.reddit.com/r/LocalLLaMA/comments/1w215qm/humaneval_benchmark_for_deepseek_v4_flash_0731_vs/[4]

技巧教程

Harrison Chase建议将模型与智能体运行框架解耦

构建智能体时，应将模型与【工具编排、运行框架】分离，避免被单一供应商锁定，也便于切换模型和平台。[3]

Nemotron-3.5-Lightning被压缩至11.77 GiB适配16GB显存

社区通过调整量化时的tensor宽度，并在推理阶段恢复原尺寸，将模型压至11.77 GiB，解决16GB设备适配问题。https://www.reddit.com/r/LocalLLaMA/comments/1w21d86/nemotron35lightning_at_1177_gib_a_16_gb_option/[5]
Qwen

本地用户讨论Qwen3.8 Next与27B量化版本取舍

讨论显示，Qwen3.8 Next UD IQ1_S速度明显更慢，准确率约七成以上；用户需权衡量化等级、【推理速度】与精度。https://www.reddit.com/r/LocalLLaMA/comments/1w21d1p/any_reason_to_use_qwen_38_next_ud_iq1_s_over_qwen/[7]

硬件动态

Qwen

社区公布Tenstorrent QuietBox 2运行Qwen3.7-27B基准

新帖整理QuietBox 2及P300C配置运行Qwen3.7-27B的数据，补充Tenstorrent本地推理硬件的公开性能参考。https://www.reddit.com/r/LocalLLaMA/comments/1w21d86/tenstorrent_qwen372b_benchmarks/[6]