社区集中发布多款模型及GGUF量化版本
社区整理LongCat、Qwen、代码与视觉模型，并提供llama.cpp适配分支。项目地址：https://www.reddit.com/r/LocalLLaMA/comments/1w2iqos/uncensored_multimodel_releases/[1]
大黑AI速报
本期重点关注【本地模型生态】与【推理基础设施】进展：社区集中整理多款GGUF模型，同时FlashAccel探索以高带宽闪存重构LLM内存层级。另有多条关于【Agent可靠性】、量化部署与长上下文管理的实测分享。
模型动态
用户称GLM-5.3-Flash智能体能力跃升但可靠性不足
实测反馈认为Agent能力出现明显提升，但长尾错误仍影响规模化使用，不同运行框架表现也有差异。详情：https://www.reddit.com/r/LocalLLaMA/comments/1w2germ/glm53flash_is_100_a_step_change_in_agential/[5]
产品工具
TensorSharp接入MiniMax H3本地视频生成
作者将MiniMax H3视频生成接入TensorSharp，使本地GGUF推理运行时扩展至【视频生成】。讨论地址：https://www.reddit.com/r/LocalLLaMA/comments/1w2ip5z/got_minimax_h3_video_generation_running_in/[3]
技巧教程
EXL3量化让12GB显存运行30B模型成为可能
实践显示EXL3量化可在12GB显存运行30B模型，并支持长上下文与约30 tokens/s速度。经验分享：https://www.reddit.com/r/LocalLLaMA/comments/1w2i963/dont_sleep_on_exl3_quants/[6]
长时间运行的编程Agent需要系统化上下文管理
文章总结长Agent线程中的上下文管理与任务持续性问题，并分享Qwen模型和自建工具链的实践观察。讨论地址：https://www.reddit.com/r/LocalLLaMA/comments/1w2kmrq/context_management_in_long_agent_threads/[7]
用户用Grok自动扩容PVE中OpenWrt根目录
面对OpenWrt Overlay仅1GB的问题，用户让Grok协助扩容至8GB，无需查阅教程即可完成。原文：https://x.com/geekbb/status/2094075012273901876[8]
硬件动态
FlashAccel提出用高带宽闪存提升LLM推理吞吐
论文提出高带宽闪存方案，宣称最高约3TB/s带宽，以较低成本扩展推理内存，仍待实测验证。论文讨论：https://www.reddit.com/r/LocalLLaMA/comments/1w2gmn5/intresting_paper_based_on_hbf260710186_flashaccel/[2]
双DGX Spark运行Qwen3.8-Flash-Next达到50 tokens/s
在双DGX Spark、NVFP4与多步预测配置下，Qwen3.8-Flash-Next解码约50 tokens/s，预填充约2900 tokens/s。详情：https://www.reddit.com/r/LocalLLaMA/comments/1w2inlp/qwen38flashnext_nvfp4_2xdgx_spark_config_50ts/[4]