Nex N2.5 Pro发布，模型规模达407GB
Nex N2.5 Pro正式发布，体积约407GB，面向本地部署与高性能推理场景，硬件需求和开放性值得关注。详情：https://www.reddit.com/r/LocalLLaMA/comments/1wdbd0b/nex_n25_pro_407gb_released/[2]
大黑AI速报
本期重点关注Agent工具链升级与【本地模型生态】的新进展，涵盖阿里云工具扩容、模型发布及推理性能优化。社区还分享了KV缓存压缩和本地语音助手等实用探索。
模型动态
产品工具
阿里云Token Plan新增12类Agent Harness工具
个人版加量不加价，新增搜索、解析、图像、语音和代码执行等12类MCP工具。项目地址：https://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247562377&idx=1&sn=b255ee28969ca20c56c41eb262a0e976[1]
Gemini CLI发布0.61.0 nightly版本
Gemini CLI更新至v0.61.0-nightly，开发者可查看完整变更日志与版本差异。更新地址：https://github.com/google-gemini/gemini-cli/releases/tag/v0.61.0-nightly.20260911.ged2ac40df[7]
技巧教程
Spomin尝试实时压缩KV缓存延长Agent会话
Spomin直接在KV cache中摘要压缩上下文，减少重复计算，当前实验性支持Qwen与llama.cpp。项目讨论：https://www.reddit.com/r/LocalLLaMA/comments/1wdaq1v/spomin_live_kv_cache_compaction_experimental_for/[4]
RTX 3060运行本地GPT Live语音助手
社区作者在RTX 3060上运行本地语音助手，并与GPT Live进行对话对比，验证消费级显卡的实时语音交互可行性。详情：https://www.reddit.com/r/LocalLLaMA/comments/1wddg8g/gpt_live_clone_on_an_rtx_3060/[5]
Kiro总结多Agent研发的10条工程原则
《Frontier Engineering》建议从写代码转向架构与意图设计，通过快速反馈和边界测试构建Agent自愈闭环。原文：https://x.com/xiaohu/status/2098241206597947706[6]
硬件动态
llama.cpp为AMD RDNA4优化Flash Attention
llama.cpp新增CUDA/HIP与RDNA4调优，基准显示吞吐和大上下文性能提升，有助于改善AMD显卡本地推理。详情：https://www.reddit.com/r/LocalLLaMA/comments/1wdbd0b/nex_n25_pro_407gb_released/[3]