Qwen3.8-Flash-Next在Strix Halo实现百万上下文推理
社区使用halogen 0.12.0在Strix Halo运行Qwen3.8-Flash-Next，百万上下文解码达38 tok/s。https://www.reddit.com/r/LocalLLaMA/comments/1wkyny9/qwen38flashnext_at_1m_context_on_strix_halo_38/[3]
大黑AI速报
本期重点关注【AI辅助硬件逆向】与本地大模型部署进展，社区还公布了Jev评测及AI内容商业化案例。
模型动态
Qwen3.8-Flash-Next在单张RTX 5090上达到50 tok/s
实测单张RTX 5090运行Qwen3.8-Flash-Next，生成速度达50 tok/s、提示处理达2300 tok/s，并讨论MoE专家缓存。https://www.reddit.com/r/LocalLLaMA/comments/1wl06np/qwen38flashnext_on_1x_rtx_5090_tg50_ts_pp2300_ts/[5]
产品工具
DeadGrid完全使用本地Qwen模型生成并开源
社区开源浏览器游戏DeadGrid，内容完全由本地运行的Qwen 3.8 27B Q4KM生成，展示本地模型快速原型能力。https://www.reddit.com/r/LocalLLaMA/comments/1wkwual/deadgrid_now_open_source_exclusively_made_with/[9]
技巧教程
Fable 5.1成功破解RFID标签打印机固件限制
作者借助Fable 5.1完成ARM逆向、公式推导与汇编注入，绕过打印机降速降质限制。项目地址：https://t.co/vwI7Rv1rqC[1]
社区通过定制vLLM补丁提升Gemma 4 31B吞吐
作者分享优化Gemma 4 31B推理吞吐的完整过程，并通过修改vLLM分支和自定义补丁提升性能。https://www.reddit.com/r/LocalLLaMA/comments/1wkwy6g/improved_tps_of_gemma_4_31b_the_journey_and_also/[4]
硬件动态
老旧异构GPU组合也能运行30B级本地模型
行业资讯
LangChain对比Jev与LLM评审器的综合表现
LangChain测试Jev与传统LLM评审器在准确性、重复性、延迟和成本上的差异，为Agent评估提供参考。[2]
Pocket FM以93% AI生成内容做成5亿美元音频业务
Pocket FM将网络小说批量转为AI有声故事，形成约5亿美元业务，展示生成式AI对【内容生产与IP筛选】的商业影响。https://mp.weixin.qq.com/s?__biz=MjM5OTAzMjc4MA==&mid=2650891452&idx=3&sn=f014b53b006f55ddcac38fe172e20b22[8]