PostTrainArena 开放竞赛：用你的 Agent 训练 Qwen3.8-27B 冲 SOTA
想让你的 Agent 真刀真枪比一场？BenchFlow 办了场比赛，用免费 GPU 训 Qwen3.8-27B，看谁的环境设计能把模型调到最强。
全部动态
AI 相关资讯全量信息流 · 325 条
10月10日
10月9日
阿里云 Apsara 大会展示 Qwen3.8-Max 等模型从对话走向执行
阿里云在 Apsara 大会上讲了 Qwen3.8-Max 和 Qwen-Audio-3.1-Realtime 怎么做任务规划和执行，做 Agent 的可以看看完整视频。
10月8日
Claude Opus 5 在 RSIGym 中将 Qwen 模型 SWE-bench Verified 成绩提升近三倍
有人做了个开源环境让 AI 智能体自己训练模型，Claude Opus 5 把 Qwen 的 SWE-bench 成绩刷到近三倍，还发现修 harness 比堆训练更管用。
NVIDIA 研究：给多模态模型加工具会削弱拒绝有害请求的能力
NVIDIA 这篇论文发现 Claude、Gemini、Qwen 这些模型一旦接上工具，挡有害请求的能力就掉最多近七成，做智能体安全评测的得看看。
开源教程：用 vllm-omni 复现 Qwen3-TTS 流式语音合成
想本地跑 Qwen3-TTS 流式语音的朋友看这个，部署配置和踩坑都帮你填好了，配合 vllm-omni main 分支直接开跑。
10月7日
10月6日
Atomic Chat 接入 NVIDIA TensorRT，本地推理比 llama.cpp 快 206%
Atomic Chat 把 NVIDIA TensorRT 接进自家引擎，RTX 5090 上跑 Qwen 系列模型比 llama.cpp 快一倍多，本地部署党可以看看实测数据。
上海AI实验室提出SkillGym：用技能运行轨迹微调提升智能体能力
上海AI实验室的SkillGym把技能文件变成沙箱任务再微调，Qwen3.5-35B-A3B在Terminal-Bench 2.1涨了19个点，连不带技能文件都更强了。
10月5日
Hugging Face 把 Claude Code、Codex 等编程 harness 变成 RL 训练环境
Hugging Face 把 Claude Code、Codex 这些真实编程工具直接当 RL 训练环境用，不用改一行代码，LFM2.5-2.6B 训练后 OpenCode 成绩从 34% 涨到 58%，全套开源可复现。
Figure 将推出主动式 AI 助手 Hark，支持多模型调度与订阅计划
Figure 要发自己的 AI 助手 Hark 了，通用任务跑 Opus 5.5，还按 Pro 到 Pro⁴ 分四档收费，直接对标 Muse。
fractalyze_io 优化 Qwen3-Omni，单卡 RTX 5090 首音频延迟降至 23ms
有人在单张 RTX 5090 上跑 Qwen3-Omni，用 AWQ-4bit 把首音频延迟从 213ms 压到 23ms，本地语音对话流畅度差了近十倍。
Qwen3.8-Flash-Next 加 480KB 控制向量，本地部署减拒答版本
不想云端模型动不动拒答的话，这个用 480KB 控制向量改 Qwen3.8-Flash-Next 的法子挺有意思，12GB 显存就能跑。
10月4日
开发者自研推理引擎 tqllm，单卡 RTX 3090 跑 Qwen 27B 达每秒 273 token
一张 RTX 3090 把 27B 模型跑到每秒 273 token，作者自己写的引擎，速度直接把普通部署方案甩开了。
Strata：12G显存本地跑Qwen3.8-Flash-Next 125B模型
12G显存的电脑也能跑125B的Qwen3.8-Flash-Next了，Strata把常用专家放显卡、全量放内存，项目已在Github开源。
德国 Aleph Alpha 发布开源小模型 Kolibri：78B 总参数、3.46B 激活
德国人自己从零训了个开源小模型，德语成绩还压过 Qwen3.5 和 GPT-OSS，数学也够硬，编程稍弱。
Microsoft 论文 ScholarEvolve：从已发表研究中自动演化 Agent 框架
Microsoft 这篇 ScholarEvolve 不改模型、只改 harness，就让 Qwen3.5-27B 在 AppWorld 上涨了 14 个点，思路很新颖。
Build A Reasoning Model 第 6 讲：用纯 PyTorch 从零实现 GRPO 训练推理模型
Raschka 又更新了，这讲直接用 PyTorch 手写 GRPO，把 Qwen3-0.6B 的数学成绩从 15% 拉到 47%，想搞懂推理模型怎么训的别错过。
开源项目 Strata 让 12GB 显存跑千亿参数 Qwen3.8-Flash-Next
12GB 显存就能跑千亿参数模型，Strata 靠 MoE 冷热分离把专家塞进内存，5070 上实测 94 token/s，家用显卡玩家可以折腾了
10月3日
10月2日
10月1日
9月30日
AA-AgentPerf-Local开源本地AI模型推理测试工具
Artificial Analysis开源了本地AI模型测试工具AA-AgentPerf-Local，能帮你评估笔记本和工作站上智能体AI的运行速度，支持多种硬件和模型。
9月29日
Meta RAM 团队提出 RL-XAR：用专家对齐评分标准做写作 RL
Meta 把 RL 那套可验证奖励搬进了写作：先让 Kimi-K2.6 自动生成能区分专家和 AI 的评分标准，再用它训练 Qwen3.5-27B，盲评 95% 胜率打赢人类专家文本。
9月28日
开源视觉决策模型 Valen：基于 Qwen3.5 的高频 Agent 反射层
看图直接给候选动作打分的开源小模型，底座是 Qwen3.5-0.8B/2B，单步 122ms，做 GUI Agent 或机器人反射层挺合适。
Simon Willison 主题演讲：2026 上半年 LLM 关键事件时间线
Simon Willison 把 2026 年的 agent 出逃、OpenClaw 爆红、模型王座更迭串成一条线，信息量很大，读完对全年脉络就清楚了。