FlashHub 上新：X-VLA × FlashRT， 5060 Ti 上 LIBERO 动作推理压到 21 ms
这次上新的模型是 X-VLA（lerobot/xvla-libero）—— 一个面向 LIBERO 操作任务的视觉-语言-动作（VLA）模型，跑在一张 16 GB 的 RTX 5060 Ti 上。13.13×281.409 ms → 21.
人大开源FlashRSI：集成13种算法，覆盖30个基准
一套框架统一集成13种自进化算法，一口气覆盖30个基准测试。10月31日上午（北京时间），人民大学NLPIR实验室开源了智能体自进化框架FlashRSI，让AI能够自主迭代升级。【统一实现13种自进化算法】过去智能体自进化研究分散，缺乏统一实验基准。
FlashRT 发布 Jetson-PI Provider —— llama.cpp/GGML 的深度集成方案
这是什么？Jetson-PI Provider 是 FlashRT 项目的一个可选模型提供者（Provider），它将广受欢迎的 llama.cpp 推理引擎无缝集成到 FlashRT 的高性能推理框架中：技术基础：基于 llama.
几十页材料三分钟出摘要：DMXAPI qwen3.8-omni-flash 总结场景实测
信息过载的时代，总结能力是我最常用的大模型场景：会议录音稿、行业报告、长篇论文、政策文件——每天都有读不完的材料。最近我系统性地用 DMXAPI 的 qwen3.8-omni-flash 测试了这个场景的总结能力，这篇是实测记录。先交代测试设置。
Qwen3.8-Flash-Next 快速指南
在本实验中，我想尝试一种不同的方法：在本地运行Qwen3.8-Flash-Next，并使用llama.cpp和OpenCode将其转变为编码代理。最终架构如下：Qwen3.
Github热榜第二：仅靠“自验证”框架让 DeepSeek V4 Flash 反超 Fable 5，成本不到 1/11
在极具挑战的 Terminal-Bench 2.1 基准测试上，DeepSeek V4 Flash 仅靠对每个任务采样 5 条候选轨迹，再以自身作为 Verifier 从中挑选最优解，系统成功率即从 79%飙升到了 88%，一举超越了闭源前沿模型 Claude Fable 5。
SmolVLA 通用 FlashRT引擎在 5060 Ti设备上一次推理决策压到 23 ms
SmolVLA 是一个 500M 级别的开源视觉-语言-动作（VLA）模型： 两个相机看场景，一句自然语言告诉它要做什么，它直接输出一串未来 50 步、每步 32 维的机械臂动作。 它不做对话、不生成文字，只输出决策。
12GB 显卡跑 256k 上下文，Spark-X2.6-4B 上架 FlashHub
MolmoAct2 × FlashRT 推理速度提升7.5倍
这次上架 FlashHub 的模型是 MolmoAct2 —— AllenAI 的 视觉-语言-动作（VLA）模型，这次适配的是它的双臂形态：三路相机画面（top / left / right）、 14 维本体状态、一句固定语言指令，输出未来 30 步、每步 14 维的双臂动作块