Mercury 3：规模化扩散

DeepSeek-V4.1-Flash-1017：让“所愿即代码”成为现实 | DeepSeek API 文档

DeepSeek-V4.1-Flash-1017: Wish-Driven Programming Made Real | DeepSeek API Docs

这是 DeepSeek API 文档中的模型发布公告，宣布 DeepSeek-V4.1-Flash-1017 上线网站、应用和 API，称其基准表现更强、任务完成更快、输出更短，在性能与成本上相对上一版有所改进。公告还说明该版本针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等做了优化，展示了从零构建 3D 建模、网页赛车游戏等完整项目的示例，并宣布搜索与抓取 API 向所有人开放。

incoai/Qwen3.8-Flash-Next-DFlash2

Hugging Face 仓库页面，内容为 Qwen/Qwen3.8-Flash-Next 的 DFlash 2 草稿模型，本身不是独立语言模型，需在推测解码服务器中为目标模型起草 token。DFlash 2 是块扩散式 drafter，一次预测一整块 token 并在每个位置保留最优候选，再由轻量选择器串成连贯路径；解码是无损的，贪心输出与目标模型完全一致。页面给出使用 SGLang 部署的快速开始步骤，需先应用仓库内附带的捕获补丁。附带说明中称并发为 1 时其速度约比 MTP 快 20%。

英伟达开放模型推动欧洲各行业的自主智能

NVIDIA Open Models Advance Europe’s Sovereign Intelligence Across Industries

英伟达博客文章介绍其扩展中的开放模型系列，覆盖语言、机器人、生物和量子计算等方向。文中列举了 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo 系列、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 和 Ising 等模型，并称这些模型可让机构用本地数据定制、部署在自有基础设施上。文中还提到 Nemotron 模型由包含 Black Forest Labs、H-Company、Mistral 等欧洲伙伴的 Nemotron 联盟提供数据与研究支持。

投机解码详解：如何让任意 LLM 推理快 3 倍

Speculative Decoding Explained: How to Get 3× Faster Inference from Any LLM

MachineLearningMastery 的文章，作者 Vinod Chugani，2026 年 10 月 23 日发布。内容解释标准自回归逐 token 生成受内存带宽瓶颈限制的原因、草稿—验证循环如何工作且保持目标模型输出分布不变、Medusa、Eagle、Prompt Lookup Decoding 等现代变体，以及在生产环境启用该技术的实际权衡。适合关注 LLM 推理性能优化的开发者阅读。

DeepSeek-v4.1-Flash-1017

DeepSeek 的 DeepSeek-V4.1-Flash-1017 在 Hugging Face 上的模型页面。材料显示页面含模型配置与分词器特殊 token 定义、创建时间 2026 年 10 月 17 日、下载量约 8.5 万，并列出 Together、Novita 等推理提供方，部分提供方支持工具调用。链接还指向 DeepSeek API 文档新闻和 OpenRouter 页面。

修复 vLLM 中的工具调用准确性问题

Fixing Tool-Call Accuracy in vLLM

Ubicloud 博客的一篇文章，标题为“Fixing Tool-Call Accuracy in vLLM”。提供的材料仅为博客页面正文的标题与文章列表，未包含文章具体内容，因此无法进一步概述其方法或结论。