实测比DeepSeek便宜的Qwen 3.8 Flash，卷飞了
推上网友们也沸腾了，甚至还有工程师甩出实测视频直呼牛逼:Qwen 3.8 Flash踏平了VRAM的门槛，数据中心级的长文本大模型，在消费级4090显卡上也能跑了!
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
实测 Qwen-3.8 与 GLM-5.3 的 Flash 版：谁能让我提前下班半小时？
来源：市场资讯（来源：雷峰网）“两款 Flash 模型均能胜任办公应用开发，但 GLM 偏工程完整性，Qwen 偏个人工作流设计，Flash 正从低价问答转向承接高频办公工作流。
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.
12GB 显卡跑 256k 上下文，Spark-X2.6-4B 上架 FlashHub
FlashHub 上线了一个新模型：XHToken/Spark-X2.6-4B，它不是又一个“能在显卡上跑”的模型，而是把 128k/256k 长上下文从“HF 基线直接 OOM”拉到“12GB 消费级显卡可运行”的工程样本。
蚂蚁百灵开源 Ling-3.1-Flash：560B 参数，4 卡即可部署
560B 的开源模型，过去是机架级的事，现在四张卡就能摆下！蚂蚁百灵的开源公告先提两个问题。模型能不能把不完整的需求推进成可用的成果，能不能部署在自有基础设施里持续服务。10 月 15 日，Ling-3.
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.
阶跃发布并开源Step 3.7 Flash，“多快好省”拉高模型效率上限
今天（5月29日），基础大模型创业公司阶跃星辰（StepFun）发布并开源Step 3.7 Flash模型。这是一款专为生产级Agent打造的Flash模型，官方称其致力于在速度、成本、可靠执行和复杂任务处理能力之间实现更好平衡。