北京时间 06:30 自动生成 · 面向 AI、技术与商业读者
今日重点集中在：中国开源旗舰模型的参数/上下文跃迁、开源推理栈对 MoE/长上下文模型的适配、AI coding agent 产品化，以及 Cloudflare/AWS 等云平台把 agent runtime 变成基础设施。
中国 AI 生态 / 开源模型
Moonshot/Kimi 官方文档称 Kimi K3 是其最强旗舰，2.8 万亿参数，采用 Kimi Delta Attention（KDA）与 Attention Residuals，原生视觉理解，1M-token 上下文；完整权重承诺 2026-07-27 前发布。
这不是单纯“又一个国产模型”：它把开源权重竞争拉到 3T 参数级，并把长上下文、视觉理解、工具调用、结构化输出、动态 tool loading 与 coding/knowledge work 绑定在同一旗舰模型叙事里。对美国闭源模型价格、推理成本和企业可控部署都会形成压力。
开源推理 / 中国模型
llama.cpp 7月18日发布 b10067，明确修复 DeepSeek-V4 的 ffn_gate_tid2eid 是 i32 token-id → expert-id 索引表而非权重，避免 llama-quantize 误量化失败；同日 b10066 还加入 OpenCL MoE Q6_K GEMM kernel 加载。
真正决定开源模型能否进入生产的不是发布海报，而是量化、KV cache、MoE routing、backend kernel 这些“最后一公里”。DeepSeek-V4 相关修复进入 llama.cpp，说明国产 MoE 大模型正在被主流本地推理栈持续消化。
基础设施 / 推理
7月18日 b10068 针对 DFlash 使用 KV quantization 时注入 K/V cache 的 rotation 处理；DFlash 属于 block-diffusion speculative decoding 方向，NVIDIA 此前称其在 Blackwell 上可显著提升 decode 性能，并已推动 SGLang/vLLM 支持路径。
推理侧竞争正在从“单卡跑通”转向 decode throughput、KV cache 布局、speculative decoding 与多后端一致性。对 agent/coding workload，长链路交互的 token 成本和延迟比单次 benchmark 更关键。
Agent / AI coding
GitHub 7月8日总结 VS Code v1.123–v1.127：agentic browser tools 默认可用，agent 可导航页面、检查内容、截图并验证 web app；同时加入 parallel sessions/chats、成本可见性、Marketplace model providers 与 Autopilot 改进。
AI coding 工具的重点正在从补全/聊天转向“可管理的异步工程劳动力”：浏览器验证、并行任务、模型选择与成本反馈，都是让 agent 进入团队工程流的基础设施。
Agent 平台 / Cloud infra
Cloudflare Agents Week 回顾列出新版 Agents SDK preview、实时语音 pipeline、Email Service public beta、14+ provider 统一 inference layer、Dynamic Workers、Sandbox egress controls、Durable Object Facets、Workflows 5万并发等。
Cloudflare 的方向不是单一模型，而是把 agent 所需的运行时、工具、状态、浏览器、邮箱和安全边界产品化。对于部署在边缘的企业 agent，这类“平台原语”可能比模型本身更决定开发体验。