vLLM Blog精选7272NVIDIA Research 与 Inferact 的 REINFORCE Zero 提出先对齐 rollout 与训练 kernel，再用不裁剪的 token 级重要性采样修正权重滞后，在 16 张 GPU、12K 次更新下训练步吞吐为同步训练的 2.40 倍。
推荐理由: 论文把异步 RL 的 rollout 与训练差距拆成权重滞后和 kernel 不一致两项，并给出对齐后免裁剪重要性采样的做法。
vLLM Blog精选6060vLLM 团队在 NVIDIA GB300 NVL72 单机架上用 P/D 分离与 Wide-EP 服务 DeepSeek-V4.1-Flash，在 SemiAnalysis AgentX 上达到每 GPU 954K tokens/s、单用户 P90 196 tokens/s，为早期单节点结果的 7.9 倍。
推荐理由: vLLM 团队公开了在 GB300 NVL72 上服务 DeepSeek-V4.1-Flash 的逐项优化与实测数据，可与 DeepSeek 自家引擎 DeepInfer 对照。
LangChain Deep Agents releases1212LangChain Deep Agents 0.1.80 发布，修复了在打开选择器时保持会话记录位置的 Bug，并改进了技能路径处理和缓存过期通知功能。
DeepSeek · Hugging Face 新模型DeepSeek-V4.1-Flash 是一个 552B 参数的多模态 MoE 模型，支持高达一百万 token 的上下文，原生处理图像和文本并自回归生成文本。它采用 Causal Encoder-Decoder 架构，通过 CSA2 和 FP4 主 KV 缓存等技术将全局 KV 缓存占用降至 890 字节/token，相比 DeepSeek-V4-Flash 减少 75%。
DeepSeek · Hugging Face 新模型DeepSeek-V4-Flash-Vision-Exp 发布，DeepSeek-V4 家族首个实验性多模态模型，在 DeepSeek-V4-Flash 架构基础上集成视觉模块并持续训练以解锁视觉理解能力。
