Radix 基金会发布事故报告称，攻击者于 8 月 31 日利用 Radix Engine 的资产金库授权漏洞，通过 26 笔交易未经授权提取他人资产，并经 Hyperlane 跨链桥转移至以太坊、BNB Chain 和 Solana 后出售。漏洞源于 2023 年 6 月的一次代码整理，未被后续独立审计发现，不涉及用户私钥泄露或跨链桥故障。链上数据统计显示，被盗资产当时价值约 126 万美元。事发后验证者协调停止网络确认交易，Radix 主网停摆约 10 天，于 9 月 11 日恢复。基金会表示，漏洞修复方案及更新后的节点软件已通过独立审查和测试。基金会及外部取证团队判断，攻击者可能使用了 AI 辅助代码分析工具发现漏洞。

Radix 基金会发布事故报告称，攻击者于 8 月 31 日利用 Radix Engine 的资产金库授权漏洞，通过 26 笔交易未经授权提取他人资产，并经 Hyperlane 跨链桥转移至以太坊、BNB Chain 和 Solana 后出售。漏洞源于 2023 年 6 月的一次代码整理，未被后续独立审计发现，不涉及用户私钥泄露或跨链桥故障。事发后，基金会协调关闭跨链通道，验证者通过主动下线足够比例的质押权益，使网络停止确认交易。截至报告发布，漏洞已修复并经过独立审查和测试，网络恢复工作仍在推进。报告未披露损失总额。基金会及外部取证团队判断，攻击者可能使用了 AI 辅助代码分析工具发现漏洞。

🔬 RadixArk 开源了一个专门干大模型后训练的强化学习框架 Miles，几千张卡的任务中途挂了也不用从头再来 GitHub 上两千六百多 star、四百多个 fork，v0.1 是今年 8 月刚发的。 做过大规模后训练的都知道最肉疼的是哪一下：一个任务连着跑好几天，推理引擎中间抽风一次，整个作业就得重启，几十小时的卡时直接打水漂。Miles 把这件事按住了，SGLang 引擎出问题时能原地恢复接着跑，不重启任务。 它的分工是 SGLang 扛高吞吐 rollout、Megatron-LM 扛可扩展训练，想轻装上阵也有一套基于 PyTorch FSDP2 的后端。中间那些隐形损耗它也一并收拾了：rollout 和训练之间不再来回 detokenize 和 retokenize，token 进 token 出；MoE 老大难的路由不一致，用 Rollout Routing Replay 压了下去。 再往上，MXFP8 和 NVFP4 这类低精度训练它支持，硬件从 NVIDIA 的 GB300、B200 一路吃到 AMD 的 MI355X，DeepSeek-V4、Kimi-K3、GLM-5.2 这些模型是发布当天就能训。项目本身是从 slime fork 出来的，LoRA 训完的适配器能直接扔给 SGLang 做 rollout，不用中间那道转换。 训大模型最贵的从来不是算力，是重跑一遍的那几天。 GitHub：

本期《晚点聊 LateTalk》邀请 RadixArk 创始成员赵晨阳和华盛顿大学博士生曾致远，从推理与算法两条线拆解 K3：它真的比肩 Fable 5 吗？3T 模型规模、“线性-全局混合注意力” 等改进意味着什么？开源厂商们无法开源的竞争力是什么？

DeepSeek-V4.1-Flash 八卡H20 实测来了，一起看下552B 参数加 196B Engram 参数的模型在SGLang运行结果 启动参数： sglang serve --model-path /model --served-model-name deepseek-v41-flash --tp 8 --ep-size 8 --context-length 32768 --max-running-requests 32 --mem-fraction-static 0.85 --attention-backend dsv4 --moe-runner-backend flashinfer_mxfp4 --reasoning-parser auto --tool-call-parser auto --enable-metrics --disable-radix-cache --host 0.0.0.0 --port 30000 测试方法： 核心矩阵为 1,024/128、8,192/128、1,024/512、24,576/128 Token，各测 C1、C8、C32，每组单独预热后正式重复三轮。各轮请求数分别为 8、16、64。C 是客户端并发上限，服务端最大运行序列也是 32 和历史V4测试对比结果： DeepSeek-V4.1-Flash 结果稍快一点，但开始回答之后，输出速度比 DeepSeek-V4-Flash 慢，整体吞吐也更低，实际token/s 速度达不到DeepSeek API 中V4.1三倍提升的效果🤣

在最近的开源热潮中，SGLang和vLLM等开源推理引擎成为算力优化的核心技术。DeepSeek、Kimi等模型一上线就实现Day-0支持，昨天Google Cloud TPU也官宣引入SGLang。 这背后是AI Infra的千亿级市场和需求：当推理成为AI的主战场，GPU看似满载，却仍把大量时间耗在重复计算、缓存搬运和任务等待上。AI Infra深处，一场围绕调度与系统优化的效率革命已经开始。为什么最昂贵的GPU仍会“又忙又闲”？AI Infra还能榨出多少藏在“硅”里的性能？当算力增长不再只靠堆卡，AI竞争的尺度会被怎样改写？这期视频，我们与推理引擎开源社区SGLang孵化出的RadixArk团队一起，深入探讨这场算力效率变革。

最近大模型更新的隐式缓存为什么可以把缓存价格降低，命中率大大提高。 传统推理里，你每调一次API，GPU都得把整个输入prompt重新算一遍。固定System Prompt、历史对话、RAG知识库，这些重复内容每次都重新预填充，按全价收费。 隐式缓存做了什么？ 它自动检测本次输入和之前请求的公共前缀。命中了，就把之前算好的KV Cache从SSD硬盘直接加载出来，只对新增部分重新计算。重复劳动，直接砍掉。 效果立竿见影。多轮对话、Agent、代码补全这类场景，重复前缀往往占输入Token的70%-90%。命中后，input价格直接打到一折。对长文本多次对话的推理的成本和内存的压力都大大降低。 但这里有个关键问题：之前为什么不行？ KV Cache太大了。传统Multi-Head Attention架构下，百万Token的KV可能要上百GB显存。存盘？I/O延迟完全没法接受。GPU必须全程Hold住所有KV，成本根本降不下来。 DeepSeek的MLA架构把KV Cache压缩了10-28倍。百万Token从80-200GB变成4-10GB。这才让硬盘级缓存成为可能，压缩后的KV可以经济地落盘到分布式SSD，需要时再快速加载。 本质上，是把最贵的GPU显存从按最大上下文全量占用变成了按实际新增Token动态使用，类似动态更新的模式。 这里有个反直觉的点：虽然对高速内存需求大幅下降，但并不是完全转向硬盘。更像是分层存储，GPU只保留热数据，冷前缀卸载到SSD。类似CPU的分页机制，只是这次发生在大模型推理层。 DeepSeek率先把这套机制默认开启，给出极致低价。其他厂商不得不跟进，竞争驱动技术扩散，技术扩散又进一步压低价格。 要想最大化缓存命中需要做什么？ 想最大化省钱，把重复内容尽量放在prompt开头，保持前缀一致性，命中率会更高。API响应里有prompt_cache_hit_tokens字段，直接看命中率。 这轮降价潮是真实的架构创新，算法效率优化带来的成本下降。MLA压缩KV、分布式SSD存储、Radix-Tree前缀索引，这些工程突破把原来需要重复劳动浪费的算力，优化到极致 尤其是 DeepSeek，降价这么多还能赚钱，还是永久降价，这是真本事，那之前的原价是耍我们玩得吗，第一天用原价 API 的人是有点冤大头了。

@radiizzz @ToBulaer @ToBuerma @KawasawaSen @BulmaList 17°官网 订阅解锁往期所有作品！（只有这些是正版链接） FANSONE👀 TG👉 此片单买传送门～

Radiant 协议被黑客攻击，目前 Arb 和 BSC 上的合约被黑客控制，请尽快取消对以下合约的所有授权。Eth 和 Base 暂未受到影响，但保险起见还是一并取消为好。工具可以使用 web3 钱包，都提供类似功能。在取消授权前请不要向地址内转入资产，攻击能在持续。

ETH: 0xA950974f64aA33f27F6C5e017eEE93BF7588ED07 BNB: 0xd50Cf00b6e600Dd036Ba8eF475677d816d6c4281 BASE: 0x30798cFe2CCa822321ceed7e6085e633aAbC492F ARB: 0xF4B1486DD74D07706052A33d31d7c0AAFD0659E1