据慢雾安全团队消息，其检测到针对 redhat-cloud-services 软件包的活跃 npm 供应链攻击，已波及 31 个以上软件包（周下载量约 11.6 万次），导致超 300 个 GitHub 仓库凭证被盗。该攻击与此前的 Shai-Hulud 运动相似，通过特征标记“Miasma: The Spreading Blight”实施自动化的机密和钱包数据外泄，且目前受害范围仍在扩大。攻击者可能会窃取云凭证、SSH 密钥及本地钱包数据。慢雾建议受影响用户立即卸载或降级相关组件，审计 CI/CD 工作流，全面轮换各类密钥与钱包资产，并重构暴露的机器环境。

未来 5-10 年，AI 的战场只有两个： 一个是数据主权的战争，一个是网络价值的捕获。 数据主权战争： OpenAI、谷歌这些巨头，拿用户数据训练他们的模型，锁在他们的服务器里。用户除了贡献数据和使用权，什么都得不到。模型所有权、利润分成？想都别想。 这就是一场中心化对个人数据的无声收割。 对应逻辑就是去中心化 AI。上面说的所有问题，在 Web3 找一个解法：用联邦学习技术，让数据留在本地，只交换加密后的模型更新 —— FLock​ @flock_io 干的就是这个。 网络价值捕获游戏： FLock 的 gmFLOCK，就是这个去中心化 AI 网络的股权凭证。锁定得越久，用户在网络里的权益和奖励加成就越高。 持有传统 AI 公司的股票，用户只是在赌股价。但加入 gmFLOCK 的游戏，用户捕获的是整个隐私 AI 训练平台、模型竞技场和高性能推理 API 的成长价值。 最关键的一步棋：100%手续费销毁。用户每一次与平台交互（转换代币），都在直接为 $FLOCK 制造通缩。 基本面： OpenAI 估值万亿美金，建立在海量非授权数据上，监管利剑高悬。很多 AI+Crypto 项目估值数十亿，但叙事大于产品，社区在自嗨。 FLock： 入选 Coinbase 年度地图、登上 Grayscale 观察名单、研究被英国皇家学会收录、与 RedHat 结盟、和阿里云通义千问合作。底部上来，空间还很大。 所以，谁在讲故事，谁在砌砖头？谁的价值捕获是虚的，谁的通缩引擎是实的？

据慢雾安全团队消息，其检测到针对 Red Hat 云服务包的活跃 npm 供应链攻击，已波及 31 个以上软件包（周下载量约 11.6 万次），导致超 300 个 GitHub 仓库凭证被盗。该攻击与此前的 Shai-Hulud 运动相似，通过特征标记“Miasma: The Spreading Blight”实施自动化的机密和钱包数据外泄，且目前受害范围仍在扩大。攻击者可能会窃取云凭证、SSH 密钥及本地钱包数据。慢雾建议受影响用户立即卸载或降级相关组件，审计 CI/CD 工作流，全面轮换各类密钥与钱包资产，并重构暴露的机器环境。

Happy Chinese New Year~~٩(●˙▿˙●)۶…⋆ฺ New Years just needs some red Yangyi's January's Patreon Tier3 is Red hat girl! Do you want to take it home? 這次P網預覽照較晚公布~ 台灣表單將延期至2/9唷 Gumroad: 台灣表單 :

分享 《 AI Agent 信息差监控报告（2026-06-02）》 其中： 1. 安全预警：Red Hat NPM供应链攻击 - 32个包被"Miasma"蠕虫感染，IBM/Red Hat承诺50亿美元"Project Lightwell"保护开源供应链。AI Coding Agent已被证明可被用作供应链攻击载体（SymJack攻击）。 2. NVIDIA发布物理AI Agent工具

国内很多人觉得DeepSeek把 Harness 开放出来，是在“免费送技术”。 但如果回头看 Linux的发展路径，你会发现事情远比“免费开源”这四个字复杂得多。 Linux最厉害的地方，从来不是 Linus找到了一群人免费帮自己写代码。 恰恰相反，后来给 Linux贡献代码的，很大一部分就是 Intel、IBM、Google、Red Hat 等公司的工程师。 这些公司甚至互相竞争，为什么还愿意一起维护 Linux？ 因为大家都需要这个底座。 每家公司都有自己的需求，每个人都有自己的算盘。 但最后，所有人的算盘，都在给同一个底座加砖。 DeepSeek Harness 现在做的事情，其实也有点像。 Harness 一开放，开发者就可以围绕它做插件、工具、扩展、适配和各种工作流。 他们当然不是在“免费给 DeepSeek 打工”。 他们只是在解决自己的问题。 但当越来越多人基于 DeepSeek Harness 做东西，越来越多插件和工具围绕它出现，DeepSeek 得到的就不只是一个开源项目，而是一整套生态： 插件、工具链、开发经验、社区，以及最重要的——默认选择。 真正厉害的从来不是你自己能做多少功能。 而是有一天，别人想做新的 Agent 工具、新插件、新工作流时，第一反应就是： 能不能直接接到 DeepSeek Harness 上？ Linux 已经证明过一次： 开放真正厉害的地方，不是把技术送出去，而是让每个人为了自己的利益添砖加瓦，最后却共同把一个底座越做越强。 DeepSeek Harness，或许正在把这条路走成下一代基础设施的起点。

雪崩难得还有这么个财库公司挺着，不过看来无论多少利好，AVAX 也是死蛇一条再难抬头了。 二季度营收同比增长逾5倍，AVAX One持有1409.1万枚AVAX AVAX One 公布 2026 年第二季度财务及运营数据，期内营收 280 万美元，较 2025 年同期的 45.2 万美元增长逾 5 倍。其中，AVAX 质押奖励约 210 万美元，比特币挖矿收入约 70 万美元。受数字资产市值变动影响，公司二季度净亏损 3510 万美元，其中包括数字资产未实现亏损 2975 万美元和流动性质押代币减值 261 万美元；剔除上述非现金项目后，调整后净亏损为 220 万美元。 截至 8 月 13 日，AVAX One 持有 AVAX 及等价物共 1409.1 万枚，其中约 80 万枚已部署至 Treehouse，约 95%的资产处于质押状态，年化收益率约为 5.4%。公司二季度回购约 14.48 万股，自 2025 年 11 月以来累计回购约 41.75 万股。 AVAX One 计划将 Redwater 设施约 100 千瓦的闲置比特币挖矿产能转用于 AI 推理业务，并维持 2026 年全年指引。在当前现货价格假设下，公司预计全年营收为 1100 万至 1200 万美元，EBITDA 为 200 万至 300 万美元。 AVAX One 是美国纳斯达克上市的数字基础设施公司，股票代码为 AVX，核心业务包括建立 Avalanche 数字资产储备、通过质押获取链上收益，同时运营比特币挖矿设施并发展模块化数据中心和 AI 计算业务。 avalanche-2:native

IBM 公布预披露业绩不及预期, 整个软件板块被带崩。故事真正的重心不在季度数字, 而是那台撑了 IBM 几十年的大型机。 主机业务仍是印钞机, z 系列续约率高、迁移成本天文数字, 客户被合规和 COBOL 代码库牢牢锁死。问题是 AI 这一波, 训练和推理几乎全在 GPU 云上跑, watsonx 拿不到新工作负载, Red Hat 增长也在放缓。 护城河守得住老钱, 守不住新钱。IBM 现在的处境是, 大型机护住了现金流, 却没能把这份现金流换成 AI 时代的入场券。

投机解码的 drafter 从来都是一个 token 一个 token 地猜。做出 DFlash 的推理公司 Inco AI 说这没必要：正确的 token 本来就在候选列表里，整块并行预测之后挑出一条连贯路径，输出不变，每次验证多赚一个完整的 token。 《DFlash 2：保持并行起草》 推理是 agent 时代的瓶颈。agent 会读、会规划、会调用工具，常常一跑就是几小时甚至几天。它们消耗 token 的速度，是聊天场景从未达到过的。而每一个 token 都要在模型上跑一次完整的前向传播。在 Inco AI，我们在构建一套面向未来 token 经济学的推理栈。这篇文章是一次预览。 我们的团队 1 月发布了 DFlash（论文： SGLang、vLLM、TensorRT-LLM 和 llama.cpp 里。NVIDIA 在 Blackwell GPU 上用它测到了最高 15 倍的吞吐；Google 报告在 TPU 上每秒 token 数提升 3 倍；CoreWeave 生产环境的 Kimi K2.7 Code 端点（Artificial Analysis 上该模型最快的端点）默认就跑 DFlash。生态已经在它之上构建：NVIDIA、Red Hat、Modal 都发布了 DFlash drafter；Meta（Muse Glimmer）、Poolside（Laguna）、小米（MiMo-V2.5-Pro）、NVIDIA（Nemotron 3.5 Lightning）随自家模型发布官方 drafter。在 Hugging Face 上，DFlash 模型被下载了超过 350 万次（截至 2026 年 8 月）。 投机解码是现代推理栈的核心组件之一。一个小 drafter 模型猜出一整块 token，目标模型在一次前向传播里验证整块。猜得好，一次前向变成多个 token；猜得差，丢掉重来。但多年来，起草本身一直是自回归的：一次一个 token。DFlash 让它也变成了一次通过：整块、每个位置，并行预测。 （演示视频：DFlash 2 在 Apple M5 Max 上用 oMLX 为 Qwen3.8-27B 起草，与自回归解码并排对比。 DFlash 2 把并行起草又往前推了一步：每次验证通过多产出 20% 以上的输出，增加的周期延迟只有约 1%，而输出可证明不变。跨基准测试的增益在 16–25%。配合今天发布的 Qwen3.8-27B drafter，SGLang 在 batch size 1 下达到自回归解码 2.7–3.4 倍的吞吐。每个位置独立预测，留下两处空间：选对 token，以及在块的末尾守住准确率。DFlash 2 把这两处都拿了回来，同时没有放弃一次性通过的设计。 现在就能跑 DFlash 2 已经跑在主流推理引擎里。 SGLang： pip install -U "sglang[all] @ git+" python -m sglang.launch_server \ --model-path Qwen/Qwen3.8-27B \ --speculative-algorithm DFLASH \ --speculative-draft-model-path incoai/Qwen3.8-27B-DFlash2 \ --speculative-num-draft-tokens 8 vLLM： pip install -U "vllm @ git+" vllm serve Qwen/Qwen3.8-27B \ --speculative-config '{ "method": "dflash", "model": "incoai/Qwen3.8-27B-DFlash2", "num_speculative_tokens": 7 }' llama.cpp： git clone cd llama.cpp git fetch origin pull/27342/head:pr-27342 git switch pr-27342 NVIDIA CUDA cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_CUDA=ON cmake --build build -j Apple Silicon cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_METAL=ON cmake --build build -j ./build/bin/llama-server \ -hf ggml-org/Qwen3.8-27B-GGUF:Q4_K_M \ -hfd incoai/Qwen3.8-27B-DFlash2-GGUF:Q4_K_M \ --spec-type draft-dflash \ --spec-draft-n-max 7 oMLX：下载安装支持 DFlash 2 的预构建版（ 在 oMLX 里跑 Qwen3.8-27B 加 DFlash 2： 1. 打开 oMLX 的 Model Downloader，下载 mlx-community/Qwen3.8-27B-4bit 和 incoai/Qwen3.8-27B-DFlash2。 2. 打开 Model Manager，编辑 mlx-community/Qwen3.8-27B-4bit，配置 DFlash： • DFlash：enabled • Draft model：incoai/Qwen3.8-27B-DFlash2 • Draft quantization：enabled • Runtime block size：5 • Verify mode：dflash 3. 保存设置，加载目标模型。 对的 token 早就在候选里 DFlash 每个位置独立、并行地预测。每个选择单独看都合理，但没有什么让它们彼此咬合，一个不连贯的块会在验证时被截断。近期的方法如 Domino 和 DSpark，用顺序的 Markov head 重写每个位置的完整词表分布来买连贯性。但真的需要这种昂贵的自回归纠错吗？ 不需要。证据就在 DFlash 自己的候选列表里。拿第一个位置来说：DFlash 的第一选择 85.4% 的情况下是对的，但正确的 token 99.5% 的情况下都在前 16 个候选里。即使第一选择错了，对的 token 通常也在列表上。 表 1：Recall@1（第一选择正确的概率）与 Recall@16（正确 token 出现在前 16 候选里的概率），按起草位置统计，条件是前面每个位置都正确。GSM8K 上的五层 Qwen3-4B DFlash。接受长度包含验证器产出的下一个 token。 • 位置 0：Recall@1 85.4%，Recall@16 99.5% • 位置 1：80.3%，97.3% • 位置 2：79.4%，94.8% • 位置 3：78.3%，92.6% • 位置 4：77.5%，90.8% • 位置 5：75.9%，89.4% • 位置 6：72.9%，87.8% • 接受长度：4.27（只看第一选择）；6.79（从前 16 里选） 一个总能从前 16 个候选里挑对的那个 oracle，会把接受长度从 4.27 抬到 6.79。这个差距是纯粹的选择空间。我们只需要在候选里选出一条正确的路径。 图 1：一个周期里的选择器。只用 DFlash，每个位置保留自己的第一选择；这里两个相邻位置选了同一个词，结巴在验证时死掉。DFlash 2 保留每个位置的 top 候选，选择器在候选之间走出一条连贯路径；这里整块都活了下来。 一个轻量的路径选择器 连贯性大体是局部的：一个候选合不合适，主要取决于它前面的那个 token，所以给相邻对打分应该就够了。DFlash 2 保留每个位置前 16 个候选，给每一对相邻候选打分。对前一个 token a 和当前候选 b： S_t(a,b) = U_t(b) + ⟨A(a)⊙H(h_t), B(b)⟩ 分数分两部分。第一部分 U_t(b) 是 DFlash 自己的 logit：drafter 本身有多喜欢 b。第二部分问 b 接在 a 后面有多顺：A 和 B 给每个 token 一个紧凑的 256 维嵌入，两个嵌入在一个上下文门控 H(h_t) 下匹配，门控决定匹配的哪些部分算数。本质上，这是对相邻候选做的低秩双线性注意力。 打分全程并行。每个位置的每一对相邻候选一次性全部算完，不需要额外的 backbone 或 LM head 前向。唯一串行的部分，是最后在预计算好的分数上走一遍：从最后一个已验证 token 出发，贪心地跟着每一步最好的后继走，采样从同样的分数里抽取，拒绝采样恢复出精确的目标分布。 表 2：只加路径选择（不加卷积）的接受长度，GSM8K 上的五层 Qwen3-4B。开销相对纯 DFlash：drafter 增加的参数、起草-验证周期增加的延迟。 • DFlash：T=0 下 4.27，T=1 下 3.78 • + DSpark 纠错：+77.8M 参数，+9.6% 延迟；4.49，4.08 • + 路径选择（我们的）：+2.0M 参数，+0.6% 延迟；4.61，4.25 选择器在 T=0 下给 DFlash 加 0.34 个 token，T=1 下加 0.47。两个设置下都超过 DSpark 的纠错，参数少约 40 倍，延迟开销低 16 倍。选择比预测便宜。而且还有空间：oracle 能到 6.79。成对打分是我们能想到的最简单的选择器，我们相信这里还有很多可探索的。 后缀衰减是个局部问题 我们还注意到上面两行 recall 都在块尾下滑。连 oracle 都在衰减：即使选择完美，准确率仍然从第一个位置的 99.5% 掉到最后一个位置的 87.8%。没有选择器能修这个，因为候选自己就不够了。我们把这个叫后缀衰减，它是 backbone 的问题。 一个嫌疑是容量：五层 backbone 可能太小，撑不住横跨整块的依赖。如果真是这样，深度应该在靠后的位置帮上最多的忙。事实也如此：3 层、5 层、15 层的 DFlash 模型在第一个位置上几乎一样，越往块尾分得越开。但深度不加区分：多十层 attention block 到处加容量，连那些没什么可赚的靠前位置也加，把 DFlash 吸引人的那部分效率磨掉了。 图 2：GSM8K 上 Qwen3-4B 的 Recall@1（T=0），条件是前面每个位置都正确。所有 drafter 在相同设置下训练；卷积模型评估时不带选择器。它的卷积增加 3% 参数和 0.7% 周期延迟；15 层模型多出的十层增加 15.2%。 我们要一个有针对性的修法，而 DFlash 的 attention 指出了修哪里。它有两份工作：读块之前的上下文，以及建模块内部的依赖。但它在第二份上花的越来越少：块内注意力占比从第 1 层的 30% 掉到第 5 层的 8%，剩下的还集中在越来越少的一小撮 head 里。所以我们把两份工作拆开：一个专用模块承担块内工作，attention 继续读上下文。 图 3：五层 Qwen3-4B DFlash 的块内注意力按 head 分布。越亮的格子代表在起草块上花注意力越多的 head；靠后的层里，块内质量收缩、集中到少数几个 head。 一个轻量的局部卷积 块内工作本来就是短程的：一个块只有 4 到 16 个 token，最紧的依赖坐在相邻位置之间。自然的算子是短卷积：两个抽头，一个在当前位置，一个够到前一个位置，权重随内容自适应。跟随 Canon Layers、Dynamic Short Convolutions 和 Convolution for Large Language Models 的做法，我们在每个 attention 和 feed-forward 子层前后插入这个双抽头动态深度卷积： Conv_k(x)_t = k_{t,0}⊙x_t + k_{t,1}⊙x_{t-1} 每个系数由一个可学习的基核加上从当前隐藏状态算出的一个小修正组成；每 16 个通道共享一个修正。第一个位置读最后一个已验证 token 的表示，之后的每个位置读它前一个的。信息穿过整块，同时所有位置仍然并行计算。 图 4：双抽头动态卷积。每个 drafter 层的每个 attention 和 MLP 子层前后各有一个。内部：每个位置把自己的表示和前一个的混合；第一个位置读最后一个已验证 token。 卷积是块局部的、无状态的，所以能无缝插进 DFlash，不用动 attention、LM head 或验证。 只加 16.5M 参数（3%），带卷积的五层 DFlash 就逼近了 15 层 DFlash，大幅减轻后缀衰减。卷积给起草-验证周期延迟加 0.7%；多十层 Transformer 层加 15.2%。第 4、5 层的平均块内注意力从 9.4% 降到 0.5%，与卷积吸收局部工作、attention 回到读上下文一致。一个只够到前一个位置的核，买回了十层额外层的大部分收益：后缀衰减大体是个局部问题。 合在一起 到目前为止，选择器和卷积是分开测的；下面的完整对比把它们放在一起。DFlash 和 DSpark drafter 是我们在对齐的设置下自己训练的，MTP 随模型发布。 表 3：Qwen3.5-4B 每请求平均接受长度。采样：thinking 开启，温度 1.0，top-p 0.95，top-k 20，presence penalty 1.5，无损拒绝采样。 • GSM8K：MTP 4.78，DFlash 4.99，DSpark 5.69，DFlash 2 6.20 • MATH-500：5.04，5.42，6.20，6.76 • HumanEval：4.84，5.43，5.80，6.28 • MBPP：4.16，4.49，4.96，5.41 • MT-Bench：3.90，4.26，4.77，5.20 • 平均：4.54，4.92，5.49，5.97 DFlash 2 在每项基准上都领先。平均下来，它比 DFlash 多 1.05 个 token（21%），比 DSpark 多 0.48。升级仍然便宜：选择器和卷积加起来，只给五层 DFlash 的起草-验证周期延迟加了 1.3%。 在 MATH-500 上，增益逐位置可见：DFlash 2 到最后一个位置都稳在 86% 附近，而每个基线在块尾都比它低 6 到 9 个点。 图 5：MATH-500 上 Qwen3.5-4B 的条件接受率，采样同上。 两个 drafter，今天发布 我们今天发布两个 DFlash 2 drafter：一个给 Qwen3.8-27B（ Meta 的 Muse Glimmer（ Qwen3.8-27B，我们对比模型原生的 MTP 路径和一个社区 DSpark drafter。 表 4：Qwen3.8-27B 每请求平均接受长度，模型默认采样、块大小 8，对比原生 MTP 路径和社区 DSpark drafter。 • GSM8K：MTP 5.02，DSpark 4.36，DFlash 2 5.46 • MATH-500：4.72，3.92，5.28 • HumanEval：3.91，3.30，4.39 • MBPP：3.99，3.51，4.79 • MT-Bench：3.74，3.01，4.10 • 平均：4.28，3.62，4.80 对 Meta 的 Muse Glimmer，我们对比随模型发布的官方 DFlash drafter 和一个社区 DSpark drafter。 表 5：Muse Glimmer 每请求平均接受长度，模型默认采样、块大小 16。DFlash 是 Meta 随模型发布的官方 drafter；DSpark 是社区 drafter。 • GSM8K：DFlash 5.43，DSpark 5.45，DFlash 2 6.57 • MATH-500：5.39，5.01，6.56 • HumanEval：4.11，4.33，5.66 • MBPP：3.74，4.02，5.30 • MT-Bench：3.52，3.59，4.42 • 平均：4.44，4.48，5.70 差距很大：在两个模型上，DFlash 2 平均比 DSpark 多出超过一个完整的 token。它也超过每个模型的官方 drafter：Qwen3.8-27B 的 MTP、Muse Glimmer 的 DFlash。换算成吞吐，Qwen3.8-27B 上达到自回归解码的 2.7–3.4 倍，Muse Glimmer 上 3.1–4.6 倍。模型卡（ 底线 agent 一个下午写出来的东西，聊天机器人要写一个月，而每一个 token 底下都坐着解码。DFlash 2 以接近自回归解码 3 倍的速度解码，每个 token 约三分之一的算力，输出相同。 七个月里，DFlash 从我们的论文变成了行业标准，超过 350 万次下载。在同一个设计内部，DFlash 2 每次通过多解码一个完整的 token，免费。那还只是服务栈的一个组件。推理离它的地板还很远。 在 Inco AI，我们在构建一套端到端的服务栈，把这个地板继续往下压。DFlash 2 是第一块。两个 drafter 今天发布在 Hugging Face。 如果你在规模化地服务 agent，想在你的栈里评估 DFlash 2，或者想为你跑的模型（包括你自己的微调）要一个 drafter，写信给我们：contact@inco.ai。 我们也在招人。如果你想一起构建这套栈，联系我们。 把候选连起来。起草，继续并行。 脚注：Modal 的 Speculation Is All You Need 指出，投机解码是对低延迟服务最重要的优化。我们是他们工作的超级粉丝，感谢他们自 DFlash 发布以来的支持和讨论。 本文引用格式：@misc{inco2026dflash2, title={DFlash 2: Keep Drafting Parallel}, year={2026}, month={August}, url={ 原文： #DFlash# #投机解码# #LLM推理#

研究了一下基于GitHub开源项目的盈利模式，让GTP Pro做了深度调研，整理了13种常见的盈利模式，同时也做了一版盈利指数的分析参考（详见图片） 1、云租赁与 SaaS 模式，系统本身免费，用户可租用官方云服务、托管服务、服务器、数据库、存储、推理服务等 2、数据、模型、评测与工作流增值，代表案例 Hugging Face 3、企业私有化与专属部署，单独收费 4、企业版增值功能付费，个人或部分功能免费（经典开放核心模式） 5、双重许可与商业授权，代表案例 MySQL，同一代码以 GPL/开源许可和商业许可并行，闭源嵌入或 OEM 付费，高毛利授权模式 6、企业级订阅与商业支持，个人版免费 7、API、算力和用量计费，提供自定义 API，同时也提供自有商业 API 8、专业服务与系统集成收费，代表案例 Red Hat 9、并购或战略投资 10、培训与认证，提供课程、考试、证书、企业培训等服务 11、导流分成，植入相关插件或商业产品入口，实现一定分佣 12、广告收入 13、赞助、捐赠 开源项目其实有不少，可以很自然的融入一些盈利机制：算力、API、模型服务、数据资产、评测体系、Agent 工作流、私有化部署等 关键在于找到代码之外具体的高价值付费场景