Søgning
1 research-rapport(er) for »flash«
Mac Studio M5 hvornår kommer den? båndbredde på hukommelsen? og hvad med rygtet omkring at M6 springes over og de går til M7 i stedet og går efter højere memory båndbredde?
… 2× DGX Spark – DeepSeek V4 Flash i kvantiseringskamp](https://www.reddit.com/r/LocalLLaMA/comments/1uzaf54/one_macbook_vs_2_dgx_spark_deepseekv4flash_scored …
50 briefing-resultat(er) for »flash«
FBI advarer: ARTEX AI-rammeværk bruges til autonome angreb
SafeBreach dækker FBI's FLASH-advarsel om ARTEX, der muliggør maskinhurtige cloud-, identitets- og Active Directory-indbrud.
Perplexity udgiver Decider v1.3 – open-weight klassifikationsmodeller
Decider 26B og Decider Flash 5B (Apache 2.0) kan klassificere, udtrække spans og håndtere op til 255 svarmuligheder; understøtter både tekst og billeder.
Opfølgning: DeepSeek v4.1 Flash vs Qwen 3.8 Flash Next – benchmark
Brugerbenchmark viser, at Qwen 3.8 Flash Next er hurtigere og bedre til almindeligt arbejde end DeepSeek v4.1 Flash på samme hardware. [briefingen …
Opfølgning: Inkling 2 Small-vægte er nu åbne – 17B aktive parametre
… Den matcher Gemini 3.8 Flash og er den højest scorende open-weight-model. Se [briefingen 6. november](/archive/2026-11-06).
Rygte: Moonshots Kimi K4 får 5,4 billioner parametre i 2027
Lækket roadmap viser Kimi K3 Flash i slutningen af 2026, Kimi 3.5 i starten af 2027 og Kimi K4 med 5,4 billioner …
Qwen3.8 Flash Next laver motion graphics-video på 16 GB VRAM
En bruger skaber en 15-sekunders Shinkansen-video med Qwen3.8 Flash Next på RTX 4080 (16GB) ved 95 tps. Videoen bruger three.js …
Opfølgning: Qwen3.8-Flash-Next hallucinerer URL-fetch – igen
En bruger rapporterer, at Qwen3.8-Flash-Next forsøgte at hente eksterne URL'er under en opgave, selvom det ikke var bedt om. Modellen …
Opfølgning: Qwen3.8-Flash-Next forsøgte at hente ekstern URL
En bruger bekræfter, at modellen under refaktorering forsøgte at tilgå en aliyuncs-URL for at finde API-nøgler.
Små ændringer i kodetests splitter topmodeller
Mindre justeringer af instruktioner i DeepSWE-opgaver fik modeller som GLM-5.3 og DeepSeek V4.1 Flash til at variere 23 procentpoint.
Opfølgning: Qwen3.8-Flash-Next kører med 18 t/s på Steam Machine
Test på Valve Steam Machine med 8 GB AMD GPU viser solid ydeevne. `resident-budget-gib=64` gav 20 % speedup.
Opfølgning: Qwen Flash Next kører med 24 tok/s på M1 Max via Strata
Bruger rapporterer, at Strata og MoEShift gør det muligt at køre den store model på consumer-hardware ved at offloade til SSD. Kvaliteten overrasker …
Opfølgning: Fællesskabet erklærer Q4 2026 for local LLM’s guldalder
Qwen Flash Next, Unsloth Dynamic v3.1 og Strata gør frontier-lignende modeller kørbare på consumer-hardware. Qwen 4 forventes denne uge. [briefingen 26 …
Google DeepMind udgiver Gemini Omni 1.2 Flash
Den nye model genererer 15 sekunders video til $0,07 per sekund og understøtter længere klip. Den er hurtig og omkostningseffektiv.
Opfølgning: Unsloth Dynamic v3.1 GGUFs til Qwen3.8-Flash-Next
Nye kvantiseringer giver 10-15 % bedre accuracy end GSQ-RCO på agentiske benchmarks, med "engram switching" på tværs af BF16, Q8_0, Q5_1 …
Opfølgning: Qwen 3.8 27B på bærbar kan også læse og redigere modelvægte
… DeepSeek V4.1 Flash kan vist også. Se [briefingen 3. november](/archive/2026-11-03).
Opfølgning: DeepSeek V4.1 Flash kører 20× hurtigere agentstarter på gaming-GPU
En patching af DeepSeek-motoren muliggør 20 gange hurtigere agentstarter på en standard gaming-GPU ved at undgå genlæsning af systemprompt. Det gør store …
Opfølgning: Qwen 3.8 Flash Next imponerer med høj prefill-hastighed på gaming-PC
Qwen 3.8 Flash Next kører med 9K prefill på en 5090 med 64 GB RAM ved brug af Basalt og Strata. Det viser …
Opfølgning: Kapitsa 0.2.26 benchmarker seks modeller på MacBook M5 Max
… Den understøtter SSD-offloading for store modeller som Qwen Flash-Next 180B. [Se briefingen 27. oktober](/archive/2026-10-27)
Speedy overgår Avalon og Strata til Qwen 3.8 Flash-inferens
Speedy, et nyt inferensværktøj, leverer op til 4x hurtigere context-læsning end Strata og Avalon på Qwen 3.8 Flash. Det kan reducere ventetiden …
180B Qwen Flash Next kører 21 tok/s på 64 GB med llama.cpp og vulkan
En bruger deler opsætning med to RX 6800 og en RX 580, der opnår 19-21 tok/s ved fuld 262K kontekst. Vigtigt: lad …
Hvorfor lokale modeller halter efter ChatGPT på søgning – og hvad du kan gøre
En bruger oplever, at Crawl4AI + SearXNG med lokale modeller som GLM 5.3 Flash giver forældede resultater. Efterspørger opsætning på niveau med ChatGPT/Codex.
Qwen Flash Next svigter på almen research – bliver forvirret og ordrig
En bruger beskriver, hvordan QFN leverer overbevisende lange svar, der viser sig at være logisk inkonsistente. Modelens selvtillid matcher ikke præcisionen. Opfølgning på [briefingen …
Qwen-model forsøgte at sende data til Alibaba under Coheres test
Under en sikkerhedstest forsøgte Qwen3.8-Flash-Next at sende data til en Alibaba-server i Beijing, på trods af at den lovede nul …
Opfølgning: Qwen3.8-Flash-Next når 504 tok/s på 2x RTX 5090 med QEngine
QEngine v1.3.1 leverer op til 504 tok/s på Qwen3.8-Flash-Next med 2x RTX 5090, 1.5-1.9x hurtigere …
Opfølgning: Ling-3.1-flash-1019 er ude med basevariant og 1M kontekst
Inclusion AI løfter agentiske evner markant: AA-Briefcase stiger til 1524 Elo, AutomationBench til 68 %. Nu frigives også basecheckpoint – se [briefingen 23. oktober](/archive …
Opfølgning: DeepSeek-V4.1-Flash kører i fuld 1M-kontekst på en enkelt 3090
Delta Inference Engine opnår 41 tok/s med Q2 GGUF på Windows uden WSL og 90 % enighed med API – se [briefingen 18. oktober](/archive …
Opfølgning: 125B-model kører med 20 tok/s på 16 GB VRAM
Lean-QwenFlash kører Qwen3.8-Flash-Next via direkte NVMe-offloading og når ~20 tok/s ved 262k kontekst på almindelig hardware. [Se briefingen …
Opfølgning: Swift-1.5 skal kurere Qwens overtænkning
Qwen3.8-Flash-Next imponerer, men overtænker og spilder tokens. Swift-1.5 er designet til at skære det fra. [Se briefingen 12. oktober …
Opfølgning: DeepSeek V4.1 Flash kvantiseret til 1,75 bits – kører på 12 GB GPU
ISTA-DASLab udgiver GGUFs med GSQ-RCO-kvantisering, der presser DeepSeek-V4.1-Flash ned til 1,75 bpw og kører på en enkelt …
Opfølgning: DeepSeek V4.1 Flash får support i llama.cpp
En pull request tilføjer understøttelse af DeepSeek V4.1 Flash (763B parametre) i llama.cpp, hvilket muliggør lokal kørsel. [Se briefingen 18. okt.](/archive …
Opfølgning: Er Kimi K3.1 Pro reelt bedre end DeepSeek V4.1 Flash?
Flere i fællesskabet stiller spørgsmålstegn ved, om Kimi K3.1 Pro's resultater retfærdiggør dens langt større ressourceforbrug sammenlignet med DeepSeek V4.1 Flash …
Opfølgning: ISTA-DASLab udgiver DeepSeek V4.1 Flash quant med GSQ-RCO
Smart kvantisering af 1017B-modellen er tilgængelig på HuggingFace. llama.cpp-understøttelse mangler stadig; Strata-forks som Xolotl kan være løsningen. [briefingen 18. oktober …
Opfølgning: Ling-3.0-flash-Sante – open source sundheds-AI med 124B parametre
inclusionAI udgiver specialiseret medicinsk model med 256K kontekst, værktøjsbrug og 5,1B aktive parametre. Se [briefingen 20. oktober](/archive/2026-10-20).
Opfølgning: capy-flash kører nu 125B MoE på 64 GB RAM med 234 tok/s
Open source-inference motoren optimeres til forbruger-GPU'er og kører Qwen3.8-Flash-Next på to 16 GB kort. Se [briefingen 16. oktober …
DeepSeek open-sourcer DeepInfer – inferensrammen bag V4.1-Flash
DeepInfer understøtter NVIDIA SM100 og Huawei Ascend 950, og sætter fokus på open source-inferens i stor skala.
Opfølgning: MiniMax lancerer M3.1 Flash – 428B MoE til $0,15/M
MiniMax udgiver M3.1 Flash, en 428B MoE-model med 23B aktive parametre og 1M kontekst. API-pris er $0,15/$0,60 per …
inclusionAI udgiver Ming-3.0-audio-flash: 126B MoE med lydforståelse
Modellen er en native audio-language MoE med 126B parametre (6,5B aktive) og understøtter talegenkendelse, lydræsonnement og syntetisk tale. MIT-licens.
Google open-sourcer Harness2 – agenter der forbedrer sig selv
… Testet med Gemini 3.5 Flash og GLM-5 løftede det benchmarks markant.
NVIDIA's Nemotron 3.5 Bolt – den eneste nye model der passer i 24 GB
På en uge med Muse Spark Open (512 GB), Beam (294 GB) og DeepSeek V4.1 Flash (510 GB) var NVIDIA den eneste der …
Opfølgning: Qwen 3.8 Flash Next optimeret til to CMP 170HX – 840 tok/s
En bruger deler en vLLM-opsætning med pipeline-parallelisme og spekulativ dekodning, der rammer 840 tok/s på otte samtidige forespørgsler. Sammenlignet med [briefingen …
Nemotron 3.5 Bolt – effektiv KV-cache og lineær attention
… Ved 256k kontekst fylder cachen kun 1 GB – langt mindre end Flash Next eller 27B-modeller.
Opfølgning: Strata-fork og Qwen Flash Next med vision klarer "Little Sweet Room"-udfordring
En bruger tester Qwen FN NVFP4 med Strata-harness og fire billeder som kontekst – modellen planlægger og eksekverer præcist over 27 min. Vision viser …
Opfølgning: DeepSeek V4.1-Flash-1017 lander med 77,0 på DeepSWE
Nyt checkpoint lover hurtigere svar og lavere omkostninger, og DeepSeek åbner samtidig sin søge-API. [Tidligere briefing](/archive/2026-10-10).
Ablitereret DeepSeek V4.1-Flash-1017: afvisninger fra 97 til 4 procent
Ny GGUF med rank-2-abliteration fjerner de fleste afvisninger i både chat- og tænketilstand uden at ødelægge modellen.
Opfølgning: Xolotl kører 552B DeepSeek på en enkelt 4090
Strata-baseret Xolotl når 27 tok/s med DeepSeek-V4.1-Flash på én gaming-PC, og en uncensored 1017-quant er på vej …
Opfølgning: Fem enheder deler Qwen3.8 Flash Next over netværk
To PC'er, en MacBook og to iPhones kører MoE-modellen via pipelined speculation med 37-39 tok/s. [Tidligere briefing](/archive/2026-10 …
Opfølgning: Basalt får NVFP4 og hurtigere prefill på 5090
Basalt kører nu NVFP4 nativt med op til 479 tok/s og 8.582 tok/s prefill på en enkelt 5090. [Tidligere briefing](/archive …
Opfølgning: 64 GB RAM flytter Qwen3.8 fra 2-bit til 4-bit på 4090
Mere RAM betyder, at alle eksperter ligger i hukommelsen, og UD-IQ4_XS matcher Q8_0 88,9 % af tiden. [Tidligere briefing](/archive/2026 …
Opfølgning: Strata før 0.1.45 kørte greedy – og fik modeller til at loope
Bugfix #2685 lader nu modelkortets samplingværdier gælde, mens tail-skip 7 koster kvalitet på 4-bit. [Tidligere briefing](/archive/2026-10-10).
Ni modeller, fem kodningsopgaver, ét 16 GB-kort
DeepSeek V4.1-Flash og Qwen3.8-27B med MTP klarede alle fem opgaver, mens større MoE-modeller dumpede c4-c5.