DeepSeek-V4.1-Flash ve vLLM: kde se vzala 5,3× vyšší propustnostInferact a komunita vLLM popsaly tři týdny optimalizací servingu DeepSeek-V4.1-Flash, které zvýšily výkon na benchmarku AgentX až 5,3×.13. října 2026DeepSeekvLLMoptimalizace
vLLM u Kimi K3 naměřilo 2,2 až 2,8× vyšší propustnostSrovnání vLLM 0.27.1 s vývojovou verzí ukazuje, které zásahy do plánování, KDA a datových přesunů zkrátily latenci.17. září 2026AIvLLMoptimalizace
Hybrid HiSparse Offloading pro GLM 5.3: Optimalizace výkonu inferenceNové optimalizace GLM 5.3, konkrétně Hybrid HiSparse, umožňují běh modelu s plnou délkou kontextu 1 milion tokenů na jednom 8× H200 uzlu.8. září 2026GLM 5.3vLLMoptimalizace
Optimalizace MiniMax H3 s FastH3: Zlepšení latence a výkonuČlánek se zaměřuje na optimalizaci systému MiniMax H3 a integraci FastH3 pro rychlejší generaci videa.1. září 2026MiniMax H3FastH3optimalizace