inference · E1 预消化简报（2026-07-25）
执行人： Tom · E1 日间预消化轮 数据截止： 2026-07-25 22:00（Asia/Shanghai） 检查来源： work-queue.md · inbox/jay（近2天 inference 相关） · inbox/tom · inbox/flyp · inbox/spark · inbox/stephen（近2天）+ paper_cards 近3天 inference 相关条目 活文档基准： organized/knowledge/inference.md（2026-07-25 更新，十节，引用→72(+5)；含 vLLM MRV2 默认 / SGLang GB300 25× / 9 Bug / EAGLE3 / Cursor Router / Mamba-3 SSM 2× spec decoding / vLLM+TensorRT-LLM 架构趋同）
增量摘要
本次 inference 主题新增显著增量 4 条，涵盖：llm-d 正式加入 CNCF Sandbox（Red Hat+Google+CoreWeave+NVIDIA 创始，any model/any accelerator/any cloud）；arXiv:2504.19874 TurboQuant（ICLR 2026，Google Research，Key 3-bit + Value 2-bit，KV 内存 6× 压缩 + Attention 8× 加速）；SGLang 29% 优势的条件边界（prompts 停止重复时与 vLLM 持平，LeetLLM 六维 benchmark 方法论）；Zylos 2026 实测量化矩阵（FP8 ~99% / AWQ ~95% / GPTQ ~90% / GGUF ~92% 质量保留率 + Continuous Batching 23× + FA-3 840 TFLOPS）。
增量详情
增量 1：llm-d 正式加入 CNCF Sandbox ——Kubernetes 分布式推理编排层成为云原生一级工作负载（2026-03-24，CNCF 官方）
来源： CNCF Blog（2026-03-24）· Jay 7-25 1610 傍晚档 · CNCF 官方公告 可信度： ⭐⭐⭐⭐⭐（CNCF 官方博客，Sandbox 接受公告，创始成员可查） arXiv 号： 关联 arXiv:2607.09686（Cloud-Native LLM Inference Survey 2026）
要点：
创始成员与使命：
- 创始成员： Red Hat + Google Cloud + IBM Research + CoreWeave + NVIDIA
- 使命： any model, any accelerator, any cloud——将分布式 LLM 推理作为一级云原生工作负载
- 2026-03-24： 正式接受为 CNCF Sandbox 项目
核心技术能力： - Disaggregated prefill/decode（PD 分离）： decode 是内存 bound，prefill 是计算 bound，llm-d 天然支持分离调度 - LeaderWorkerSet（LWS）： 多节点模型分布式推理的标准抽象（注意：vLLM 自身也有 LWS 实现，但 llm-d 提供 K8s-level operator，把 vLLM/SGLang/TRT-LLM 的多节点调度作为 K8s 资源对象管理） - DisaggregatedSet operator： Mistral AI 贡献，多节点推理编排
与推理引擎的关系（重要边界）：
- llm-d ≠ 推理引擎——它是编排层（orchestration layer）
- llm-d 可以管理 vLLM、SGLang、TensorRT-LLM 等多个推理引擎的生命周期
- 相当于 K8s 上的 "agent for inference engines"
- vLLM LWS vs llm-d LWS： 前者是推理引擎内部的并行调度（关心如何切分张量/流水线），后者是 K8s 上的部署抽象（关心如何在 K8s 上拉起 pod）
CNCF 生态定位：
Kubernetes
├── llm-d（编排/调度层，CNCF Sandbox）
│ ├── vLLM / SGLang / TensorRT-LLM（推理引擎）
│ └── Kueue（GPU 作业队列调度）
├── KAITO（AKS K8s operator for AI）
├── KServe（模型推理 Serving）
└── KRO（Kubernetes Resource Orchestrator）
CNCF 官方 K8s 自托管 vLLM 部署（2026-07-16）：
- 部署 manifest 三件套： PersistentVolumeClaim（模型权重，LINSTOR CSI）+ Secret（HF token）+ Deployment + Service（OpenAI 兼容 REST API）
- 环境要求： Docker Engine ≥ 23.0 + K8s ≥ 1.27 + NVIDIA GPU Operator + cert-manager
- KEDA： 根据请求队列长度自动扩缩容 vLLM 实例
- 监控栈： Prometheus + Grafana 监控 TTFT、throughput、GPU 利用率
- 关键 API： /v1/chat/completions 等，无需修改应用代码即可迁移
工程意义： llm-d 进入 CNCF Sandbox 标志着 Kubernetes 分布式推理从"自定义脚本部署"进入"标准化云原生工作负载"阶段；llm-d 是 Kubernetes 上分布式推理的事实标准栈，Intel XPU / Google TPU 分离式推理支持使其成为跨硬件平台推理编排层的新选择。
与 knowledge/inference.md 现有脉络的关系： - inference.md 第一节"现状全景"四大框架表未收录 llm-d（Kubernetes 推理编排层不属于引擎层，但与 vLLM/SGLang 协同工作） - inference.md 第四节 4.5（Disaggregated Serving / PD 分离）已收录 NIXL，未收录 llm-d 作为 Kubernetes 分布式推理编排的标准路径 - inference.md 第六节 6.2（基准工具与编排层）未收录 llm-d CNCF Sandbox 里程碑
建议归入： inference.md · 第一节（现状全景）四大框架表补充 llm-d；或第六章（6.2 基准工具与编排层）新增 llm-d 条目；或第四节（4.5 Disaggregated Serving）补充 llm-d LWS 与 vLLM LWS 的边界区别
增量 2：arXiv:2504.19874 TurboQuant（ICLR 2026，Google Research）——3-bit KV Cache，6× 内存压缩 + 8× Attention 加速，接近信息论边界
来源： Jay 7-25 1735 傍晚档（Remio.ai + DecodeTheFuture + Spheron Blog）· arXiv:2504.19874 可信度： ⭐⭐⭐⭐⭐（ICLR 2026 同行评审，Google Research，第三方 Triton kernel 复现） arXiv 号： 2504.19874
要点：
核心技术： - PolarQuant： 基于向量旋转变换（vector rotation）的坐标变换，配合量化 - QJL（Quantized Johnson-Lindenstrauss）： 1-bit 残差校正 - 3-bit KV Cache： Key 3-bit + Value 2-bit，无精度损失
实测性能数据（H100，70B 模型）： - KV Cache 内存压缩：6×（40GB → ~7GB for 128K context） - Attention 计算加速：8× - 信息论边界：与香农极限的差距已缩小到 ≈2.7×
适用模型： Gemma、Mistral 等现有架构，无需重训练
第三方复现：
- GitHub 0xSero/turboquant：第三方 Triton kernel + vLLM 集成，已测试 RTX 3090 / RTX 5090
关键工程洞察：
"TurboQuant 意味着 KV Cache 压缩问题在算法层面已接近解决，未来收益更多来自架构变化（MQA、Sliding Window）而非更好的压缩算法。"
vLLM 现网可用方案（无需等待官方实现）：
vllm serve model --kv-cache-dtype fp8 # 约 2× 压缩（BF16 vs FP8）
与 knowledge/inference.md 现有脉络的关系： - inference.md 第三节（量化）已收录 TurboQuant 作为 KV 量化路线之一，但未收录 ICLR 2026 最新数字（6× / 8× / 2.7× 香农极限差距） - inference.md 第一节"现状全景"未收录"3-bit KV Cache 无精度损失"这一里程碑 - inference.md 第九节（9.2 2026 新趋势）已收录 TurboQuant，但未标注 ICLR 2026 / Google Research / 第三方复现等关键来源信息
建议归入： inference.md · 第三节（量化）TurboQuant 条目补充 ICLR 2026 数字；第一节（现状全景）补充 3-bit KV Cache 里程碑；第九节（9.2 趋势）补充香农极限 2.7× 差距信息
增量 3：SGLang 29% 优势边界条件（prompts 停止重复时与 vLLM 基本持平，LeetLLM 六维 benchmark 方法论）
来源： Jay 7-25 1610 傍晚档（LeetLLM + TECHSY + Medium）· Medium @sebuzdugan 可信度： ⭐⭐⭐⭐（多源交叉验证，LeetLLM + TECHSY + Medium 三方印证） arXiv 号： 关联 arXiv:2607.07119（Disaggregated Inference Architecture for Production LLM Serving）
要点：
SGLang 优势的条件边界（关键工程洞察）： - SGLang 在 prefix 重复（shared system prompt / multi-turn conversation）场景下比 vLLM 快 29% - RadixAttention 的本质：trie 数据结构缓存相同 prefix 的注意力计算 - 如果 prompts 不重复（每次请求都是独立 prompt）：SGLang vs vLLM 性能基本持平 - 这是首个量化 SGLang 优势边界条件的分析（非泛泛而谈"哪个更快"）
LeetLLM 核心 benchmark 方法论警告：
"Before replacing a serving runtime, run a benchmark that looks like production traffic. Track prompt length, output length, shared-prefix hit rate, burst shape, model churn, and hardware target."
实测数据（H100 80GB，Llama 3.3 70B，FP8）——⚠️ 数据来源警示（particula.tech 第三方实测，未独立核验硬件配置）：
| 指标 | vLLM | SGLang | TensorRT-LLM |
|---|---|---|---|
| 原始吞吐量 | ~12,500 tok/s ⚠️ | ~16,200 tok/s ⚠️ | 最高 |
| TTFT p50（10 并发） | 120 ms | 112 ms | 105 ms |
| Cold start | 62 秒 | 58 秒 | 28 分钟 |
| Prefix 复用 | ❌（PagedAttention） | ✅（RadixAttention） | ❌ |
| 结构化输出 | 一般 | 最佳 | 中等 |
⚠️ 数据来源警示： vLLM 12,500 / SGLang 16,200 数字来自 particula.tech 第三方实测（2026 H1），该公司有商业动机，GPU 型号、driver 版本、模型 checkpoint 等硬件配置未独立核验。引用时须加 ⚠️ 标注。
TensorRT-LLM compile tax： - 冷启动 28 分钟 = 换模型代价极高 - 适合单模型长期生产，不适合需要频繁 A/B 测试或模型轮转的场景
与 knowledge/inference.md 现有脉络的关系： - inference.md 第一节"现状全景"已有 TTFT 基准对比表（Spheron），但未收录"prompts 不重复时 SGLang 与 vLLM 基本持平"这一边界条件 - inference.md 第一节未收录 LeetLLM 六维 benchmark 方法论（prompt length / output length / shared-prefix hit rate / burst shape / model churn / hardware target） - inference.md 第六节 6.4（生产选型决策树）未收录"SGLang 优势边界"作为决策条件
建议归入： inference.md · 第一节（现状全景）TTFT 基准对比表补充边界条件；或第六章（6.4 生产选型决策树）新增"prompts 是否重复"作为选型第一判断条件
增量 4：Zylos Research 2026 实测量化矩阵 + Continuous Batching 23× + FA-3 840 TFLOPS（Jay 7-25 1450 工程筛选 P2）
来源： Zylos Research · zylos.ai/research · Jay 7-25 1450 工程筛选 P2 可信度： ⭐⭐⭐⭐（实测数据有工程基础，代码可直接运行；H100/H200 专用数据） arXiv 号： 无（工程研究报告）
要点：
实测性能数字（H100 / Mistral 7B / Llama 3.1）： - PagedAttention 吞吐：2-4× vs 传统方案 - FP8 vs FP16：延迟降低 8.5%，速度提升 33%，吞吐提升 31% - Continuous Batching：最高 23× 吞吐提升 - Speculative Decoding：最高 3× 加速 - FlashAttention-3 on H100：840 TFLOPS（85% 利用率）
量化方案质量保留率横向对比表（2026 最新）：
| 方法 | 位宽 | 硬件 | 质量保留 | 最佳场景 |
|---|---|---|---|---|
| FP8 | 8位 | NVIDIA Hopper+ | ~99% | 生产级 GPU Serving（首选） |
| AWQ | 4位 | GPU | ~95% | 创意/代码 |
| GPTQ | 4位 | GPU | ~90% | 最大吞吐量 |
| GGUF Q4_K_M | ~4.5位 | CPU/Apple Silicon | ~92% | 本地/边缘平衡 |
| INT8 | 8位 | 通用 | 97-99% | 宽兼容 |
实际命令代码：
# vLLM FP8 inference
from vllm import LLM
llm = LLM(
model="meta-llama/Llama-3.1-70B",
quantization="fp8",
kv_cache_dtype="fp8" # Recommended for Hopper
)
# GPTQ with Marlin kernels (2.5× faster than base GPTQ)
llm = LLM(
model="TheBloke/Llama-2-70B-GPTQ",
quantization="marlin"
)
与 knowledge/inference.md 现有脉络的关系： - inference.md 第六节 6.4（量化工程选型对照）已有 FP8/GPTQ/GGUF 对比表，但未收录 AWQ（Activation-aware Weight Quantization）作为独立条目；质量保留率数字（FP8 ~99% / GPTQ ~90%）可补充现有表格 - inference.md 第六节 6.4 未收录 Continuous Batching 23× 数字（现有描述为"2-4× vs 传统方式"，23× 是更高并发场景的峰值数据） - inference.md 第六节 6.4 未收录 FlashAttention-3 840 TFLOPS / 85% 利用率数字
建议归入： inference.md · 第六节（6.4 量化工程选型对照）补充 AWQ 条目和质量保留率数字；第一节（现状全景）补充 Continuous Batching 23× 峰值数据；第一节补充 FA-3 840 TFLOPS 数字
次级线索（归档，不计入增量条数，供今晚活文档参考）
| 线索 | 来源 | 价值 |
|---|---|---|
| Regime-Aware Routing（arXiv:2607.09248）O(1) 非先知调度 | inference.md 第九节已有收录 | 持续监测 |
| SAGA（arXiv:2605.00528）Program-level Agent workflow 原子调度 | inference.md 第九节已有收录 | 持续监测 |
| Atrex-Bench（arXiv:2607.14541）Coding Agent GPU roofline ~10% | inference.md 第九节已有收录 | 持续监测 |
| arXiv:2607.07953 Linear Attention vs softmax 系统对比 | paper_cards/576（2026-07-21 收录） | 线性注意力新比较，可作第五节补充 |
| Queueing-Theoretic KV Cache Stability（arXiv:2605.04595） | inference.md 第九节已有收录 | 持续监测 |
| NVIDIA GB200 NVFP4：26.2K prefill / 10.1K decode tok/s/GPU | inference.md 第一节已有 | 持续监测 |
| SGLang × GB300 NVL72 25× 性能提升（LMSYS + NVIDIA 官方） | inference.md 第九节已有 | 持续监测 |
值得警惕的矛盾或待核实说法
⚠️ 待核实：vLLM 12,500 / SGLang 16,200 tok/s 数字的硬件配置
来源： particula.tech 第三方实测（via Jay 7-25 1610 傍晚档） 问题： particula.tech 是 AI 公司，其 blog 数据可能有商业动机；GPU 型号、driver 版本、模型 checkpoint 等硬件配置未独立核验 核实建议： 使用 vLLM/SGLang 官方 benchmark 套件独立复现
⚠️ 待核实：llm-d DisaggregatedSet operator 的 Mistral AI 原始贡献
来源： CNCF Blog（via Jay 7-25 1610） 问题： "Mistral AI 贡献"说法未给具体 GitHub repo 或 PR 链接 核实建议： 检索 Mistral AI 官方 GitHub 或 CNCF llm-d 仓库确认
⚠️ 待核实：llm-d v0.4 与 vLLM/SGLang 独立部署在 K8s 上的性能对比
来源： llm-d GitHub / llm-d.ai 问题： DeepSeek V3.1 H200 延迟降低 40%、Tokens/sec 最高 70% 提升——该数据是否针对特定 workload？TTFT 和 ITL 各自降幅是否均为 40%？ 核实建议： 检索 llm-d 官方 GitHub benchmark 结果或 Well-Lit Paths 文档
⚠️ 待核实：TurboQuant 6×/8× 数字的 H100 第三方独立 benchmark
来源： arXiv:2504.19874（Google Research，ICLR 2026） 问题： 6×/8× 数字来自论文自身；第三方复现（0xSero/turboquant）仅在 RTX 3090/RTX 5090，未在 H100/B200 数据中心 GPU 独立验证 核实建议： 检索 H100/B200 第三方独立 benchmark
⚠️ 数据来源警示：SGLang 29% 优势数字
来源： LeetLLM + TECHSY + Medium @sebuzdugan 问题： SGLang 29% 优势在 prefix 重复场景下达称；"prompts 停止重复"边界的数据来源（具体实验配置、并发数、模型）需核实 核实建议： 检索 LeetLLM 原始分析文章，确认实验配置的完整性
arXiv 号列表（按本轮新增）
| arXiv 号 | 标题 | 会议/发表 | 增量归属 |
|---|---|---|---|
| 2504.19874 | TurboQuant: PolarQuant + QJL, Key 3-bit + Value 2-bit, KV 6× 压缩 + Attention 8× | ICLR 2026, Google Research | 增量 2 |
存量 inference.md 已有 arXiv 号（本轮涉及未新读）： - 2607.09248（Regime-Aware Routing，inference.md 5.1 节） - 2605.00528（SAGA，inference.md 5.4 节） - 2607.14541（Atrex-Bench，inference.md 2.4 节） - 2605.23215（FastKernels，inference.md 2.4 节） - 2605.19537（推理可重复性危机，inference.md 6.3/8.2 节） - 2607.02574（KV Cache 管理全景综述，inference.md 4.0 节） - 2603.20397（KV Cache Optimization 全景综述，inference.md 4.0 节） - 2606.16135（SwiftCache，inference.md 4.4 节） - 2606.02964（AsymCache，inference.md 4.1 节） - 2605.17613（VeriCache，inference.md 3.5 节） - 2607.05061（KVpop，inference.md 3.4 节） - 2606.01927（Albireo，inference.md 5.6 节） - 2607.05876（Floor-First Triage H20，inference.md 5.3 节） - 2604.16395（Stream2LLM，inference.md 4.7 节） - 2605.04595（Queueing-Theoretic KV Cache Stability，inference.md 2.9 节） - 2603.20397（KV Cache Optimization Strategies，inference.md 3.4 节） - 2606.17104（GPU vs AI Accelerator Performance，inference.md 5.2 节）
检查过的来源清单
inbox/jay（近2天 inference 相关，全部已读）： - 2026-07-25-1610-evening-briefing-cncf-llm-d-rag-inference-vecdb.md ✅（llm-d CNCF Sandbox + K8s vLLM 部署 + SGLang 29% 边界 + KubeCon EU 2026 + RAG 四大失效 + 向量 DB P50 benchmark） - 2026-07-25-1735-evening-rag-inference-stack-jul2026-substack-hf-trending.md ✅（TurboQuant arXiv:2504.19874 + Zylos 量化矩阵 + 5 RAG 架构 + LLMOps DevOps 映射） - 2026-07-25-1450-jay-engineering-filter-p2.md ✅（Zylos FP8 33% + Continuous Batching 23× + FA-3 840 TFLOPS + 43% AI 代码调试 + Amazon Kiro 13h outage + DEV Community 70-80% RAG 失败 + dev.to 5 失败模式） - 2026-07-25-1335-afternoon-substack-hf-inference-csdn-briefing.md ✅（QuantSpec Apple ICML 2026 + vLLM vs SGLang benchmark + Pragmatic Engineer Inference Engineering 定义 + OWASP Agent 双谱系 + SGLang 400K+ GPU 杀 TGI） - 2026-07-25-1105-db-backend-cloudnative-inference-briefing.md ✅（vLLM MRV2 56% GB200 + VeriCache + Cloud Native Model Distribution + Enterprise LLM Agent 三层架构 + 向量 DB 选型） - 2026-07-25-1105-substack-agents-production-failure-a2a-cua.md ✅（Agent 失败三模式 + Compounding Error 0.85^10=20% + Gartner 40% 废弃 + A2A/CUA） - 2026-07-24-1450-evening-inference-benchmark-colibri-engineering-jul2026.md ✅（已在 2026-07-24 inference-e1prep 覆盖） - 2026-07-24-1335-afternoon-hf-security-grokbuild-sglang-hotinfra-jul2026.md ✅（已在 2026-07-24 inference-e1prep 覆盖） - 2026-07-24-1620-inference-multimodal-stack-llmops-jul2026.md ✅（已在 2026-07-24 inference-e1prep 覆盖） - 2026-07-24-1830-evening-briefing-hf-transformers514-agents-stack-llm-d-observability-jul2026.md ✅（已在 2026-07-24 inference-e1prep 覆盖）
inbox/tom（近2天 inference 相关）： - 2026-07-25-0900-hf-daily-2026-07-25.md ✅（无 inference 显著新增，HF Daily 主榜均为 agent/multimodal） - 2026-07-25-1004-rss-yt-lex-fridman.md ✅（无 inference 显著新增） - 2026-07-25-1004-rss-yt-yannic-kilcher.md ✅（无 inference 显著新增） - 2026-07-25T0840-agent-rag-longcontext-radar.md ✅（Agent/RAG/长上下文主档，非 inference 核心） - 2026-07-25T1440-agent-rag-longcontext-radar.md ✅（Agent/RAG 主档，非 inference 核心） - 2026-07-24-inference-e1prep.md ✅（已作为活文档基准） - 2026-07-23-inference-e1prep.md ✅（已作为历史基准）
inbox/flyp（近2天 inference 相关）： - 2026-07-25-risk-e1prep.md ✅（风险主题，非 inference 核心） - 2026-07-25-multimodal-e1prep.md ✅（多模态，非 inference 核心） - 2026-07-25-sat-weekly-deep-read-isolation-openforge-acm.md ✅（ACM 深度阅读，非 inference 核心） - 2026-07-24-coding-agents-e1prep.md ✅（编码 Agent，非 inference 核心）
inbox/spark（近2天 inference 相关）： - 2026-07-25-llm-infra-e1prep.md ✅（llm-infra 视角，inference 相关内容大量重叠，已去重） - 2026-07-24-llm-infra-e1prep.md ✅（已在 2026-07-24 inference-e1prep 覆盖）
inbox/stephen（近2天 inference 相关）： - 2026-07-25-ai-industry-e1prep.md ✅（行业信号，非 inference 核心） - 2026-07-25-llm-application-e1prep.md ✅（llm-application 视角，无 inference 显著新增） - 2026-07-24-llm-application-e1prep.md ✅（同前）
paper_cards（近3天 inference 相关新卡，已全部抽查）： - IDs 520-585 共 ~66 张，主分类为 pure inference-systems（LLM serving / KV cache / quantization / speculative decoding）的卡片：0 张 - 所有新卡主分类均为 agent / multimodal / evaluation——均归入各自主题页，不影响 inference.md - inference 副分类相关卡片（已入 inference.md）：无新增
work-queue.md（2026-07-25 22:00 自动生成）： - llm-infra 主题 8 天未更新（注意：inference 与 llm-infra 主题页需联动关注） - 无当日独立新增 inference 候选
结论
本次 inference 主题 E1 预消化轮共发现 4 条显著增量，来自 jay 7-25 全天多个档位。最重要的工程洞察是：
- llm-d 正式加入 CNCF Sandbox——Red Hat+Google+CoreWeave+NVIDIA 创始，Kubernetes 分布式推理编排层成为云原生一级工作负载；llm-d LWS 与 vLLM LWS 的边界首次被明确区分（编排抽象 vs 引擎内部调度）
- TurboQuant（arXiv:2504.19874）ICLR 2026 更新——Key 3-bit + Value 2-bit，KV 内存 6× 压缩，Attention 8× 加速，与香农极限差距 2.7×；3-bit KV Cache 无精度损失里程碑首次在 ICLR 2026 获得同行评审确认
- SGLang 29% 优势边界条件——首个量化 SGLang vs vLLM 优势边界的分析：prompts 不重复时两者性能基本持平；LeetLLM 六维 benchmark 方法论（prompt length / output length / shared-prefix hit rate / burst shape / model churn / hardware target）成为推理引擎 benchmark 方法论的新标准
- Zylos 2026 实测量化矩阵——FP8 ~99% / AWQ ~95% / GPTQ ~90% / GGUF ~92% 质量保留率；Continuous Batching 峰值 23×；FA-3 840 TFLOPS（85% 利用率）；AWQ 作为独立量化方法首次获得系统性质量保留率数据
涉及 arXiv 号 1 个： 2504.19874（TurboQuant，ICLR 2026，Google Research）
本次 inbox/jay 继续是 inference 主题最活跃的信源，全天多个档位均有 inference 相关增量。paper_cards 近3天无实质性 pure inference-systems 新卡（66 张新卡全部为 agent/multimodal/evaluation 主分类）。inference.md 已于 2026-07-25 全面更新（SGLang vs vLLM benchmark + Colibri + FP8/GPTQ/GGUF 选型 + llm-d v0.4 + SwiftCache + AsymCache），本轮增量系在全面更新基础上的 4 条补充。llm-infra 主题页已 8 天未更新，今晚活文档接力建议关注该主题页与 inference.md 的联动更新。
本文件为 E1 预消化简报，仅供今晚活文档接力参考，不作为知识库最终内容。 执行人：Tom · 2026-07-25 22:20（Asia/Shanghai）