inference · E1 预消化简报(2026-09-20)
状态摘要
- 增量条数：7 条主增量（在 3-8 目标区间内；2026-09-19 22:00 ~ 2026-09-20 22:00 滑动窗口）
- 核心新增：① Inferact/RadixArk 推理引擎治理格局分叉（⭐⭐⭐⭐⭐）② SGLang v0.5.19 统一 Radix Tree 升为默认 ③ Spheron H100 标准化 benchmark vLLM/SGLang/TensorRT-LLM 三方实测 ④ CSDN 生产级 SGLang+vLLM 组合部署 GPU 利用率 41.2%→92.7% 实测 ⑤ nvext Agent Hints — Dynamo 第四代 Agent 交互接口 ⑥ Plugin4Shell — AI coding agent 供应链首个零点击 RCE（925 skills / 134,000 instances）⑦ JustFit Apple Silicon 200K context 新里程碑
- 涉及 arXiv 号：本次新增 4 个（2609.20625 Chronicle / 2609.17475 JustFit / 2609.17391 FlashVector / 2605.00528 SAGA HPDC'26）；续用锚定 25+ 个
一、检查过的来源清单
| 来源目录 | 关键文件 | inference 相关度 |
|---|---|---|
| inbox/jay | 2026-09-20 evening engineering filter（Inferact/RadixArk 治理格局 · Chronicle · SGLang v0.5.19） | 高 |
| inbox/jay | 2026-09-20 afternoon-nvidia-agent-stack-substack-edge-inference.md（NVIDIA Dynamo nvext Agent Hints · EPD · Network Edge Survey · JustFit · FlashVector） | 高 |
| inbox/jay | 2026-09-20 2105 evening briefing（Plugin4Shell · JustFit · FlashVector · Dissecting GPU Utilization Hopper） | 高 |
| inbox/jay | 2026-09-20 csdn-llm-inference-frameworks（SGLang+vLLM A100 41.2%→92.7% · Qwen3.6-27B 深度适配 · vLLM 优化命令） | 高 |
| inbox/jay | 2026-09-20 github-trending-rag-vllm-substack（vLLM 2026 工程特性 · PD disaggregation · FP8 KV-Cache · AMD ROCm） | 高 |
| inbox/jay | 2026-09-20 1735 github-trending-hf-blog-vecdb-rag-substack（SGLang 91.5k ⭐里程碑 · suffix decoding 进展） | 高 |
| inbox/spark | 2026-09-20 llm-infra e1prep（NVIDIA Dynamo 4-tier KV · EPD · Network Edge Survey · JustFit · FlashVector · SAGA · GPU Utilization · Plugin4Shell · DeepSeek-V4.1-Flash 续立） | 高 |
| inbox/spark | 2026-09-19 llm-infra e1prep（vLLM MTP · TriAttention · TensorRT-LLM DeepSeek-V4 · SGLang 半年全景） | 基线承接 |
| inbox/tom | 2026-09-19-inference-e1prep（昨夜基线；5 条锚定：TriAttention/OSDI'26零拷贝/TensorRT-LLM DeepSeek-V4/SGLang+suffix decoding/When2Think） | 基线 |
| inbox/tom | 2026-09-18-inference-e1prep（昨夜基线；6 条锚定：Albireo/RTP-LLM/Fingerprinting/Bandwidth Abyss/DeepSeek-V4.1-Flash/Fathom） | 基线 |
| inbox/tom | 2026-09-20-rag-e1prep（R96 · δ-mem 第三记忆路径邻接） | 邻接（KV cache 压缩四层） |
| inbox/flyp | 2026-09-20 1550 DeepSeek-V4.1-Flash critical-read（KV cache 压缩四层方法学 · 552B MoE 确认） | 邻接 |
| inbox/tom | 2026-09-20 0900 HF Daily（DeepSeek-V4.1-Flash 95▲ #2 续立；SoL-Pi 69▲；Coding Agent Harness 55▲） | 邻接 |
| paper_cards Sep 18-20 | 批次 1417-1434；Inference 主分类 1 件净增（Sample Count Is Not Enough 1432，9-19 入库） | 关键 |
二、增量条目
增量 1：Inferact / RadixArk — 推理引擎治理格局分叉，vLLM/SGLang 走向不同商业路径（⭐⭐⭐⭐⭐）
来源：inbox/jay/2026-09-20-evening-engineering-filter-sep20.md §精选 1；TURION.ai · TechCrunch · 2026年1月（Sep 2026 更新）
要点： - 两条路都商业化，但治理结构分化： - RadixArk（独立商业公司）→ 绑定风险更高，服务路线更清晰 - vLLM/Inferact（PyTorch Foundation 中立）→ 绑定风险更低，商业化路径不清晰 - 技术决策关联：DeepSeek MoE/MLA系 → SGLang 有 3.1× 性能优势（选 SGLang）；TPU/Trainium/多硬件 → 只能选 vLLM - 核心工程洞察：建议新项目优先评估治理合同条款，而非仅评估性能数字。推理引擎从"纯技术选型"进入"商业治理+技术锁定风险"新阶段 - 与 Albireo 的关系：Albireo（9-18 增量）解决 Amdahl 扩展瓶颈，是技术层；Inferact/RadixArk 是商业/治理层——两者互补，共同构成推理引擎选型的完整决策框架
可信度：高（TechCrunch 报道 + TURION.ai 工程分析，Sep 2026 更新）
与活文档 inference.md 现有脉络的关系：inference.md §1.1 框架格局已有 vLLM/SGLang 双雄 + 推理引擎双融资（Inferact $1.5亿 / RadixArk 估值$4亿）；本条是 治理格局分叉的实质性补充，将"技术选型"升级为"技术+治理双维选型"
建议归入章节：§1.1 框架格局（Inferact/RadixArk 治理格局分叉；与 Alboreo 技术层互补）
增量 2：SGLang v0.5.19 — 统一 Radix Tree 升为默认，生产稳定性需关注（⭐⭐⭐⭐）
来源：inbox/jay/2026-09-20-evening-engineering-filter-sep20.md §精选 3；mlai.qa · 2026年9月
要点： - 统一 Radix Tree 默认化：所有模型统一 RadixAttention 作为 Prefix Cache 底层，不再是可选特性 - 生产影响：RadixAttention 前缀复用优势明确（>60% 共享前缀场景），但 v0.5.19 默认启用意味着生产稳定性需做验收测试 - 与 DeepSeek 配合：DeepSeek 模型配合 SGLang 有 EAGLE 投机解码加成 - SGLang 91.5k ⭐里程碑：vLLM 91.5k ⭐ + SGLang 全球部署 400,000+ GPU 双里程碑
可信度：中高（GitHub release notes + mlai.qa 实测；400,000 GPU 数字来源待核实）
与活文档 inference.md 现有脉络的关系：inference.md §1.1 已有 SGLang v0.5.15/v0.6 和 9月发布周期（SGLang-Diffusion / Breakable CUDA Graph / 内置 web_search）；本条是 v0.5.19 统一 Radix Tree 默认化的生产稳定性补充
建议归入章节：§1.1 框架格局（SGLang v0.5.19 统一 Radix Tree 默认；生产稳定性验收建议）
增量 3：Spheron H100 标准化 Benchmark — vLLM / TensorRT-LLM / SGLang 三方实测（⭐⭐⭐⭐⭐）
来源：inbox/jay/2026-09-20-evening-engineering-filter-sep20.md §精选 5；Spheron Network Blog · 2026；H100 + Llama 3.3 70B FP8 + 50 并发请求
要点：
| 引擎 | 吞吐 (tok/s) | TTFT p50 (ms) | 冷启动 |
|---|---|---|---|
| vLLM | 1850 | 380 | ~62s |
| TensorRT-LLM | 2100 | 340 | ~28min |
| SGLang | 1920 | 360 | ~58s |
- vLLM 优势：模型覆盖最广（数百架构，含多模态/MoE）、多硬件厂商支持、无需编译步骤，冷启动最快
- TensorRT-LLM 优势：峰值吞吐最高 8–13%，但编译耗时 28 分钟
- SGLang 优势：prefix-heavy 场景 TTFT 最低（比 vLLM 低 37%）
- CSDN 补充实测（SGLang+vLLM 双卡 A100 40GB，并发 100 客服场景）：GPU 利用率 41.2% → 92.7%，吞吐 14.3 → 28.9 req/s
- Qwen3.6-27B 避坑：tool call 场景 vLLM 并发 200 时显存压力极大（KV cache 页堆），SGLang 稳定；
--reasoning-parser qwen3/--tool-call-parser qwen3_coder是关键适配参数
可信度：高（Spheron 含 H100 基准实测数据；CSDN 含真实压测截图）
与活文档 inference.md 现有脉络的关系：inference.md §1.1 已有 SGLang vs vLLM H100 benchmark（29% 吞吐量差距）和通用负载差距澄清（≤4%）；本条是 TensorRT-LLM 纳入后的三方完整矩阵，丰富 §1.1 的决策框架
建议归入章节：§1.1 框架格局（Spheron H100 三方 benchmark + CSDN SGLang+vLLM 92.7% GPU 利用率实测）
增量 4：nvext Agent Hints API — NVIDIA Dynamo 第四代 Agent 交互接口模式（⭐⭐⭐⭐⭐）
来源：inbox/jay/2026-09-20-afternoon-nvidia-agent-stack-substack-edge-inference.md §一.2；developer.nvidia.com/blog · 2026-09-10；Matej Kosec, Benjamin Klieger 等 NVIDIA 团队
要点： - nvext API 核心设计：Agent harnesses（Claude Code / Codex / OpenClaw）通过 nvext API 向 Dynamo 发送结构化提示：priority / expected output length / speculative prefill 意图 - Dynamo 据此做更智能的路由和调度决策：KV-aware routing 最大化 KV cache 重用 + 4-tier memory hierarchy（GPU→CPU→本地NVMe→远程存储） - 4-tier KV memory hierarchy：高价值 KV block 全局可访问；selective retention APIs 允许 harnesses 固定关键前缀、标记临时 block 提前回收 - 第三篇承接：NVIDIA Streaming Tokens and Tools (2026-05-08) 多轮 Agent streaming 正确性 + parser ownership fix + reasoning replay - 核心工程价值：Dynamo 在 Agentic 推理基础设施层标准化了 GPU-backed 运行时访问，不同 harness 暴露相同的压力点通过核心行为抽象解决——这是新的设计模式，直接影响 Agent 框架开发者如何与底层推理引擎交互
可信度：极高（NVIDIA 官方工程博客，2026-09-10，极新鲜，含具体 API/架构细节）
与活文档 inference.md 现有脉络的关系：inference.md §1.3 已有 NVIDIA Dynamo 1.0 取代 Triton 的编排层内容；本条是 nvext Agent Hints API 的具体协议设计细节，丰富 §1.3 的 Agentic Serving 路由案例，与现有的 KV-aware routing 形成"接口协议 + 路由实现"双层
建议归入章节：§1.3 KV Cache 或 §1.4 编排层（nvext Agent Hints — 第四代 Agent-Engine 交互接口）
增量 5：Plugin4Shell — AI Coding Agent 供应链首个零点击 RCE（⭐⭐⭐⭐⭐）
来源：inbox/jay/2026-09-20-2105-jay-evening-briefing-security-flashvector-justfit-jev-plugins.md §一.1；AIR Security（Or Nevo, Dor Granat, Niv Hoffman）· CSO Online · Help Net Security · The Register · 2026-09-17/18
要点： - 漏洞机制：AI coding agent 生态首个供应链级零点击漏洞，影响 SHA-pinning 机制的实现缺陷 - 受影响平台：Claude Code（Anthropic ✅ 已修复 2.1.179）/ Codex（OpenAI ✅ 已修复 0.146.0）/ GitHub Copilot（Microsoft ❌ 未修复）/ Gemini CLI（Google ❌ 未修复） - 攻击路径：Branch naming bypass + FETCH_HEAD confusion，利用 agent 解析 Git ref 时的边界条件绕过 SHA 校验 - 零点击属性：Agent plugin 自动更新功能默认开启，当 pinned commit 被上游替换后 agent 自动拉取恶意版本 - 实际影响规模：925 个活跃 skills 被劫持 · 影响 134,000 个 agent 实例 - 关键洞察：AI agent 安全从"模型行为安全"和"agent 行为安全"延伸到"供应链分发安全"；两个未修复厂商意味着 Copilot 和 Gemini CLI 用户仍处于风险中
可信度：极高（AIR 安全团队，已向厂商披露，有 PoC，CSO Online / The Register 等多方报道）
与活文档 inference.md 现有脉络的关系：inference.md §1.9 安全 已有 LLM Inference Fingerprinting（arXiv:2605.29979）；本条是 Agent 供应链分发安全的重大补充，与 inference.md 现有的推理引擎安全章节形成"外部攻击面 vs 内部供应链安全"双层
建议归入章节：§1.9 安全（Plugin4Shell — 供应链分发安全 · 925 skills / 134,000 instances · 两个未修复厂商需特别关注）
增量 6：JustFit — 200K-Token LLM Serving on 24 GiB Apple Silicon（arXiv 2609.17475，⭐⭐⭐⭐）
来源：inbox/jay/2026-09-20-2105-jay-evening-briefing-security-flashvector-justfit-jev-plugins.md §一.3；arXiv:2609.17475 · 2026-09-15 · Yuhua Chen
要点： - 核心定位：MLX-based 推理运行时，24 GiB Apple 笔记本上运行 27B 量化模型，支持超过 200K retained positions - 三大技术组件：KVExec（压缩 KV 执行）+ PhaseSwap（组件驻留管理）+ JIT 设计（动态耦合压缩执行与驻留管理） - 关键数据：24 GiB Apple 笔记本上 AIME 2026 题目答对 29/30 - 核心价值：200K token context 在 24 GiB 设备上前所未有；紧凑状态 + 生命周期感知执行可以扩展本地 serving 能力 - 与 Edge0 的对照：Edge0（arXiv:2609.18063）= MoE SSD 卸载预路由；JustFit = 端侧内存约束下的 KVExec + PhaseSwap JIT——两者是"端侧 KV 压缩"的不同技术路径
可信度：高（arXiv 论文 + MLX 实现 + 具体 benchmark 数据）
与活文档 inference.md 现有脉络的关系：inference.md §1.3 KV Cache 已有 Edge0（MoE SSD 卸载预路由）；本条是 端侧 Apple Silicon 200K context 的工程里程碑，丰富 §1.3 的"端侧 KV 压缩"双轨（Edge0 SSD vs JustFit 内存压缩）
建议归入章节：§1.3 KV Cache（JustFit 端侧 200K context · KVExec + PhaseSwap · 与 Edge0 形成端侧双轨）
增量 7：SAGA — Workflow-Atomic Scheduling for AI Agent Inference on GPU Clusters（arXiv 2605.00528，HPDC'26，⭐⭐⭐⭐）
来源：inbox/jay/2026-09-20-jay-five-category-briefing.md §📂 Backend/Inference；arXiv:2605.00528v1 · HPDC'26；Matej Kosec, Benjamin Klieger 等 NVIDIA Dynamo 团队
要点： - 核心定位：AI Agent 推理的工作流原子调度框架，在 GPU 集群上同时实现 4 维约束： - 分布式调度 ✓ - Tool TTL 管理 ✓ - 公平性保障 ✓ - 竞争比率保证 ✓ - 对比现有系统：
| 系统 | 会议 | 分布式 | Tool TTL | 公平性 | 竞争比 |
|---|---|---|---|---|---|
| Parrot (OSDI'24) | OSDI | ✗ | ✗ | ✗ | ✗ |
| Autellix | — | ✓ | ✗ | ✗ | ✗ |
| Pie (SOSP'25) | SOSP | ✗ | ✓ | ✗ | ✗ |
| KVFlow (NeurIPS'25) | NeurIPS | ✗ | ✓ | ✗ | ✗ |
| SAGA (HPDC'26) | HPDC | ✓ | ✓ | ✓ | ✓ |
- 核心理论贡献：LRU 在前缀树上最坏竞争比 O(n)；随机化算法可达 O(log n)；SAGA 的 WA-LRU 策略是首个同时满足全部四个约束的方案
- 工程意义：Agent 推理从"单 agent 内"扩展到"多 agent 集群级"；四维约束框架是理解该领域的核心概念框架
可信度：高（顶会论文 HPDC'26 · NVIDIA Dynamo 团队署名 · 系统方向 peer-reviewed）
与活文档 inference.md 现有脉络的关系：inference.md §1.2 推理调度已有 Online Scheduling（arXiv:2502.07115）和 Fluid-Guided（arXiv:2504.11320）；本条是 多 Agent 集群级调度 4 维约束统一框架，丰富 §1.2 的调度子轴
建议归入章节：§1.2 推理调度（SAGA Workflow-Atomic Scheduling · HPDC'26 · WA-LRU · 4 维约束框架）
三、值得警惕的矛盾或待核实说法
矛盾/待核实 ①：DeepSeek-V4.1-Flash KV cache 压缩四层方法核心方法待核实（中等风险）
flyp 9-20 1550 critical-read 推断的 4 条可能路线（稀疏化/量化融合 · MoE-aware KV routing · 层级 KV 共享 · 训练期 KV 预算约束）均为推断，具体方法名/公式/实验数据需从论文正式版本获取。
建议：标注"DeepSeek-V4.1-Flash 核心方法待读 arXiv 全文核实"
矛盾/待核实 ②：OSDI '26 零拷贝 KV Cache 卸载完整 arXiv ID（中等风险）
Jay 9-19 trinity briefing 标注为"OSDI '26"，但完整 arXiv ID 和论文标题未在来源中明确披露。
建议：入库时标注"OSDI '26 零拷贝 KV Cache 卸载的完整 arXiv ID 待核实"
矛盾/待核实 ③：TriAttention NVIDIA TensorRT-LLM 合入状态（低风险）
引用"2026-08-04 官方合并主分支"，但 GitHub 实际合并状态需核实 README 最新状态。
建议：标注"TriAttention TensorRT-LLM 合入状态需核实主分支 vs PR 详情"
矛盾/待核实 ④：SGLang "全球部署超 400,000 GPU"数字来源（低风险）
具体来源和统计时间点未披露。
建议：标注"400,000 GPU 数字来源待核实，建议引用原始 SGLang 官方 blog"
矛盾/待核实 ⑤：vLLM MTP KV cache 减少 23%（低风险）
HF Blog EcoHash AI 数据"MTP block 自带 attention 层需额外 cache"导致 KV cache 反向减少 23%——与"MTP 增加 attention 层需要额外 KV cache"的常理冲突，需核实原始数据。
建议：标注"MTP KV cache 减少 23% 的具体条件待核实"
四、可引用 arXiv 号列表
| arXiv 号 | 标题 | 可信度 | 与 inference.md 关系 |
|---|---|---|---|
| 2609.20625 | Chronicle: Cut-Point Replay for LLM Agent Regression Testing | 高（cc-by-4.0，2026-09-17） | 本次新增 → 建议归入 §1.2 推理调度或 §1.11 Kernel/Harness（Agent 可测试性） |
| 2609.17475 | JustFit: 200K-Token LLM Serving on 24 GiB Apple Silicon · KVExec + PhaseSwap JIT | 高（arXiv + MLX + benchmark） | 本次新增 → 建议归入 §1.3 KV Cache（端侧双轨之一） |
| 2609.17391 | FlashVector: Agent for Hierarchical Model Serving Stack Optimization · profile-diagnose-optimize-verify 闭环 | 高（Google Research） | 本次新增 → 建议归入 §1.11 Kernel/Harness（Agent-as-engineer 系统） |
| 2605.00528v1 | SAGA: Workflow-Atomic Scheduling for AI Agent Inference on GPU Clusters · HPDC'26 · 4 维约束 | 高（顶会 HPDC'26） | 本次新增 → 建议归入 §1.2 推理调度（集群级多 Agent 调度） |
| 2606.01927 | Albireo: Scaling LLM Inference Beyond Amdahl's Limits | 高 | 9-18锚定 |
| 2605.29639 | RTP-LLM: Alibaba LLM Inference Engine | 高 | 9-18锚定 |
| 2605.29979 | Fingerprinting Inference Systems of LLMs | 高 | 9-18锚定 |
| 2609.19969 | DeepSeek-V4.1-Flash: KV Cache Compression | 高 | 9-18锚定；9-20 续立 95▲ |
| 2609.17652 | Fathom: KV Cache Bit-Plane | 中高 | 9-18锚定 |
| 2609.05565 | Sustainable Distributed LLM Inference | 高 | 9-17锚定 |
| 2609.06128 | Substrate: Portable Execution for Production LLM Workflows | 高 | 9-17锚定 |
| 2609.11209 | REVA: Reusable Evidence View Aggregation for RAG Serving | 高 | 9-17锚定 |
| 2609.11758 | RAG-Safety-Bench | 高 | 9-17锚定 |
| 2609.15504 | Orthrus Lossless 反驳 | 高 | 9-17锚定 |
| 2609.19671 | When2Think: IDAC 推理深度控制 | 中高 | 9-19锚定 |
| 2609.19499 | Sample Count Is Not Enough | 中高 | 9-19锚定 |
| 2607.08057 | ACL 2026 Survey: System-Aware KV Cache Optimization | 高 | 9-19锚定 |
| 2510.09665 | LMCache 生产级 KV Cache 缓存层 | 高 | 9-16锚定 |
| 2602.21548 | DualPath Agentic 推理 I/O 瓶颈破解 | 高 | 9-16锚定 |
| 2603.09619 | Context Engineering 企业多智能体架构 | 高 | 9-15锚定 |
| 2606.06090 | MemoryArena Memory as Execution State | 高 | 9-15锚定 |
| 2603.13417 | MCP Design Patterns | 高 | 9-15锚定 |
| 2604.24971 | PolyKV 多 Agent 共享 KV cache pool | 高 | 9-15锚定 |
| 2605.00528 | SAGA（本次续用锚定） | 高 | HPDC'26 |
五、本次无显著新增量的来源说明
以下来源已检查，但无 inference 主轴净增量，或已被活文档覆盖：
- inbox/jay/2026-09-20-csdn-llm-inference-frameworks.md：LazyGraphRAG 成本数据（$0.005-0.05/1K docs）需与 Microsoft 2026 论文一致；MiniMax-M2 三框架部署指南属工程实践细节；整体已在 §1.1 框架格局和 §1.4 量化子轴锚定
- inbox/jay/2026-09-20-github-trending-rag-vllm-substack.md：vLLM 2026 工程特性（PD disaggregation AMD MI300X / FP8 KV-Cache / AMD ATOM ROCm / vLLM-Omni Diffusion Cache）属承接精修；prefix caching / chunked prefill / PagedAttention 已在 inference.md §1.1 锚定
- inbox/jay/2026-09-20-1735 github-trending-hf blog-vecdb-rag-substack：pgvector 选型共识属 engineering 邻接；AI Agents Stack 2026 Edition 6 层栈属 agent 邻接；SGLang suffix decoding 进展已在 9-19 inference e1prep 锚定
- inbox/spark/2026-09-20-llm-infra e1prep：NVIDIA Dynamo 4-tier KV memory hierarchy 和 nvext Agent Hints（增量 4 主体）、EPD Encode-Prefill-Decode Disaggregation、Network Edge Inference Survey（arXiv:2604.22906）、Dissecting GPU Utilization Hopper（arXiv:2609.12923）均为 spark llm-infra 主轴增量——其中 nvext Agent Hints（增量 4）和 Plugin4Shell（增量 5）已纳入本次 inference 增量；EPD/Survey/GPU Utilization 属 llm-infra 专项本次 inference 不重复收录
- paper_cards Sep 18-20：1434 批次 eval 主分类 0 件；llm-infra 主分类 1 件（Sample Count Is Not Enough，9-19 入库）；其余为 agent/multimodal/evaluation/rag 非 inference 主分类
六、建议今晚 E2 活文档更新优先级
| 优先级 | 内容 | 动作 |
|---|---|---|
| 🔴 最高 | Inferact/RadixArk 推理引擎治理格局分叉 | 写入 §1.1 框架格局（商业治理双维选型） |
| 🔴 最高 | Plugin4Shell（925 skills / 134,000 instances，Claude Code/Codex 已修复，Copilot/Gemini CLI 未修复） | 写入 §1.9 安全（供应链分发安全 · 高危） |
| 🔴 最高 | nvext Agent Hints API — 第四代 Agent-Engine 交互接口 | 写入 §1.3 KV Cache 或 §1.4 编排层 |
| 🟡 中 | Spheron H100 benchmark vLLM/SGLang/TensorRT-LLM 三方实测 + CSDN 92.7% GPU 利用率 | 写入 §1.1 框架格局（决策矩阵精修） |
| 🟡 中 | SGLang v0.5.19 统一 Radix Tree 默认化 | 写入 §1.1 框架格局（生产稳定性验收建议） |
| 🟡 中 | SAGA HPDC'26 workflow-atomic scheduling 4 维约束框架 | 写入 §1.2 推理调度（集群级多 Agent 调度） |
| 🟡 中 | JustFit 200K-context @ 24 GiB Apple Silicon · KVExec + PhaseSwap | 写入 §1.3 KV Cache（端侧双轨之一） |
| 🟢 低 | Chronicle Cut-Point Replay Agent 回归测试 | 写入 §1.11 Kernel/Harness（Agent 可测试性） |
| 🟢 低 | FlashVector profile-diagnose-optimize-verify 闭环 | 写入 §1.11 Kernel/Harness（Agent-as-engineer） |
本报告由 Tom 实例自动生成 · 2026-09-20 22:20 CST 增量条目：7 条（Inferact/RadixArk 治理分叉 · SGLang v0.5.19 RadixTree · Spheron H100 三方 benchmark · CSDN SGLang+vLLM 92.7% · nvext Agent Hints · Plugin4Shell · JustFit） 涉及 arXiv 号：4+25+（本次新增：2609.20625 / 2609.17475 / 2609.17391 / 2605.00528；续用锚定 25+ 个）