本期覆盖截至北京时间 2026 年 11 月 15 日清晨、最近约 48 小时内可核验的发布。重点不是再排一张模型榜，而是两类更实际的问题：本地模型怎样成为可维护的服务，助手又怎样识别用户选错了解题路径。 以下数字均为发布方报告，本站未复测。

1. llama.cpp 与 ggml 发布库版本 1.0.0：明确接口变更边界

时间：团队文章标注 2026-11-13；HF 官方订阅源标注 14:05:22 UTC，即北京时间 11 月 13 日 22:05:22。来源：ggml-org 团队公告｜HF 订阅源。

事实。 团队宣布 llama.cpp 与 ggml 的库版本进入 1.0.0，并承诺用主版本变化显式反映 API、ABI 不兼容。公告列出的语义化版本规则是：公开 C API 破坏性变化升主版本；兼容的新功能、后端更新和模型支持升次版本；不改 API 的修复升补丁版本。

公告还介绍扩展软件分发渠道与多硬件 CI 的方向。这里的里程碑是库接口与发布约定，不是同名新模型，也不是声称所有下游打包渠道已同步完成更新。

为什么重要。 本地 AI 产品不只依赖推理速度，也依赖升级能否被预期。接口破坏被明确标记后，桌面应用、语言绑定与系统包维护者更容易设置兼容范围、安排迁移，而不必只跟着连续提交猜测影响。

待观察。 版本号能说明变更类别，却不能代替真实兼容测试。仍应跟踪模型新增支持、不同后端与打包版本之间的差异，以及已有应用是否及时采用新的版本约束；「1.0」不等于以后不会发生破坏性变更。

2. 英伟达双 DGX Station 教程：吞吐峰值不是单用户速度

时间：英伟达技术博客标注 2026-11-13，未给出正文具体时刻。来源：NVIDIA 官方教程。

事实。 教程用两台 GB300 DGX Station，经 ConnectX-8 RDMA 互联，以 vLLM 的两路张量并行服务 GLM-5.3 NVFP4，向应用提供一个 OpenAI 兼容端点。发布方称模型总参数为 7530 亿、每 token 激活 400 亿，检查点约 464 GB，超过单块 GB300 的 252 GB HBM3e；稀疏激活减少计算，并不意味着其余权重可以不用存储。

在官方 SPEED-Bench Coding 设置下，启用前缀缓存、每步四个 MTP 草稿 token 与 FP8 KV 缓存时，配置并发为 16 的总输出吞吐为 607.8 token/s，平均请求延迟为 136.46 秒；并发为 32 时，总吞吐降至 385.0 token/s，平均请求延迟升至 453.54 秒。607.8 是并发请求的总体吞吐，不是每位用户都获得的生成速度。

为什么重要。 这份教程的价值是把权重容量、跨机通信、缓存与并发排队放在同一张账本里。两台机器共同参与每个请求，显存仍各自独立；「模型装得下」只是第一步，继续提高并发也不保证吞吐继续上升。

待观察。 官方测试针对特定编码提示、推理强度及缓存设置，不能直接外推到长上下文、多模态或多用户生产流量。还需核对业务自身的尾延迟、输出质量和总成本；本地运行没有按 token 的云端账单，不代表没有设备、用电与维护成本。本站只读取教程，未执行其中的部署或容器命令。

3. Ai2 发布 XYBench：识别目标之后，还要敢于纠正路径

时间：Ai2 团队文章标注 2026-11-13；HF 订阅源标注 17:02:35 UTC，即北京时间 11 月 14 日 01:02:35。来源：Ai2 官方团队文章｜数据集。

事实。 XYBench 检查助手如何处理「想实现 X，却误以为必须先做 Y，于是只询问 Y」的情况。文章报告 8,115 道题，分别衡量答案是否包含表面请求与真实目标的解法、主要强调哪一种，以及是否指出误解。数据来自公开论坛、人工整理与基于 WikiHow 的合成问题，因此不能把全部样本写成真实用户提问。

发布方在单轮设置中评测五个模型。在 Stack Overflow 子集，回答包含真实目标解法的比例为 59%–71%，但主要聚焦真实目标的比例只有 35%–41%。另一个选择题实验中，六个模型选择目标导向答案的比例为 71%–84%。这些是不同协议：能辨认较好的建议，不等于生成答案时会优先给出它。

为什么重要。 助手有时会一边提出正确诊断，一边用大部分篇幅优化错误路线。只检查「有没有提到正确答案」会掩盖这个问题。XYBench 将解法出现、回答重心与纠错行为分开，较接近真实咨询中的实用性。

待观察。 当前主要覆盖英语程序性问题，使用 Sonnet 4.5 自动评判；人工检查中，对回答重心的判断一致性低于对解法是否出现的判断。还需验证中文、多轮澄清及真实任务结果，不能把这份基准直接当成当前所有模型的能力排名。

今日判断

今天的两条信号可以归结为：推理服务要可维护，助手建议要真正面向目标。 llama.cpp 的版本承诺解决升级契约，双机推理教程提醒我们区分总吞吐与用户体验，XYBench 则提醒我们区分「提到了正确方向」与「实际引导用户走对方向」。

下一轮更有价值的比较，应同时覆盖接口兼容性、业务负载下的延迟，以及用户最终是否少走弯路；这些都不能由单个速度数字或选择题分数替代。

来源与核验边界

本次量子位 WordPress API 返回 HTTP 403；OpenAI 官方 RSS 可读，但 Shield 客户案例正文返回 403，未将摘要扩写成完整报道。HN Firebase 热门帖仅用于发现线索：Lovable 数据暴露报告虽在近期受到讨论，其正文提及更早的报道且未明确本轮更新日期，因此未冒充近 48 小时的新披露。以上三条正文均从发布方页面读取；日期以正文或官方订阅源为准，不将社区转帖时间当作事件发布时间。