28
5 月
中国 AI 的一攻一守：Qwen 3.5 跑出 580 tps，Cognition 估值 260 亿美元
5 月 27 日，两个数字——一个关于速度，一个关于金钱——同时刷新了中国 AI 的天花板。
Qwen 3.5 跑出 580 tokens per second。 在 TokenSpeed 推理引擎上，针对 Agent 工作负载。这个速度由通义千问推理团队、Lightseek Foundation 的 TokenSpeed 团队、NVIDIA 和 Mooncake 联合实现，并采用了 FlashAttention-4（FA 4）优化。
Cognition 估值 260 亿美元。 Devin 的母公司完成超 10 亿美元融资，Lux Capital 和 General Catalyst 领投。年化收入 4.92 亿，企业用量年初至今增长超 10 倍。
来源：X: Alibaba_Qwen / X: swyx
一攻一守，两条战线
Qwen 是在攻——用开源模型的性价比和速度去蚕食闭源模型的份额。580 tps 不只是 benchmark 数字，它是开发者体验的核心指标。
Cognition 是在守——用商业化的深度来证明 AI 编程不是烧钱实验，是有真实付费意愿的生意。两件事共享同一个叙事：中国 AI 正在两条战线上同时证明竞争力。
580 tps 的技术细节
FlashAttention-4 在注意力计算上做了显著优化，特别适合 Agent 大量短序列推理场景。NVIDIA 的参与意味着硬件-软件协同优化。Mooncake 在长上下文推理优化上有深厚积累，可能是推动 580 tps 的关键贡献者。
260 亿背后的信号
AI 编程 Agent 的企业市场正在经历一个转折点：Qwen 在模型层证明技术力，Cognition 在应用层证明商业力。
延伸阅读
分享这篇文章
RELATED
Posts
Llama Windows 上手：Windows 11 托盘一键跑本地大模型，不用命令行
一句话结论：Llama Windows 是 Hugging Face 2026 年 10 月 13 日发布的免费开源 Windows 11 托盘应用（MIT 许可），把 llama.cpp 包装成「点图标、选模型、下载、开聊」四步，不需要终端、不需要编译、不需要管理员权限。它同时在本机提供 OpenAI 兼容接口，适合第一次在自己电脑上跑开源模型的人，也适合想给脚本接一个本地模型的开发者。 AI 摘要 资源类型：免费开源软件（Windows 11 桌面应用）来源：Hugging Face 官方博客发布，代码在 GitHub ggml-org/Llama-Windows适合人群：想在 Windows 电脑上离线跑开源模型的普通用户、需要本地 OpenAI 兼容接口的开发者使用价值：自动安装和管理 llama.cpp，一键下载推荐模型，模型缓存与其他 Hugging Face 工具共享风险边界：项目很新（GitHub 87 星，2026-10-14 核查）；官方博客和 README 给出的本地端口不一致，需以本机实际为准 资源信息 资源名：Llama Windows（代码仓库内名称...
HowToCook 程序员做饭指南：10 万星开源菜谱怎么用、怎么部署、怎么接 AI
HowToCook 程序员做饭指南是 GitHub 10.2 万星的开源菜谱库，372 道家常菜用量精确到克。本文讲清在线使用、Docker 本地部署、按食材找菜工具和 MCP 接入 AI 助手的方法与风险。
Sharp 图片预处理：给 AI 截图输入建立尺寸上限和独立输出
Sharp 图片预处理适合将人工选定的图片规则写进 Node.js 流程。本文包含官方安装渠道、平台要求、完整单图脚本和独立输出目录设计，说明尺寸上限、不放大小图、无损编码与缩放损失的区别。示例以静态 PNG 为起点，要求比较小字和识别退化，不覆盖原件，不保证压缩率，也不把像素限制当作完整上传安全方案。
Python jsonschema：给模型输出加一道可执行的数据合同
Python jsonschema 可以把模型输出的数据合同变成可执行检查。本文包含虚拟环境安装、官方包下载、完整校验脚本和四个正反样本，解释 required、额外字段、格式检查与语义真实性的区别，并说明跨平台运行和失败处理方法。适合信息提取与工具参数入口，不调用收费模型，也不把结构通过误写成业务正确或权限批准。
Promptfoo 上手：先用本地输出检查评测规则，再连接模型
Promptfoo 可用 Echo provider 检查变量、模板和断言，不必调用模型。本文给出独立目录安装方法、Node 版本要求、两条合成样本配置及预期通过和失败路径，说明本地报告、锁文件、外部评分和隐私风险。适合已有固定任务的开发者建立回归入口，不提供未执行的准确率成绩，也不把本地工具与免费模型额度混为一谈。
Mermaid CLI：把 Agent 流程图源文件放进可重复的构建流程
Mermaid CLI 能把流程图源文本转为可构建的文档资产，适合经常随 Agent 代码变化的审批与异常流程。本文提供官方源码、项目内安装、引擎检查、完整示例和 SVG 导出命令，说明浏览器依赖、中文字体、版本锁定及 CI 隔离边界。它不是在线编辑器的重复介绍，也不把图像导出成功当成业务流程已经正确实现。
jq 日志整理：把 AI 调用的失败与未知用量留在统计里
jq 调用日志整理可以帮助 AI 开发者识别重试、失败与缺失 usage，避免把未知用量误记为零。本文提供三个平台的官方安装路径、三行合成 JSONL、TSV 导出过滤器及任务去重统计，说明跨平台引号、内存限制和实际账单核对边界。不读取真实客户数据，不代替供应商结算，也不把调用次数当作成功任务数量。
剪映全平台教程合集：AI 赋能视频剪辑的入门资源包（Windows / macOS / iOS / Android）
剪映全平台教程合集：Windows、macOS、iOS、Android 四端一站式入门资源，覆盖安装包、使用教程、AI 字幕/配音/抠图实战，适合短视频创作者和自媒体运营。
DeepSeek Harness（dsh）开源：DeepSeek 把自家跑模型 benchmark 的 agent harness 直接放出来了
DeepSeek 把内部跑 V4-Flash benchmark 的 agent harness 以 MIT 协议开源，叫 DeepSeek Harness（dsh）。全插件化、模型无关、4 种 runtime 模式，开发者预览版可上手。
Google 发布 Gemini 3.8 Flash TTS / Flash-Lite TTS：把 Gemini Audio 系列拉到「商用级别」的最后一公里
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS：基础 Gemini 3 Pro、最长 64K token 音频输出、AI Studio 新增语音设计工作区，与 ElevenLabs、OpenAI Voice Engine 正式同台竞争。
评论 (2)
[…] 中国 AI 的一攻一守：Qwen 3.5 跑出 580 tps，Cognition 估值 260 亿美元 […]
[…] 中国 AI 的一攻一守：Qwen 3.5 跑出 580 tps，Cognition 估值 260 亿美元 […]
评论被关闭。