【菜科解读】

2003年的湖北潜江，这座位于江汉平原腹地的小城，平日里生活节奏舒缓，人们过着简单而平静的日子。

然而，一场突如其来的连环杀人案，如同一颗重磅炸弹，打破了这份宁静，让整个荆楚大地都笼罩在一片恐怖的阴霾之中。

潜江，以其丰富的水资源和肥沃的土地闻名，是重要的商品粮基地。

这里的居民大多朴实善良，邻里之间相处和睦。

但谁也没有想到，一个冷血无情的杀手正潜伏在这片看似祥和的土地上，伺机而动，准备掀起一场血雨腥风。

凶手初现：第一起血案

2003年8月5日，潜江市广华办事处的一处偏僻路段，发生了一起令人震惊的抢劫杀人案。

当天傍晚，一辆白色的桑塔纳轿车停在路边，车内坐着司机和一名乘客。

突然，一名男子手持手枪，悄无声息地靠近轿车，猛地拉开车门，将枪口对准了司机和乘客。

在短暂的威胁和挣扎后，凶手扣动了扳机，司机和乘客当场死亡。

随后，凶手抢走了轿车和一些财物，迅速逃离了现场。

这起案件引起了当地警方的高度重视，他们迅速成立了专案组，展开调查。

然而，由于现场留下的线索极少，凶手作案手法老练，警方在初期并没有取得实质性的进展。

这起案件就像一颗投入平静湖面的石子，虽然激起了层层涟漪，但却没有让警方找到凶手的踪迹。

连环作案：恐惧蔓延

在第一起案件发生后的一个多月里，潜江及周边地区又接连发生了多起类似的抢劫杀人案。

9月6日，荆州市荆州区发生一起持枪抢劫案，一名出租车司机被杀害，车辆被抢走；

9月10日，宜昌市发生一起抢劫案，一名商人被枪杀，财物被劫；

9月14日，潜江市又发生一起抢劫杀人案，一名个体老板在自家门口被凶手枪杀，家中的现金和贵重物品被洗劫一空。

这些案件的作案手法极为相似，凶手都是单独作案，手持手枪，目标明确，作案后迅速逃离现场。

随着案件的不断发生，恐惧在荆楚大地上迅速蔓延开来。

人们不敢轻易出门，出租车司机不敢在偏僻路段拉客，商家们也加强了安全防范措施。

整个社会陷入了一种紧张和不安的氛围之中。

凶手画像：神秘的谢先荣

警方通过对多起案件的分析和比对，逐渐勾勒出了凶手的大致画像。

凶手是一名男性，年龄在30 - 40岁之间，身高约1.75米，体型偏瘦，操湖北口音。

他作案时手段残忍，心狠手辣，具有极强的反侦查能力。

警方根据这些特征，在全省范围内展开了大规模的排查工作。

经过不懈的努力，警方终于锁定了一个可疑人物——谢先荣。

谢先荣，1966年出生于湖北潜江，曾因盗窃、抢劫等罪名多次被判刑入狱。

出狱后，他一直没有正当职业，游手好闲，经常与社会上的不良人员混在一起。

警方调查发现，谢先荣在案发前后经常出现在各个案发现场附近，而且他具备作案所需的枪支和交通工具。

种种迹象表明，谢先荣极有可能就是这起连环杀人案的凶手。

围捕行动：生死较量

在掌握了足够的证据后，警方决定对谢先荣展开围捕行动。

2003年10月12日下午，警方得到线报，谢先荣出现在潜江市王场镇的一处废弃砖瓦厂内。

专案组迅速调集了大量警力，将砖瓦厂团团包围。

当警方逐渐靠近砖瓦厂时，谢先荣察觉到了危险。

他手持手枪，躲在一间破旧的房屋内，负隅顽抗。

警方多次喊话，劝他放下武器，投降自首，但谢先荣却置若罔闻，继续与警方对峙。

随着时间的推移，天色渐渐暗了下来。

为了尽快将谢先荣抓获归案，避免造成更多的人员伤亡，警方决定采取强攻措施。

在密集的火力掩护下，特警队员们迅速冲向房屋。

谢先荣见大势已去，企图负隅顽抗，但最终被警方击中腿部，失去了反抗能力。

随后，警方将他制服，并从他身上搜出了一把手枪和部分弹药。

真相大白：恶魔的末路

在被警方抓获后，谢先荣对自己的犯罪事实供认不讳。

他交代，自己出狱后，由于没有正当收入来源，生活陷入困境。

为了满足自己的私欲，他决定铤而走险，通过抢劫杀人来获取财物。

他精心策划了每一起案件，选择偏僻的路段和独自出行的目标作为作案对象，以确保作案的成功率。

谢先荣的犯罪行为给无数家庭带来了沉重的打击和痛苦。

那些被他杀害的人，有的正值青春年华，有的上有老下有小，他们的离去让家人陷入了无尽的悲痛之中。

谢先荣的所作所为，严重破坏了社会的安宁和稳定，引起了社会的公愤。

2003年12月19日，谢先荣被依法执行枪决。

英伟达力荐，小团队两个月开源一款「光速级」智能体推理引擎

尤其是在 Coding Agent 爆发之后，算力问题变得前所未有地尖锐。

Claude Code、Codex、Cursor 等产品正在把 AI 从「问答工具」变成「持续运行的软件协作者」，单次会话轻松突破 50K tokens，系统负载转向了更极端、更复杂的智能体负载。

最近有关算力的大新闻层出不穷。

今天的最新消息：马斯克的 SpaceX 与 Anthropic 宣布达成了重磅协议，超过 22 万块英伟达 GPU 将为 Anthropic 所用。

而 Anthropic 对与 SpaceX 合作开发未来的太空算力体系「表示有兴趣」。

在如此庞大的算力需求下，除了开源还有节流。

也是今天的最新消息：OpenAI 发布了多路径可靠连接 (MRC)，可帮助大型 AI 训练集群更快、更可靠地运行，并减少 GPU 时间的浪费。

我们知道，即便只是单 GPU 吞吐率上的微小提升，一旦应用到生产级集群中，也能够在服务持续增长需求的同时，节约相当可观的算力。

来自 LightSeek Foundation 的一个小团队，在两个月时间内打造了一个全新的，号称「光速」的大模型推理引擎 TokenSpeed。

这一引擎拥有 TensorRT LLM 级别的性能，vLLM 级别的易用性。

并且拥有 NVIDIA Blackwell 上最快的 MLA 注意力内核。

一经发布，TokenSpeed 就受到了英伟达发推文力荐。

目前，该引擎已经开源。

让我们参阅其技术博客，来深入了解「光速」引擎的技术细节。

博客标题：TokenSpeed: A Speed-of-Light LLM Inference Engine for Agentic Workloads 博客链接：https://lightseek.org/blog/lightseek-tokenspeed.html Github 链接：https://github.com/lightseekorg/tokenspeed TokenSpeed 技术简介 TokenSpeed 从第一性原理出发，专门为智能体推理场景设计。

它为智能体负载提供接近「光速级」的推理能力，核心包括：基于编译器的并行建模机制、高性能调度器、安全的 KV 资源复用约束、支持异构加速器的可插拔分层 kernel 系统，以及用于低开销 CPU 侧请求入口的 SMG 集成。

建模层采用本地 SPMD（Single Program, Multiple Data，单程序多数据）设计，在性能与易用性之间取得平衡。

TokenSpeed 允许开发者在模块边界指定 I/O placement 注解。

随后，一个轻量级静态编译器会在模型构建过程中自动生成所需的 collective operation，从而无需手动实现通信逻辑。

TokenSpeed 调度器将控制平面（control plane）与执行平面（execution plane）解耦。

控制平面使用 C++ 实现，并被构建为一个有限状态机（FSM），结合类型系统，在编译期而非运行期强制执行安全资源管理，包括 KV cache 状态转移与使用。

请求生命周期、KV cache 资源以及重叠执行时序，都通过显式 FSM 状态迁移与所有权语义进行表示，因此系统正确性并非依赖约定，而是由一个可验证的控制系统来保证。

执行平面则使用 Python 实现，以保持开发效率，使研究人员与工程师能够更快进行功能迭代，并降低整体认知负载。

TokenSpeed 的 kernel 层将 kernel 从核心引擎中解耦，并将其视为一级模块化子系统。

它提供了可移植的公共 API、集中的注册与选择机制、组织良好的实现结构、面向异构加速器的可扩展插件机制、经过整理的依赖体系，以及统一的快速迭代基础设施。

与此同时，团队还针对 NVIDIA Blackwell 架构进行了大量性能优化。

例如，他们构建了当前智能体负载场景下速度最快的 MLA（Multi-head Latent Attention，多头潜在注意力）kernel 之一。

在 decode kernel 中，由于部分场景下「num_heads」较小，团队通过对「q_seqlen」与「num_heads」进行分组，以更充分利用 Tensor Core 的计算能力。

而 binary prefill kernel 则包含了经过精细调优的 softmax 实现。

目前，TokenSpeed MLA 已被 vLLM 采用。

TokenSpeed 性能预览 Coding Agents（编码智能体）带来了异常严苛的推理工作负载，上下文通常会超过 50K tokens，对话也经常跨越数十轮。

大多数公开基准测试并不能充分捕捉这种行为。

研发团队与 EvalScope 团队一起，基于 SWE-smith 轨迹对 TokenSpeed 进行评估，这些轨迹密切反映了生产环境中 Coding Agents 的流量情况。

由于生成速度对 Agent 的用户体验至关重要，因此，团队的目标是在维持单用户 TPS（每秒 token 数）下限的同时，最大化单 GPU 的 TPM（每分钟 token 数）—— 通常是 70 TPS，有时是 200 TPS 或更高。

此外，研发团队针对 TensorRT-LLM（目前 NVIDIA Blackwell 平台上的最高水平）对这一设计进行了基准测试，并在认为针对 Agentic workloads 存在更好权衡的地方，采取了与之不同的设计方案。

下图展示了在不同部署配置下（无 PD 解耦），TokenSpeed 与 TensorRT-LLM 的 Kimi K2.5 性能帕累托曲线（Pareto curves）。

每条曲线都以 TPS/User（横轴）作为延迟指标，以 TPM/GPU（纵轴）作为吞吐指标，并通过扫描并发数绘制而成。

对于 Coding Agents（高于 70 TPS/User），最佳配置是 Attention TP4 + MoE TP4。

在这一配置下，TokenSpeed 在整个帕累托前沿上均优于 TensorRT-LLM：在最低延迟场景下（batch size 1）大约快 9%，在 100 TPS/User 附近吞吐量大约高 11%。

团队表示，他们的核心优化之一是 TokenSpeed MLA。

下图对比了 TokenSpeed MLA 与 TensorRT-LLM 的 MLA，后者是目前 NVIDIA Blackwell 上的 SoTA。

可以看出来，优化后的二进制版本预填充内核（prefill kernel），使用 NVIDIA 内部旋钮来微调 softmax 实现，在 Coding Agents 的五种典型预填充工作负载（带长前缀 KV cache 的 prefill）中，都超过了 TensorRT-LLM 的 MLA。

解码内核则将查询序列轴折叠进头轴，以更好地填充 BMM1 的 M tile，从而提升 Tensor Core 利用率。

结合其他优化，在带有 speculative decoding 的典型解码工作负载中（batch size 为 4、8、16，且带长前缀 KV cache），这使得相对于 TensorRT-LLM 来说，延迟几乎降低了一半。

最后，研发团队也表示，该项目于 2026 年 3 月中旬启动开发，虽然目前展示了惊人的性能，但仍有大量底层代码（如 PD 分离、KV 存储等）正在合并和完善中，接下来将继续推进。

从上述性能表现来看，不难看出，TokenSpeed 的出现旨在通过更现代化的架构设计，打破传统推理框架在易用性与极致性能之间的平衡点，为大规模 Agent 部署提供了一个高性能、开源的底座。

而英伟达的力荐，也说明推理引擎正在成为 Agent 时代基础设施竞争的一个新焦点。

更多信息，请参阅原博客！ 参考链接： https://x.com/lightseekorg/status/2052048105412141376 https://x.com/NVIDIAAI/status/2052061195381911806

“4只皮皮虾1035元”最新进展：当事人称已接到最新回复“市监局说价格没问题”

5月7日上午，记者联系上该网友，其回复称目前已经接到三亚市场监督管理局说价格没问题。

据极目新闻：5月5日，有网友反映，其在三亚一家海鲜店宵夜时，仅4只皮皮虾就花费1035元，价格过高，店家存在宰客行为。

网友发帖 该网友发布的图片显示，其于5月4日晚间前往三亚某海鲜店用餐，点了中号红花蟹、大号泰国濑尿虾、椰子饭及部分酒水饮品，4人共计消费1815元。

账单显示，大号泰国濑尿虾的单价为每千克1512元；

另一张点菜单则标注“大泰虾”4只，单价756元。

该网友在帖子中明确表示，已拨打12345政务服务热线进行投诉。

评论区多名网友称价格过高，并表示在其他地方吃没有这么贵。

账单 6日凌晨，三亚市市场监督管理局微信公众号发布情况通报回应此事：“5月5日，我们关注到有网友反映我市一海鲜店存在价格过高的问题，我局立即联合相关部门介入调查，目前三亚放心游平台已启动先行赔付机制。

一旦查实存在违法违规行为，我们将依法从严处理，绝不姑息。

” ▌来源：大象新闻、极目新闻 ▌编辑：韩明霞 校对：汤琪