【菜科解读】

2001年5月，贵州黔南布依族苗族自治州首府都匀市，这座以“高原桥城”闻名的城市被一层阴霾笼罩。

短短数月内，接连发生多起年轻女性失踪或遇害案件，受害者身份各异，有工厂女工、服务行业从业者，也有无业女性，但均与施害者无显著关联。

案件的共同点在于：受害者均为20至30岁的青年女性，遇害地点多集中在城郊结合部的偏僻路段或废弃建筑内，且尸体被发现时衣衫不整，部分存在性侵害痕迹。

都匀市公安局迅速成立专案组，但受限于当时的技术条件（如监控覆盖率低、DNA数据库不完善）和犯罪分子作案手法隐蔽，案件侦破陷入僵局。

市民恐慌情绪蔓延，女性夜间不敢单独出行，甚至有传言称“变态杀手专挑红衣女子下手”，导致当地红色衣物销量骤降。

这一系列案件，成为贵州公安史上悬而未决的“都匀系列杀人案”。

恶魔真容：郭龙海的双重人生

随着调查深入，一个看似普通的名字逐渐进入警方视野——郭龙海，时年42岁，都匀市某国有铁路企业职工，已婚并育有一子。

表面上看，他性格内向、工作勤勉，同事评价其“老实本分”，家庭生活亦无异常。

然而，警方通过梳理受害者社会关系网发现，多名受害者曾与郭龙海有过短暂接触，或在其工作单位附近出现过。

进一步调查揭示了郭龙海的另一面：他早年因强奸罪被判刑10年（1983年因强奸女学生入狱，1993年获释），出狱后虽结婚生子，但内心扭曲的欲望未得根治。

据其供述，他专挑“看起来容易控制”的年轻女性下手，以“帮忙找工作”“介绍对象”等理由接近，再诱骗至偏僻处实施犯罪。

其作案动机兼具性欲发泄与对“轻浮女性”的报复心理，认为受害者“不检点”“活该受惩罚”。

罪恶轨迹：十五条生命的陨落

从1996年至2001年，郭龙海的犯罪足迹跨越贵州都匀、独山、广西柳州等地，共杀害15名女性，年龄最小的仅17岁。

以下是部分典型案件时间线：

1996年3月：在都匀市郊的废弃砖厂，郭龙海以“介绍工作”为由将19岁的女工王某骗至此处，强行发生关系后将其勒死，抛尸于砖窑内。

1998年7月：在独山县，郭龙海盯上在夜市摆摊的22岁女子李某，以“买手工艺品”为由约其见面，随后在车内将其掐晕，拖至山坡实施性侵并杀害。

2000年11月：在广西柳州市，郭龙海假扮“老板”接近在酒店打工的18岁少女张某，以“考察项目”为由带其外出，在郊区树林中将其勒死后逃离。

2001年5月：回到都匀后，郭龙海变本加厉，一个月内连续作案3起，包括在公交站尾随25岁的女会计陈某，将其拖入巷道杀害。

郭龙海的作案手法逐渐“升级”：早期仅用绳索勒颈，后期改用更隐蔽的扼颈方式；

为掩盖罪行，他会将受害者衣物撕碎或丢弃，制造“劫财劫色”假象；

甚至在部分案件中，他会返回现场观察警方调查，享受“掌控一切”的快感。

天网恢恢：恶魔的落网时刻

转机出现在2001年11月。

都匀市一名幸存者赵某（23岁，酒店服务员）向警方提供关键线索：她被一名中年男子以“谈生意”为由骗至车内，途中试图反抗时被掐晕，侥幸苏醒后逃脱，并记住了对方的部分特征（如方言口音、车辆型号）。

警方结合此前案件中目击者描述，锁定郭龙海为重大嫌疑人。

2001年11月15日，警方在郭龙海家中将其抓获。

面对审讯，他起初拒不承认，但在警方出示的物证（如从其家中搜出的与受害者相似的衣物碎片、车辆行驶记录）和心理攻势下，最终崩溃并供述全部罪行。

他甚至冷笑道：“我杀的人比你们查到的还多，你们永远找不到所有尸体。

”

经核实，郭龙海共杀害15人，其中14起案件发生在贵州都匀及周边地区，1起在广西柳州。

其犯罪时间跨度长达5年，成为新中国成立以来贵州罕见的连环杀人案。

正义审判：法律的终极裁决

2002年11月15日，黔南布依族苗族自治州中级人民法院一审开庭。

公诉机关指控郭龙海犯故意杀人罪、强奸罪，并出示了物证、证人证言、尸检报告及郭龙海的供述等证据。

法庭上，郭龙海毫无悔意，甚至声称“她们该死”“我是在清理社会垃圾”，引发旁听席一片哗然。

法院审理认为，郭龙海主观恶性极深，犯罪手段残忍，后果特别严重，社会危害极大，依法应予严惩。

2002年12月20日，一审判决郭龙海死刑，剥夺政治权利终身，并赔偿受害者家属经济损失。

郭龙海不服上诉，贵州省高级人民法院二审驳回上诉，维持原判。

2003年3月18日，郭龙海被执行死刑。

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