【菜科解读】

2010年5月8日18时许，江西省吉水县八都镇城元村笼罩在细雨中。

这个以水稻种植为主的村落，在春耕时节本应充满生机，却因一场蓄谋已久的杀戮陷入永恒的黑暗。

当日19时50分，吉水县公安局接到村民报警后，在村口将浑身是血的周叶忠抓获，此时距离他挥出第一刀仅过去1小时40分钟。

这起案件共造成8人死亡，包括周叶忠10岁的女儿、80岁的母亲、妻子康秋英，以及4名邻居和1名外乡务工者，年龄跨度从10岁到83岁。

恶魔养成记：从赌徒到屠夫的蜕变

扭曲的成长轨迹

1974年出生于浙江龙游的周叶忠，因新安江水库建设随父迁至江西吉水。

作为家中幼子，他自幼备受溺爱，初中辍学后混迹社会，养成暴躁易怒的性格。

20岁时与外乡女子康秋英结婚，婚后因性格不合频繁争吵。

康秋英性格强势，常因琐事辱骂丈夫，甚至在争吵中叫来娘家人压制周叶忠，这种长期的精神压迫成为他心理扭曲的催化剂。

赌博深渊与婚姻裂痕

2008年后，周叶忠沉迷赌博，将家中积蓄挥霍一空，甚至抵押房产继续赌局。

2009年9月，他因赌博欠下巨额债务，被妻子当众羞辱后服农药自杀未遂。

养病期间，他发现妻子频繁出入盲人邻居胡东升家，疑心妻子与胡东升有不正当关系。

这种猜忌在村民的闲言碎语中不断发酵，最终成为压垮他理智的最后一根稻草。

血色黄昏：1小时40分钟的杀戮狂欢

第一幕：弑亲

18时许，周叶忠在家中与妻子爆发激烈争吵。

目睹妻子再次前往胡东升家后，他先进入女儿房间，用柴刀砍向正在写作业的10岁女儿周小敏。

女儿倒地后，80岁的母亲闻声赶来，跪地哀求：“她是你女儿啊！”周叶忠却冷血地砍向母亲，老人当场身亡。

第二幕：灭邻

随后，周叶忠提着带血的柴刀冲进胡东升家。

此时胡东升83岁的母亲吴秀正在厨房做饭，周叶忠一刀砍中老人颈部。

听到动静的胡东升从房间走出，被周叶忠连砍数刀倒地。

据法医鉴定，胡东升下体被残忍割除，显示出凶手极度的扭曲心理。

第三幕：追杀

返回家中途中，周叶忠遇到试图报警的村民叶文娥和周年妹。

他挥刀追砍，将两人砍倒在血泊中。

此时，在村里打工的湖南人左华生恰好路过，被周叶忠随机选中成为第七名受害者。

第四幕：绝杀

当周叶忠提着滴血的柴刀走向村民张某家时，62岁的王老太太手持手机报警，被他发现后一刀砍死。

至此，8条生命消逝在这个春日的黄昏。

警方赶到时，周叶忠正持刀与村民对峙，最终被特警制服。

血色现场：法医记录中的恐怖细节

根据《吉水特大杀人案现场勘查报告》显示：

周小敏身中17刀，头部被砍至颅骨外露

吴秀老人颈部伤口深达8厘米，几乎断头

胡东升全身有23处刀伤，下体被割下置于桌面

左华生背部有9处贯穿伤，刀刀致命

王老太太手机屏幕碎裂，通话记录停留在110未接通状态

这些数据背后，是8个家庭支离破碎的悲剧。

10岁的周小敏本应享受童年，83岁的吴秀老人本该安享晚年，却都成为周叶忠泄愤的牺牲品。

司法审判：正义的铁拳

2010年6月11日，吉安市中级人民法院公开审理此案。

法庭上，周叶忠承认所有罪行，但辩称“妻子不忠，母亲偏袒妻子，女儿无人照顾”。

检察官当庭反驳：“即便婚姻存在矛盾，也不能成为杀害8条无辜生命的理由！”

法院审理认定：

犯罪动机卑劣：因猜忌妻子出轨而迁怒他人

犯罪手段残忍：对老人、儿童等弱势群体痛下杀手

社会危害极大：在村落中造成集体恐慌

经合议庭评议，法院以故意杀人罪判处周叶忠死刑，剥夺政治权利终身。

周叶忠未提出上诉，江西省高级人民法院复核后，最高人民法院核准死刑。

2010年7月15日，周叶忠在吉安被执行枪决。

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