【菜科解读】

很多用户在高德上都下载了小团团语音包，但是导航的过程中就发现全程就基本上都是机械音很少有小团团的声音，没有达到用户想要的搞笑效果，那么这究竟是怎么回事，现在小编来为大家解答一下。

高德地图小团团语音包怎么不搞笑机械音？

官方解释是，这个机械音是用电子音合成的，因为导航是一个严肃的事情，不能把它当成一个好玩的事，本次团团的语音只是给大家偶尔添加一些乐趣。

小编觉得吧，电子音这个东西现在还是不可避免的，因为地名实在太多了，所有的合成音都是地名，这个肯定是无法避免的。

不过小编还是整理一些触发彩蛋的妙用：

1、日常常见的语音，就是走错路了，偏离航线，肯定就会触发语音特效。

2、步行的时候遇到标志性建筑物，这个时候也是有着语音触发的。

3、还有重复犯的错误也会触发另外的语音。

4、皮的时候，你走路的时候突然皮起来也会触发语音的哦。

其实一般的真人导航都是录取关键的词，比如说前方100米进入北京路，这句话中可能就只录取前方、进入，其他的都是机器合成的。

这样的录音方法一方面是为了减少录音人的麻烦，全国那么多路，总不能一条条全说一遍。

另一方面，机械音会让人保持专注，在遇见转弯或者其他要注意的地方的时候就能够打起精神，更加专心，而一般的真人的声音只是为了让大家放松。

以上就是小编带来的高德地图小团团语音包怎么不搞笑？团团语音包为什么是机械音了，更多相关资讯教程，请关注菜科网安卓。

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

广东佛山一丽枫酒店房间内现大量红褐色虫子 专业人士判断系床虱

（来源：社交平台） 信网·信号新闻5月7日讯近日，有网友在社交平台爆料，入住广东一家丽枫酒店（广东佛山顺德大良清晖园石湖路店）时，房间内有多只“身份不明”红褐色虫子在爬。

酒店方面回应信号新闻(0532-80889431)称，此事属实，会进行全面消杀。

4月19日，有消费者在小红书平台发布 “避雷帖”，称入住上述酒店后，在房间里发现很多虫子。

其发布的视频里，地板、台阶、毛巾上，都有红褐色多足小虫在爬。

评论区里，多位网友认出这是“床虱”，也有人认为，这可能是蜱虫。

信号新闻联系了事发的丽枫酒店，工作人员承认确有此事。

据其介绍，4月18日晚，三位女性消费者入住后，反映房间出现大量红色小虫，酒店立即派人到场查看，确认房间内确实有很多虫子在活动。

鉴于此事给客人带来了不好的体验，酒店第一时间向客人道歉，并将客人的三人间免费升级为最高价位的商务套房，并赠送水果。

该工作人员称，涉事房间此前进行过装修，且很长时间没有开放入住，虫子大概率是从窗户飞入室内。

该酒店还是宠物友好型酒店，也不排除虫子是被宠物携带进入。

工作人员表示，酒店后续会开展全面消杀与清洁排查，杜绝类似问题再次发生。

信号新闻将消费者拍摄的虫子影像交由深圳市华昇环保有限公司，工作人员根据形态特征初步判定：该虫体呈红褐色、体型圆润，具足与触角，符合床虱（臭虫）特征。

据介绍，床虱（臭虫）会叮咬吸血，导致皮肤红肿瘙痒、抓破后引发感染，严重影响睡眠与精神状态；

虽不传播传染病，但繁殖速度极快，一只雌虫在温度适宜的环境下，2至3个月便可繁殖至800至1000只，极难根除。

（信网记者） 小虫特写。

（来源：社交平台）