EVIDENCE REGISTER

来源、证据等级与更新边界

找到一篇讨论文章，不等于找到了可核验的模型或系统事实。凡是会影响架构、容量、性能或部署判断的 2026 年主张，这里都尽量回到原始论文、官方模型卡、正式 release 或项目文档。

返回主线最后整理：2026-07-16

证据等级

等级	可以支撑什么	不能支撑什么
A · 一手	论文、官方模型卡、官方 release、官方文档/仓库中明确写出的机制、模型规格、实验设置。	未披露的训练数据、内部拓扑、未发布版本的细节。
B · 可复现实现	公开 runtime 的模型支持、kernel、配置与复现实验。	把实现者的兼容层推成模型官方设计。
C · 专业解读	选题、机制直觉、对公开材料的解释与批评。	未经一手材料确认的模型参数、内部系统数字和未来发布信息。
D · 传闻/推测	提示应继续核验的问题。	任何确定性的技术结论。

基础模型、attention 与 MoE

Attention Is All You Need：Transformer 原始架构。
GLaM：公开大规模 MoE 架构与稀疏激活背景。
vLLM / PagedAttention：连续批处理与分页 KV serving 基础。
FlashAttention、FlashAttention-2：attention 的 I/O-aware kernel 基础。
KIVI：KV cache 量化代表性工作。

结构图审计

插图只在能够追溯到论文、模型卡或官方技术资料，而且确实能解释模型结构、系统数据路径、协议分层、物理拓扑或实验结果时保留。图注会注明来源、它能说明什么，以及哪些结论不能由它推出。审计清单见 visual-audit.json。

目录页、跨模型比较页和跨供应商控制面页不强行放图。相关公众号内容目录、开放模型横向页、部署边界页和 Systems for ML 论文目录都不存在一张可信的“统一厂商架构图”，因此直接链接到各模型专题、论文或官方 API 文档，不再用模板图填充页面。

2026 语言模型与结构报告

对象	一手来源	在 Mainline 中的位置
DeepSeek V3 → R1 → V3.2 → V4 / OCR	V3 report；R1；V4 report；OCR-2	37 完整谱系；13 V4 深挖
GLM-5 → 5.1 → 5.2	GLM-5 report；5.1 模型卡；5.2 模型卡；IndexCache	14 完整谱系
Gemma 4 / DiffusionGemma	官方模型卡；MTP 文档；QAT	15 模型、MTP、QAT 与部署
DiffusionGemma	Google 官方发布	11 diffusion text、15
Qwen3.5 → 3.6 → 3.7	3.5 模型卡；3.5/3.6 repo；3.7 产品页	34 完整谱系
Kimi K2 → K2.7-Code / Composer	K2.5 report；K2.7-Code；Composer 2.5	33 完整谱系
Hy3-preview → Hy3	Preview 模型卡；Hy3 模型卡；正式公告	35 完整谱系
MiniMax M1 → M2.7 → M3	M2 report；MSA report；M3 模型卡	36 完整谱系

Runtime、KV 与数据中心

vLLM 官方文档：运行时语义、prefix cache、分布式执行。
SGLang 官方文档：前缀复用、调度和结构化生成的工程参考。
Gemma MTP 官方文档：多 token prediction 的配置与运行时边界；完整机制见 21。
Mooncake：KV-centric P/D disaggregation 的 FAST 2025 公开系统论文。
RTP-LLM：2026 大规模服务栈、PD、层级 KV 和多模态说明。
Scaling Pain、ZCube：2026 生产系统经验与数字，作为厂商技术报告阅读。
NCCL 官方文档、TensorRT-LLM 文档：collective、量化和 runtime 细节。

开权重、托管 API、缓存与可靠性

对象	一手来源	在 Mainline 中的位置
开权重 self-host	Kimi deploy guidance；Qwen vLLM recipe；Hy3 repo；各模型卡。	38 自部署
OpenAI / Google / xAI 托管控制面	OpenAI Batch；Gemini cache；xAI cache。	39 托管 API
缓存与 Agent 状态	PagedAttention；Mooncake；DeepSeek user_id / rate limits。	40 cache / Agent
容量、区域与可靠性	OpenAI data controls；Vertex Provisioned Throughput；Robust LLM Training Infra。	41 可靠性

Systems for ML 论文目录快照

mental2008/awesome-papers 的 Systems-for-ML 目录是人工整理的 GitBook，并非自动爬取的论文全集。Mainline 基于 2026-07-15 的 commit ccaaf4a 生成快照，收录 226 条题名及原论文或代码链接。快照保留上游归属和 MIT 许可证说明，但不复制上游笔记、图片或论文正文。入口见 42 · 系统论文目录。

网络、互联、存储与 DPU：2026 公开基线

对象	一手来源	在 Mainline 中的位置
Ethernet Scale-up	OCP ESUN 1.0：2026-03 的公开规范发布，涵盖 lossless、拥塞控制、链路级 retry、小消息和多跳 scale-up。	22、24
Ultra Ethernet	UEC Specification History：当前公开版本是 1.0.2（2026-01-28），用于版本边界，不用营销名替代具体语义。	23、24
推理 fabric	OCP Aligned AI Inference Fabric Reference Architecture（2026-04）：多租户、前后端流量、RDMA 后端、控制面与运维参考。	26、29
NCCL / DPU / 设备接口	NCCL 官方文档与硬件/网络厂商文档用于核验 collectives、设备亲和性、DMA 与卸载边界；不把二手文章的内部实现写成事实。	25、27、30

Agentic serving 的论文边界

“模型会调用工具”只是 Agentic serving 的入口。阅读基础系统论文、2026 年新论文、开源 runtime 和厂商报告时，需要分别核对发表时间、是否经过同行评审、实验使用的模型与硬件，以及实现是否公开。17 Agentic serving 研究页按这些条件整理材料；09解释工具调用如何影响 KV、scheduler 和 SLO。

多模态、diffusion text 与 diffusion media

LLaDA：2025 离散 diffusion language model 的历史基线；2026 现状见 11。
DiffusionGemma 官方发布：2026 开放离散文本 diffusion 实例。
DiT：diffusion transformer 的基础；2026 图像/视频更新见 12。
vLLM 与相关官方扩展文档：多模态输入与 serving 实现需以实际版本支持矩阵核验。

第三方专栏的使用方式

相关公众号内容目录主要来自用户提供的 25 个官方 WeChat album，并完整翻取了各 album 的分页。按 2025–2026 年筛选后得到 210 条目录记录；与第三方公开的 2025 账号快照及用户在 2026-07-16 提供的 4 条近期原始链接合并去重，主表现有 170 条，其中 2025 年 126 条、2026 年 44 条。这些数字只描述当前可复查的来源，不能视为账号的全部发文。

官方集合涉及推理系统、数学基础、GPU/Tensor、分布式系统、AI 加速器互联、云基础设施、RDMA、DPU、存储、网络架构、可编程网络、MPI 和 DPDK。第三方数据只补充 2025 年内容，且截至 2025-10-27，无法用来证明账号全量或 2026 年覆盖情况。4 条直接链接同样只能证明对应文章存在。可公开枚举的记录收在六条技术 track 中；网络和基础设施的解释从 22 延伸至 30，Agent 科研与 AI4Science 工作流见 32。

这里不是内容镜像，不复制第三方全文、图片或表格。文章提到的模型结构和系统数字会优先用本页 A/B 级来源核对；查不到一手依据的内容会明确标作解读或推测。

如何阅读一个数字

吞吐、TTFT、ITL、cache hit rate、成本、GPU 数和“加速倍数”离开实验条件就没有可比性。阅读数字时至少要核对模型版本、权重/KV 精度、GPU、节点拓扑、输入输出长度、并发、batch 与 prefix hit 设置、是否计入网络和采样，以及统计量是均值还是 P99。条件不全的结果只能用来判断大致方向。

横向比较与机制追踪

19 开放模型横向比较将 Qwen3.5、Kimi K2.6、MiniMax M3、DeepSeek-V4、GLM-5.2 和 Gemma 4 放到总参数、活跃参数、上下文、模态和运行时约束同一张账上。20 Attention 与条件记忆则将 full/sparse/linear attention、Engram、mHC-Lite 和实际的 KV cache / 网络数据路径分开处理。