DeepSeek V4 Flash 双 NVIDIA GB10 推理优化项目现已开源。项目把真实 Agent 工作负载放在首位，既要处理较长输入，也要面对多个任务同时到达的情况。正式发布的 Fair-Prefill V6 数据给出了 Prefill 与等待时间。在 Harbor Town AI Progress 测试中，OpenCode 调用本地服务完成了一项可直接运行和查看的视觉 AI 编码任务。代码、配置与核验材料都随项目公开。
32K 下看 Agent 并发
32K 表格固定输入长度，逐级增加并发数。C4 时，聚合 Prefill 达到 1,842.04 tok/s，TTFT P95 为 71.49 秒，E2E P95 为 81.72 秒。这组数字说明多个中等长度 Agent 请求同时进入服务时，输入合计处理多快，首个输出和任务结束各要等多久。
同一张表也给出 C1 参照。单请求的聚合 Prefill 为 1,900.59 tok/s，TTFT P95 为 20.89 秒，E2E P95 为 25.56 秒。读者可以直接对照 C1 与 C4 的等待时间。
<!-- local-source=spoke/queue/assets/003/exports/fair-prefill-v6-concurrency.png --> 
单请求测到 128K
C1 表格保持单请求，逐步把输入从 8K 增加到 128K。128K 时，Prefill 为 1,686.06 tok/s，TTFT P95 为 81.92 秒，E2E P95 为 85.91 秒。长输入增长到这一档后，服务仍完整给出自然停止的结果。
8K 一端的 Prefill 为 2,089.07 tok/s，TTFT P95 为 4.45 秒，E2E P95 为 9.62 秒。首尾两行把单请求从短输入延伸到 128K 的变化放在同一口径下。
<!-- local-source=spoke/queue/assets/003/exports/fair-prefill-v6-length.png --> 
两张表都直接采用项目 README 的 Fair-Prefill V6 正式结果，完整表格同时保留 Decode 数据。正式基准属于 v0.1.1，把 `max_model_len` 设为 `262144`，测量止于 128K，并关闭 Prefix Cache。服务本身支持 Prefix Cache，这次关闭它，是为了让每条请求都从零处理输入。
每个场景运行 12 个正式波次，波次覆盖四类真实 Agent 任务，并按自然停止结束。每次完整源运行在 96 个计量波次里得到 168/168 正确结果，没有触及输出上限，Prefix Cache 查询和命中均为零。
运行采用 TP=2、PP=1，双 GB10 使用一条 RoCE/IB 通道，DSpark depth 设为 5。`max_num_seqs` 为 6，批处理上限为 12288，GPU 显存利用率为 0.80。仓库保留了这些运行条件，两张表中的数值均在这组固定运行条件下取得。
近上限 1M 请求已接收
常规窗口基准之外，项目还验证了单次近上限 1M 请求。服务的 `max_model_len` 设为 `1048576`，请求包含 1,048,038 个 API 分词后的 prompt tokens，返回 HTTP 200，并准确取回放在输入开头的唯一标记。记录中的 cached tokens 为零，请求结束后没有 OOM，服务也没有重启。首个内容 token 等待 1,643.217 秒，按这条请求折算，Prefill 约为 637.8 tok/s。
这项结果只表示服务接收并完成了一条近上限请求。它没有覆盖 1M 吞吐基准或并发矩阵，也不能推导两条完整 1M 请求同时运行的表现。
这次验收记录于 2026 年 8 月 10 日，时间晚于 v0.1.1 发布，原有标签保持不变。机器可读的结果可以在 [近上限 1M 验收记录](https://github.com/Approaching-AI/deepseek-v4-flash-2x-gb10/blob/main/artifacts/context-1m-acceptance-2026-08-10.json)中核对。
Harbor Town 把 Agent 结果跑出来
Harbor Town AI Progress 是 Ethan Mollick 提出的跨模型视觉 AI 编码测试，也称 Harbor Town AI Gallery。不同模型收到同一道开放任务，要在一个 `index.html` 里完成从公元前 3000 年演化到公元 3000 年的交互式程序生成 3D 港口城镇。视觉设计和历史阶段由模型决定，模拟系统与控制方式也由模型安排。
OpenCode 调用本地 DeepSeek V4 Flash，累计执行约 29 分钟，完成 Harbor Town、排错并通过最终验证。
交付的网页随后实际运行并检查。读者可以拖动时间轴查看城镇和周边环境的演化，也能检查镜头控制。加速录像保留了这次工作流，方便直接查看结果。
<!-- local-source=spoke/queue/assets/003/exports/harbor-town-accelerated.mp4 --> [观看 Harbor Town 加速录像](/blog-images/deepseek-v4-flash-2x-gb10/harbor-town-accelerated.mp4)
代码与后续更新
配置、运行方法和完整结果见 [DeepSeek V4 Flash 双 GB10 项目仓库](https://github.com/Approaching-AI/deepseek-v4-flash-2x-gb10)，[个人仓库](https://github.com/rjckkkkk/deepseek-v4-flash-2x-gb10)也保留公开版本。仓库里的 v0.1.1 对应正式基准，近上限 1M 验收作为后续证据保存在组织仓库 main 分支。
Approaching-AI 还公开了 [NVIDIA GB10 上的 Qwen 项目](https://github.com/Approaching-AI/qwen36-gb10-highspeed)和 [AMD Ryzen AI Max+ 395 上的 Qwen 项目](https://github.com/Approaching-AI/AIMA-AMD395-Qwen36-35B-Linux-Engine)，相关硬件条件各自记录在仓库中。前一个项目仍处于预发布阶段，AMD 项目由 Jiawei Guan 创建并维护。后续 Release 可直接关注 [Approaching-AI](https://github.com/Approaching-AI)。