10 月 18 日（UTC 约 08:56），Blockway 在 X 发帖：Agens Volundr 32B v1 开源权重，Apache-2.0。同日 Hugging Face 模型卡上线。主帖互动很少，读到时点展示量大约二十来次——别当热度叙事，以模型卡一手为准。
更值得盯的是两件反差。第一，Preview（约 10 月 5 日）在长 Agent 会话里会重复循环：模型卡自报 SWE-bench 任务里 36/50 撞上 repetition loops；v1 同口径变成 0/50。第二，宣传口径里有一句很刺眼的「一张 16GB 卡、262K 上下文」——下面会拆：那是 Agens Engine 的 Engine-16GB 构建，在 48GB 卡上把显存 cap 到 16GiB 测出来的，不是「随便买张消费级卡插上就稳」。
本篇避开近几日「大总参小激活 MoE」的写法，按老规矩拆：它能干嘛，对做应用/本地部署意味着什么，冷水泼在哪。跑分一律标「模型卡自报」。
01
PART
它能干嘛
WHAT IT DOES
定位很清楚：开源权重，面向 coding / reasoning / agent，是 Agens 产品背后的模型。v1 是 Preview 宣布过的完整释放——同一套架构，续预训练跑完，后训练按长 Agent 会话来做。语言：英语、简繁中文、粤语；多模态可吃图；工具调用与 Blockway 控制 token / chat template 齐套。
架构不是 MoE：约 32B dense。72 层里只有 18 层保留 KV cache；其余按模型卡写的是 54 层 KDA（线性注意力、固定大小状态）+ 17 层 BCSA（压缩稀疏注意力）+ 1 层 dense 全注意力，外加 Engram 查表与 mHC 残差混合。对本地部署的人，这意味着：长上下文时 KV 压力理论上比「72 层全保 KV」轻一截，但也意味着 stock vLLM 装不上——要走 Blockway 的 sglang 构建、llama.cpp 的 volundr 分支，或他们的 Agens Engine。
训练侧模型卡写得很直白：v1 是 Preview 主干续到最终 checkpoint（约 step 20,000）；续预训练堆了仓库级代码、代码与数学语料、英/中/粤网页，以及 GitHub issues，并用 logit 蒸馏做 chat 格式回放。后训练对准 agent：身份、工具使用（含并行调用、以及「不该调工具时拒绝」）、多轮轨迹；再挖三轮偏好（抗重复、「答完就停」、长度对）。教师输出声明只来自宽松许可开源权重（并写明拿到 Moonshot 书面许可用 Kimi K3），没有 Anthropic / OpenAI / Google 模型输出——对要做合规审计的私有化项目是加分项，但别理解成「训练数据可审计到每一条」。
36→0
SWE循环/50
27/50
SWE mini
2.9×
后续轮次
Preview→v1，模型卡给了一张修复表（均标「模型卡自报」）：长会话重复循环 36/50→0/50；SWE Verified mini 22→27/50（表 54.0% vs 44.0）；τ²-bench 89→92/120（表 76.7 vs 74.2）；中位 SWE 任务 124→82 分钟；后续轮次约 2.9× 更快。thinking 失控撞 32K 截断的问题，官方口径改成中位约 120 token/步、最长约 12K、无步 ≥16K。
对照表另一列是他们同 harness 跑的 Qwen3.8-27B：LiveCodeBench v6，v1 67.9（Preview 63.4；Qwen 59.5）；AIME 2025，v1 80.0（Preview 76.7；Qwen 73.3）。HumanEval 要单独看：v1 bf16 是 78.7，Preview 反而是 81.7——模型卡自己写了相对 Preview 在 HumanEval / IFBench / GPQA 上让了几分。GPQA Diamond：bf16 80.3；Engine-16GB（约 2.82 bpw）73.7；HumanEval Engine 73.2。
速度侧（仍是官方自报）：DFlash2 drafter 在结构化输出上，双 48GB bf16 约 3.0×（约 75.9 tok/s），单 48GB INT4 约 3.0×（约 124.7 tok/s）。decode 从 1K 到 128K 自称平坦。drafter 是为 一到两路并发 设计的；多用户会话服务看 README 无 drafter 配置。session continuation 的 2.9×，来自 20 段多轮誊本、484 轮次、INT4 单 48GB 的 greedy 回放。输出是 greedy-equivalent，不是字节级完全一致——做回归别拿「逐 token 一致」当过关标准。
02
PART
对做应用的人意味着什么
WHY IT MATTERS
第一，这是本地 Agent 栈，不是「换个 OpenAI 兼容 endpoint 就完事」。聊天格式用 Blockway 控制 token；thinking 默认开，可用 enable_thinking: false 关；reasoning_effort 接受 low / medium / xhigh（high 是别名）。服务 README 指向 docker 镜像 ghcr.io/blockwayz/agens-sglang:v1-sm89（Ada 48GB）与 :v1-sm90（H100/H200）。想开 session continuation，要设 VOLUNDR_RADIX_SESSION=1 并按 README 改 flag——别假设「开了 prefix cache 就自动 2.9×」。
第二，权重形态先分清，再谈显存。BF16 主仓适合双 48GB 对照跑分；INT4 单 48GB，模型卡写单条 131K 输入约 24.6 GB；GGUF 要 llama.cpp 的 volundr 分支；Engine-16GB 只跑在 Agens Engine 上。权重 Apache-2.0，引擎 MIT——商用路径相对干净，仍要自己读 MODIFICATIONS.md 与客户合同。
第三，16GB 那句宣传，读成「有一条消费级路径」，别读成承诺。Engine-16GB 下载约 25GB；测速表是 Engine 1.1.0、单流、在 48GB 卡上 cap 到 16GiB。短上下文 greedy 聊天约 98 tok/s、agent（8K）约 150；塞进约 219K 文档后再 decode 会掉到约 57–83。模型卡明确写：这是本地跑通构建，不是冲榜构建；长文档开 thinking 可能循环或答错（110K 测例：10 次里 6 对、3 循环，对照同引擎 INT4 10/10）。显卡还要带显示输出时，可用显存可能低于 15.5 GiB。
第四，和「大总参小激活」那拨开源的差别，要跟客户说清楚。Volundr 是约 32B dense，卖点不在「参数更大」，而在长会话不循环、后续轮次可续跑、以及一条官方维护的本地引擎。SWE Verified mini 自报 27/50，同表里 Agens Pilot 64.0、Qwen 58.0——v1 坐在 Preview 与 Pilot 之间，别写成「开源 SWE 第一」。
第五，落地报价别只写「我跑通了 32B」。买家听得懂的是：私有化 Agent 是否装在他的机器/专有云、上下文上限写多少、是否允许多轮工具调用、过关标准是哪 20 个真实工单、改几轮。举个可写进方案书的例子：给内部研发搭「读仓库 + 改单测 + 开 PR 草稿」的 Agent——验收不看 LiveCodeBench，而看 20 个真实 issue 里有多少能在限定轮次内给出可合并的 diff、中位耗时、显存是否挤掉同机其他服务。
上手路径骨架（完整 flag 以官方 README 为准）
# A · Engine-16GB 镜像 ghcr.io/blockwayz/agens-engine:1.1.0
# 权重 Blockway/Agens-Volundr-32B-v1-Engine-16GB
# B · sglang 双卡示例
docker run --rm --gpus '"device=0,1"' --ipc=host \
-v ~/.cache/huggingface:/root/.cache/huggingface \
ghcr.io/blockwayz/agens-sglang:v1-sm89 \
python3 -m sglang.launch_server \
--model-path Blockway/Agens-Volundr-32B-v1 \
--tp-size 2 --reasoning-parser agens --tool-call-parser agens
# C · GGUF + llama.cpp volundr 分支
03
PART
冷水该泼哪
COLD WATER
第一盆：这些分数是厂商自报。没有第三方同日复测之前，别把 67.9 / 80.0 / 54.0% 写成「业界第几」。对照列里的 Qwen3.8-27B、Agens Pilot，是他们同 harness 自跑，不是各家官网数字。
第二盆：HumanEval 相对 Preview 掉了。81.7→78.7（bf16），Engine 再掉到 73.2。模型卡承认 agent 训练瞄准的是 SWE / τ² / 长会话，代码补全这类会让分。对外宣传若只截「全面提升」海报，属于选择性阅读。
第三盆：「16GB / 262K」不是无条件承诺。测试在 48GB 卡 cap 到 16GiB；262K 全文检索本 checkpoint 未再验证（模型卡写检索验证到约 107K）；长文档 thinking 已知会退化。INT4 单卡 131K≈24.6GB 与 Engine-16GB 的 262K 是两条曲线，别混成一张显存表。
第四盆：服务栈锁定。stock vLLM 不能装；必须 Blockway sglang、volundr 分支 llama.cpp，或 Agens Engine。团队如果只有标准 vLLM 运维手册，迁移成本要算进项目报价。
第五盆：长文档开 thinking 仍可能循环。模型卡 scope notes：110K 小说 + 事实问答测例里，thinking 开启时仍有复读文档直到撞长度上限的情况；reasoning_budget 能关掉 thinking 块，但不总能救回答。生产侧默认：长文档先 thinking off，或上 INT4/bf16 再谈 16GB。
第六盆：X 主帖几乎没量。新鲜由头是「10-18 正式开源 v1 + Preview 修复表可核」，不是「全网刷屏」。
我的态度比较直：Volundr v1 值得看，是因为它把 Preview 最丢人的循环点按官方口径修掉了，还给出了一条真·本地 Agent 路径（引擎 MIT、权重 Apache）。但它不是「32B 万能、16GB 随便跑满 262K」。把回归集、显存实测和客户过关标准先钉死，比转发一张 36→0 的对比图有用。
CHECKLIST
认准 HF 仓 → 选权重形态 → 选服务栈 → 关/开 thinking → 20 个真实工单回归 → 再写私有化报价一页纸。
照着做：① 只认 Blockway/Agens-Volundr-32B-v1 与官方 engine/sglang 仓，别下错 Preview 权重或 Preview drafter（v1 要配 v1 的 DFlash2）；② 按机器选 BF16 / INT4 / GGUF / Engine-16GB，一张表贴进运维文档；③ stock vLLM 直接排除，预留 sglang 或 Engine 的排障时间；④ 长文档默认 thinking off，短工具调用再开；⑤ 用自己的 20 个多轮工单测循环率、中位耗时、显存峰值；⑥ 对外报价写清交付物、上下文上限、改几轮、不保证接单量；⑦ 许可对外说 Apache-2.0 + Engine MIT，合同仍要法务过一眼。
很多人卡在第 ⑥ 步：docker 起来了，OpenAI 兼容口也能打，就是不知道怎么变成一单私有化/Agent 生意。买家、交付文件、过关标准、改稿轮次，和模型卡上的 67.9 没有自动换算关系。
你会不会在本地试 Engine-16GB，还是直接上双卡 bf16？评论区聊聊。
出处：Blockway 官方 X @blockwaylink（10月18日）、Hugging Face 模型卡 Blockway/Agens-Volundr-32B-v1、github.com/BlockWayz/agens-engine 与 agens-sglang。
往期 · 接着看
DeepSeek发Flash-1017：API名字没变，自报终端题42.3（旧31.2）
Reflection开源Beam：501B只激活23B，Apache 2.0可商用，第三方测出幻觉率47%
Meta开源Muse Spark Open：816B只激活42B，两台Mac能跑？NVFP4仍要约700GB显存
「AI商业实战」新人邀请礼遇 ¥25，进圈可领两张短卡：「交付定义卡」把买家、交付文件、过关标准、改稿轮次一次写清；「一周试跑清单」按天跑通一个最小交付闭环。不保证接单，帮你少走弯路。
少走弯路，先跑通第一条 AI 生产线。新人邀请已备好。
新人邀请礼遇：开启 AI 实战交流
觉得有用的话，欢迎点赞、收藏、评论。
THANKS FOR READING