英特尔团队维护的 vLLM 显卡加速库，10 月 23 日合进去一个改动，标题写着「optimize qwen4-27b」，专门给它做单卡、双卡的量化推理优化。从代码看，27B 还是稠密模型，加了稀疏注意力这些新结构。作者也写明了，千问 4 的稀疏注意力权重没拿到，没用真模型完整跑过。
这两天竞技场上有个匿名模型叫 Kalmia，试过的人大多猜它就是千问 4，它做的可交互 3D 涡扇发动机被转了很多遍。阿里还没出来认。
改动说明的最后一句写着，实现和测试用了 OpenAI Codex 辅助。
http://github.com/analytics-zoo/vllm-xpu-kernels/pull/22