Cursor 扩展市场里的 Claude Code 扩展 2.1.313 被人改过，装上会留 SSH 后门。这个版本不是 Anthropic 发的，最多影响 5,000 个用户。 时间窗口是太平洋时间 10 月 29 日凌晨 2:27 到下午 1:35。这段时间在 Cursor 里装过或更新到 2.1.313 的，要查一下。 扩展一加载就会执行，不用打开它，会做这几件事： 1. 往 ~/.ssh/authorized_keys 里加一把备注为 svc-telemetry 的公钥 2. 尝试打开本机 SSH，再建一条反向 SSH 隧道 3. macOS 用 LaunchAgent、Windows 用计划任务做持久化，大约每 60 秒重连一次 4. 把主机名、用户名、Git 邮箱、公网 IP 和环境变量名发回攻击者的服务器 macOS 上这样查有没有中招： grep svc-telemetry ~/.ssh/authorized_keys 只卸载扩展不够，它留下的脚本会继续跑。Cursor 给了 macOS 和 Windows 的清理脚本，中招的跑完脚本，再把这台机器上能拿到的密钥和 token 全换掉。 攻击者的服务器已经被下线。没有管理员权限的 Mac 和 Windows 上，打开 SSH 这一步会失败，但加公钥、持久化和上报照样会做。

DeepSeek-V4.1-Flash-1017 的 Unsloth GGUF 出了。总参数 748B，其中 552B 是主干，196B 是 Engram，Engram 这部分可以放到 SSD 上。 Unsloth 的硬件表里，RAM 加显存从 1-bit 的 128GB 起步： 1. 1-bit 128 到 145GB 2. 2-bit 176 到 205GB 3. 3-bit 256 到 290GB 4. 4-bit 305GB 5. 8-bit 315GB 光靠一张 RTX PRO 6000 的 96GB 显存，1-bit 都放不下，得靠系统内存补。我两台 DGX Spark 加起来 256GB，放 2-bit 有余量，3-bit 就卡在边上了。 官方说 64GB 内存也能跑，那是把更多东西压到 SSD 上，速度会慢很多。

DGX Spark 最近一次 Dashboard 系统更新会把内核从 7.0.0-1019 升到 7.0.0-1024，升完之后有的机器会反复重启。 两种症状都是升到 1024 之后才出现的： 1. 登录界面输完密码直接弹回来，不登录也是大约 1 分钟重启一次 2. 空闲时自己重启，而且一次比一次快 驱动还是 580.178.04 没变，日志里也没有 kernel panic。关机时能看到 watchdog 没停下来的记录，像是系统先卡死，再被硬件看门狗重置。问题多半出在新内核上。 先看自己有没有装上： dpkg -l | grep 7.0.0-1024 临时办法是在 GRUB 里选回 7.0.0-1019 启动，再用 apt-mark hold 把内核相关的包锁住，等 NVIDIA 出修复版。 我两台 Spark 买回来就没升级过，这次更新先不点。

RTX Spark 笔记本和 DGX Spark 用的是同一颗 GB10 芯片，内存反而是笔记本快。 笔记本的 LPDDR5X 跑 9,400 MT/s，DGX Spark 是 8,533。实测 GPU 读带宽 282.9 对 239.8 GB/s，笔记本高 18%。本地跑模型，生成速度主要看的就是这个数。 不过我不会拿它换掉两台 DGX Spark。 1. 笔记本没有 ConnectX-7，没法两台连起来跑 TP=2。GLM-5.3-Flash 我就是靠两台合起来的 256GB 才放下 2. Windows 上 CUDA 最多能用到 109.7GB，DGX Spark 在 Linux 下整块内存都能给 GPU 3. 笔记本的功耗上限是 45 到 80W，GB10 整颗芯片是 140W，长时间满载撑不住 单机跑 Qwen3.8-Flash-Next 这种小一点的模型，笔记本带宽占优，还能带着走。要跑两台起步的大模型，还是得 DGX Spark。

量化模型的跑分，只看模型卡上一个数，很难当真。 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO 量化版，模型卡写着三个尺寸 AIME25 全是 100 分。Unsloth 把同样的文件每道题跑 16 遍再平均，最高的 IQ2_XXS 是 95.21，最小的 IQ1_M 只有 91.88。 前几天我拆 GSQ-RCO 的时候，引用的就是这组 100 分。现在看，这个数要打折扣。 两边差在哪，我看下来主要是四件事。 1. 题太少 AIME25 一共 30 道题，错一道就少 3.3 分。 GPQA-Diamond 是 198 道。模型卡上 IQ1_M 比原版低 2.53 分，换成题数就是差了 5 道。 模型卡上的 90.91、89.71、88.38，乘回去正好是 180/198、157/175、175/198 这样的整题数。我推测每道题只跑了一遍，模型卡没写采样次数。 2. 温度 1.0，每次答案都不一样 DeepSeek 推荐温度 1.0。同一道题，这次对、下次错很正常。 粗算一下，假设每道题答对的概率都是 97%，跑一遍 30 道全对的概率大约 40%。随手跑一次拿到 100 分，并不稀奇。 Unsloth 的做法是 AIME25 每题 16 遍，30 × 16 = 480 个答案取平均。GPQA 每题 8 遍，LiveCodeBench 每题 3 遍。 3. 基线要用同一套方法测 Unsloth 拿自己的 8-bit 版 UD-Q8_K_XL 当参照，AIME25 平均 97.08，也不是满分。模型卡上原版是 100。 测法不同，绝对分数没法直接比。Unsloth 把基线按比例换算之后，GSQ-RCO 在 AIME25 上保住的是基线的 94.64%。 4. 低位量化会想得更久 每道题上限 32K token，想太久没写完就算错。8-bit 版有 1.48% 的答案被截断，最小的 UD-IQ1_S 是 4.15%，GSQ-RCO IQ1_M 是 4.69%。 用 1-bit、2-bit 量化，推理预算要留宽一点，有一部分丢分只是没写完。 除了跑分，Unsloth 还看 KLD，也就是量化版和原版在下一个 token 上的概率分布差多远。KLD 是 0，输出就和原版完全一样。 它不受采样运气影响，但量的是一步一步的偏差，长推理里一路累积下来的影响，还得靠跑分看。 同样大小放在一起比，Unsloth 的 UD-IQ1_M 是 250.4 GB，六项平均 85.55。GSQ-RCO 的 IQ2_XXS 是 248.8 GB，平均 83.68。 Unsloth 自己也发量化版，等于对手测对手。我更看重的是它把方法全写出来了：题目版本、随机种子、每题跑几遍、怎么判分，都能照着复现。 以后看量化跑分，我先看三样： 1. 每道题跑了几遍 2. 基线是不是用同一套方法测的 3. 有没有 KLD 或 top-1 一致率 Unsloth 的完整表格和 GSQ-RCO 模型卡链接放在第 2 条。

多台 Spark 跑大模型，我现在最看重的一个数是长 prompt 在 prefill 的时候，别的请求要等多久。单路 tok/s 反而排在后面。 DeepSeek V4.1 Flash 的 Spark 配方这两天连着更新了两次： 1. 四台 Spark：51K token 的长 prompt 跑着的时候插一个短问题，等待从约 13 秒降到 0.3 秒 2. 两台 Spark：70K token 冷 prompt 跑着的时候插一个短请求，从 26 秒降到 3.8 秒，回复逐位一致 一个人聊天基本碰不到这个问题。同时开几个 agent，或者家里几个人共用一台机器，总有一个任务在吃长上下文，其他请求全排在它后面。decode 再快，首字等 26 秒，用起来就是卡。 所以看本地速度测试，我会多看一项：有长 prompt 在跑的时候，短请求的首字延迟是多少。