部署工程

llama.cpp b10852 发布：Hexagon 新增 RELU 与 LEAKY RELU 算子

llama.cpp 发布 b10852 版本，为 Hexagon 架构新增 RELU 和 LEAKY RELU 算子支持。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，涵盖 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等后端。

neureps 发布 0.8B 端侧多模态 GGUF 模型

neureps 发布了 warmly-qwen35-08b-enko-gguf，这是一个基于 Qwen3.5-0.8B-enko 的 0.8B 端侧模型，采用剪枝和蒸馏技术，并以 GGUF 格式提供。该模型用于 Warmly 应用的小型设备部署，支持图像字幕和文本评论，总大小约 542MB。v3.1 版本包含蒸馏权重和 LoRA 人物适配器，通过 llama

NAICS GitHub 仓库分类器：基于 RoBERTa 的行业分类模型

Hugging Face 上发布了 aquiro1994/naics-github-classifier 模型，这是一个基于 RoBERTa-large 微调的多类文本分类模型，用于将 GitHub 仓库分类到 19 个 NAICS 行业部门。该模型使用 6,588 个标注仓库训练，支持通过仓库名称、描述、主题和 README 进行预测。模型提供了详细的 P

llama.cpp b10850 发布：修复 L2 NORM 测试初始化问题

llama.cpp 发布 b10850 版本，主要修复了测试中 L2 NORM 批量数组的初始化问题，以避免 GCC 12 在 aarch64 Release 构建中因未初始化警告而失败。该版本提供了适用于 macOS、Linux、Windows、Android 等多平台的二进制包，并支持多种后端如 Vulkan、CUDA、ROCm 等。

llama.cpp b10844 为 Vulkan 添加 DeepSeek-V4 融合算子

llama.cpp 发布 b10844 版本，为 Vulkan 后端添加了 DeepSeek-V4 超连接融合算子（DSV4 HC COMB/PRE/POST），将 Sinkhorn 迭代等操作融合到寄存器中，大幅减少调度次数，提升解码性能。该版本还包含多个平台的二进制构建。

llama.cpp b10842 发布：新增 AMD gfx90c HIP 支持

llama.cpp 发布 b10842 版本，主要新增对 AMD gfx90c GPU 的 HIP 支持，并提供了适用于 macOS、Linux、Windows、Android 等多平台的预编译二进制文件。该版本还包含针对不同硬件（如 CUDA、Vulkan、ROCm、OpenVINO、SYCL）的构建，以及 iOS 和 UI 资源。

Synaptics 发布 MobileNetV2 多格式量化模型

Synaptics 在 Hugging Face 上发布了 MobileNetV2 模型，该模型由 tf.keras.applications 生成，支持 int16、int8、float32 和 float16 格式，其中 int8 量化使用随机数据。此外，还提供了 Google 发布的原始量化模型 kaggle.tflite，采用 v1 tflite 量

小米发布玄戒O3等三款自研芯片，雷军称已走在赢的路上

小米发布旗舰AI SoC芯片玄戒O3，采用3nm工艺，跑分超561万，性能较上代大幅提升，并首发搭载于小米18 Fold等产品。同时发布高带宽AI加速芯片玄戒O100和智驾芯片玄戒D100，实现三芯协同。小米自研芯片研发投入已达210亿元，计划十年投入500亿元。

安努智能发布六项成果，加速具身智能商业化落地

安努智能发布了六项具身智能商业化成果，包括视频生成技术Helios、仿真平台ANU SimLab、动作锚定世界模型ActiWorld、真机强化学习技术RoHIL与EvoHIL、垂类小模型AnuVerse-0.5及端到端部署系统Nexus，旨在解决机器人落地中的部署、预测、执行和复制问题。其中ActiWorld在真机分拣任务中成功率提升6个百分点，AnuVer

llama.cpp b10840 发布：CUDA 量化加速与 DGX Spark 预取优化

llama.cpp 发布 b10840 版本，主要更新包括在 CUDA 后端为 Q4 K/Q5 K 量化模型引入无分支解包以加速 mmvq 操作，并针对 DGX Spark 添加 L2 预取优化。该改动在批量大小大于 1 时提升性能，并调整了切换点以适应更多模型。同时提供了多平台二进制下载。

OpenAI 报告 AI 研究智能体进展，首席科学家警告控制风险

OpenAI 发布内部数据，显示 AI 智能体已深度参与其研究，并宣称达到“自动化研究实习生”里程碑，同时首席科学家 Jakub Pachocki 发文警告，当前对 AI 系统的控制能力不足，链式思维监控可靠性下降，呼吁加强安全标准。

另有 1 家信源报道

燧原科技科创板发行募资61.19亿元，国产AI芯片龙头即将上市

燧原科技于9月7日公布科创板发行结果，募资61.19亿元，发行价142.18元/股，中签率0.0246%。公司专注云端AI芯片，已迭代四代架构、五款芯片，2026年上半年营收11.20亿元，同比增长279%，预计2026年或2027年盈利。此次上市将增强国产AI芯片竞争力，满足国内算力需求。

llama.cpp b10839 修复 Vulkan GET ROWS 偏移崩溃

llama.cpp 发布 b10839 版本，主要修复 Vulkan 后端中 GET ROWS 操作在张量偏移未对齐时导致的崩溃问题，该问题影响 Qwen3-TTS 和 Qwen3-VL 等模型。修复包括在量化路径中正确应用偏移、调整缓冲区绑定和 push constants 传递，并新增后端测试覆盖。所有 223 个 GET ROWS 测试在 Vulkan

Nemotron-3-Nano-4B 登陆 Apple Core AI，实现高效端侧推理

mlboydaisuke 在 Hugging Face 上发布了 Nemotron-3-Nano-4B-CoreAI，这是 NVIDIA 的混合 Mamba-2/Transformer 模型在 Apple Core AI 运行时上的量化版本。该模型在 iPhone 17 Pro 上达到 16.0 tok/s 的解码速度，在 M4 Max 上达到 85.2 t

React Native ExecuTorch 发布 Qwen 2.5 模型系列

software-mansion 在 Hugging Face 上发布了适用于 React Native ExecuTorch 库的 Qwen 2.5 模型仓库，包含 0.5B、1.5B 和 3B 规模的未量化与量化版本，文件格式为 .pte。这些模型使用 ExecuTorch v0.6.0 导出，不保证向前兼容，用户需确保运行时版本匹配。该发布旨在支持在移

GPT-6 Sol内测曝光：速度是Astra的6倍，OpenAI研究员人均带3个AI实习生

OpenAI正在内部测试GPT-6 Sol模型，其单次测试速度是刚发布的Astra的6倍，但输出能力较弱。同时，OpenAI披露内部数据显示，研究员人均使用3个AI Agent辅助工作，并宣布实现自动化AI研究实习生目标。首席科学家Jakub Pachocki发文呼吁行业减速，并警告AI监控难度加大。

菲尔兹奖得主团队用“桥”技术让4B模型刷爆ARC-AGI 3

Mostik公司（成立4个月，15人团队，含菲尔兹奖得主Stanislav Smirnov）开发了一种模型间通信的“桥”技术，让4B的Qwen-3.5与云端753B的GLM-5.2协作，在ARC-AGI 3上取得高分。该技术通过传递隐藏状态而非文本，使小模型弥补了50%的性能差距，准确率提升25%，并将大模型推理成本降至约二十分之一。团队计划探索蒸馏和专项化

llama.cpp b10837 发布：修复模板字符串检查并更新多平台构建

llama.cpp 发布 b10837 版本，主要修复了模板检查字符串时的类型检查问题。该版本提供了适用于 macOS、Linux、Windows、Android 和 openEuler 的多种预编译二进制文件，支持 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等后端。

llama.cpp b10835 发布：修复 CUDA f16 闪存注意力屏障问题

llama.cpp 发布 b10835 版本，主要修复了 CUDA 后端中 f16 闪存注意力机制的屏障分歧问题，并优化了元数据指针设置。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，支持 CPU、CUDA、Vulkan、ROCm、OpenVINO、SYCL 等多种后端。

llama.cpp b10834 发布：ggml 后端输入优化

llama.cpp 发布 b10834 版本，主要更新为 ggml 后端允许输入不创建额外的 split。该版本提供了适用于 macOS、Linux、Windows、Android 等多个平台的预编译二进制文件，并支持多种硬件后端如 Vulkan、CUDA、ROCm、OpenVINO 等。