开源生态

斯坦福发布 CT 视觉-语言基础模型 Merlin

斯坦福 MIMI 团队在 Hugging Face 发布 Merlin，一个面向计算机断层扫描（CT）的 3D 视觉-语言基础模型，利用结构化电子健康记录（EHR）和非结构化放射报告进行预训练。仓库提供模型权重、示例图像以及放射报告生成和五年疾病预测等任务的权重，并配套 GitHub 代码与 pip 安装包 merlin-vlm。相关成果已发表于 Natur

AgentionAI 发布 Qwen3.8-Flash-Next AP GGUF 量化版

AgentionAI 在 Hugging Face 发布了 Qwen/Qwen3.8-Flash-Next 的 Agention Precision (AP) GGUF 量化版本，兼容主线 llama.cpp，无需 fork。该系列提供从 AP-Q5 K XL 到 AP-IQ2 S 共 7 个量化档位，按每 GiB 显存精度优化，并给出各档位的 KL 散度与

DSPy 发布 3.4.0b1：LM 引擎接口与异步 ReActV2

DSPy 发布 3.4.0b1 首个 beta 版本，将语言模型执行迁移到共享引擎接口，新增本地 CPython 解释器 LocalInterpreter，并为实验性 ReActV2 加入异步执行支持。该版本还引入 GEPA 自定义 Flex 代码提案，并修复评估、流式传输和示例采样相关缺陷。官方强调这是预发布版本，API 和行为在稳定版前可能变化，3.4

YC 的 Garry Tan 希望美国开源权重 AI 实验室也「蒸馏」前沿模型

Y Combinator CEO Garry Tan 在接受 CNBC 和 TechCrunch 采访时表示，美国不应监管中国 AI 实验室通过蒸馏技术从前沿模型获取知识的行为，反而主张美国小型开源权重 AI 实验室也应获准对美国前沿 AI 实验室进行蒸馏。他认为限制客户对闭源模型 API 的使用是一种过度干预，并指出专有 AI 实验室在训练时也曾未经许可使

llama.cpp b10917 发布：修复 MSVC 下 PCH 构建问题

llama.cpp 发布 b10917 版本，修复了此前在 MSVC 下为 llama-server 启用预编译头（PCH）时引入的构建问题，该修复跳过 MSVC 场景下的 PCH。此次发布同时提供 macOS、iOS、Linux、Android、Windows 等多平台预编译二进制包，涵盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后

Together AI 详解开源 AI 技术栈：模型、推理、路由、Harness 与工具

Together AI 发布博客，系统梳理开源 AI 技术栈，将其拆解为模型、推理、网关与路由、Harness、工具（Skills 与 MCP）五个相互独立的层次。文章指出开源模型质量已接近闭源模型，开发者无需自行训练模型或购置 GPU 即可迁移，并强调分层解耦让开发者能快速切换新模型。文中以 Kimi K3（1.8T 总参数、104B 激活参数）和 GLM

LangChain 发布 langchain-core 1.6.3

LangChain 发布 langchain-core 1.6.3 版本。该版本新增功能：允许基于网关响应覆盖模型名称和提供商的追踪元数据；同时补充了针对已废弃 .text() 访问路径的测试，并清理了 FileCallbackHandler. write 与 ChatGeneration.set text 文档中过时的 Args/Raises 条目。此次更

RunningHub 开源 H3 Lightning：视频生成提速约12倍

RunningHub 开源了 MiniMax H3 视频生成加速方案 H3 Lightning，通过 RH 后训练加速模型将生成步数从 50 步压缩至 9 步，并叠加 SageAttention2、Cache-DiT、torch.compile 及 TP2+Ulysses4 多卡并行优化，在 4 张 RTX 6000D 上把 5 秒视频生成耗时从 348.8

另有 1 家信源报道

不要忽视 wrapture：Python monkey patching 新库

Simon Willison 在其博客中推荐了 Graham Dumpleton 于 2026 年 8 月 31 日发布的新 Python monkey patching 库 wrapture，认为它有望成为 Python 开发者的必备工具。wrapture 同时服务于测试和可观测性（类似 New Relic 风格的追踪），支持单元测试、调用记录、分阶段行为

Xinference 发布 v3.4.0：新增 vLLM 多进程路由与 prefill/decode 分离

Xinference 发布 v3.4.0，新增 vLLM 原生多进程执行器路由、Gemma-4 Transformers 后端批处理支持、prefill/decode 分离、多 worker 副本扩缩容等特性，并加入 MonkeyOCR、dots OCR、Fish Audio S1-mini/S2-Pro、MiniCPM5-2B 等模型支持。该版本还增强了缓

开源 AI 与开放模型阅读清单

Interconnects AI 作者 Nathan Lambert 发布并持续更新一份关于开源 AI 与开放模型的阅读清单，汇总近几年的代表性文章。清单按基础概念、中美竞争、技术细节等主题组织，涵盖开放模型的定义、发布动机、商业战略、安全风险、数据缩减以及中国模型（如 Kimi K3、GLM-5.2）对生态的影响。文中还提到西方公司采用中国模型引发监管关注

Qwen3.8-27B Escha-W2 的 GGUF 移植与 llama.cpp 内核解码

开发者 aj9o9 将 EschaLabs 的 Qwen3.8-27B-Escha-W2 模型移植到 llama.cpp，通过新增 GGML OP ESCHA MUL MAT 算子在内核中直接解码原生 2-bit escha 量化数据，无需解包为稠密张量。提供 Q8 0 和 F16 两种 GGUF 构建及可选的 MTP 推测解码草稿模型，但需要其 llama

llama.cpp b10909：Metal 后端融合表重构与性能修复

llama.cpp 发布 b10909 版本，主要重构 Metal 后端的算子融合机制，将所有可融合模式统一到单张融合表（ggml-metal-fuse.cpp），供图优化器和算子编码器共用。修复了融合模式中输出索引使用相对索引导致 norm/MUL 融合被静默禁用、token 生成性能回退约 5% 的问题。新增 gated delta net 与 KV c

llama.cpp b10907：修复多架构 MTP 上下文 KV cache 分配

llama.cpp 发布 b10907 版本，主要修复了 deepseek2、glm4moe、cohere2moe 等架构下 MTP（多 token 预测）上下文的 KV cache 分配问题，并新增了反向架构门控与针对 MTP 层过滤的架构测试。该版本同时提供 macOS、Linux、Windows、Android 等多平台预编译二进制包。

llama.cpp b10906：修复图像后推测解码位置传递问题

llama.cpp 发布 b10906 版本，修复了服务器端在图像输入后进行推测解码（speculation）时的位置传递问题：此前向 drafter 传递的是 token 数量而非实际位置，该问题影响所有 drafter 而不只是 DFlash。同时将 draft 参数 n past 重命名为 pos0，以明确其表示位置而非 token 数。该版本同步提供

zai-org 开源 GLM-OCR 多模态文档理解模型

zai-org 发布并开源了多模态 OCR 模型 GLM-OCR，基于 GLM-V 编码器-解码器架构，引入多令牌预测（MTP）损失和全任务强化学习，并集成 CogViT 视觉编码器与 GLM-0.5B 语言解码器。该模型在 OmniDocBench V1.5 上取得 94.62 分排名第一，参数量仅 0.9B，支持 vLLM、SGLang、Ollama 等

llama.cpp b10905：CUDA/HIP Flash Attention 调优

llama.cpp 发布 b10905 版本，主要更新为 CUDA/HIP 上的 Flash Attention 调优（针对 gfx1201）。该改动在 RDNA4 上为 head size 256 启用 mma Flash Attention 并调整配置，同时在 AMD WMMA 上优先使用整块 tile 的 FA 网格而非 stream-k，并修订了 s

Qwen3.8-27B 拟人聊天 GGUF 量化版发布

Hugging Face 用户 LessThanThreeAI 发布了 Qwen3.8-27B-Humanlike-Chat-GGUF，这是基于 huihui-ai/Huihui-Qwen3.8-27B-abliterated 量化并叠加 rank-256 Humanlike Chat LoRA 适配器的 27B 本地模型，主打拟人化角色扮演与个人聊天而非助

华为昇腾发布 TorchNPU：PyTorch 适配插件

华为昇腾社区发布 TorchNPU，这是面向昇腾 NPU 的 PyTorch 适配插件，使 PyTorch 框架可直接调用昇腾 NPU 算力。该插件复用上游 PyTorch 能力并针对昇腾 NPU 做深度适配，涵盖基础计算、分布式训练（FSDP2、DTensor、集合通信）、图模式加速、调试调优及内存管理等模块。最新版本 TorchNPU 26.0.0 已支

蚂蚁密算开源可信原生智能体HOP 3.0

在2026 Inclusion·外滩大会上，蚂蚁密算董事长韦韬宣布可信原生智能体HOP 3.0正式开源，向开发者、企业和行业专家开放智能体原生语言技术能力。HOP 3.0提出以智能体原生语言融合显性结构化逻辑与大模型推理，并借鉴SQL事务commit机制实现探索—核验—提交分离，以解决自主智能体在金融、医疗、政务等严肃场景中的三重失控问题。据披露，在复杂规格