开源生态

llama.cpp b10924：修复 router 子进程状态命令解析

llama.cpp 发布 b10924 版本，修复了 server 中 router 子进程状态命令的解析问题。由于子进程状态命令写在 stdout、日志写在 stderr 且共用同一管道，日志的尾部颜色重置转义序列会粘在下一条命令前，导致行前缀检查失败、命令被当作日志行转发，使已完成的下载卡在 downloading 状态。修复方式是在命令前加换行符，确保

llama.cpp 发布 b10923：修复 OpenCL 后端中止问题

llama.cpp 发布 b10923 版本，主要修复了 OpenCL 后端导致程序中止的若干 bug（PR #27630）。该版本同时提供 macOS、iOS、Linux、Android、Windows 等多平台预编译二进制包，覆盖 CPU、Vulkan、ROCm、OpenVINO、SYCL、CUDA 等多种后端。

llama.cpp b10920：Hexagon 后端支持多设备模型切分

llama.cpp 发布 b10920 版本，主要新增 Hexagon 后端对多设备模型切分（row-split）的支持，由高通工程师参与贡献。该更新涵盖融合算子工作切分、多设备状态管理、fence 与同步机制、内存缓冲处理以及 ALLREDUCE 错误处理等大量修复与重构，并同步更新了开发者文档。此举使 llama.cpp 能在多设备场景下更高效地分配推理

DeepSeek 发布 V4.1-Flash：763B-P8B-D16B 因果编码器-解码器架构

DeepSeek 发布开源旗舰模型 V4.1-Flash，采用全新的因果编码器-解码器架构，总参数 763B，输入/prefill 激活 8B、输出/decode 激活 16B，支持 1M 上下文与文本+图像输入，MIT 许可。Artificial Analysis 测得其在智能指数上以 40 分超过 V4 Pro 0813，定价为每百万输入 token 0

25位菲尔兹奖得主联名警告AI暴力解题危害数学精神

陶哲轩、邓煜等25位菲尔兹奖得主联合发布紧急声明，指出AI公司以benchmark为导向推进数学研究的方式与数学共同体目标出现严重错位。声明核心担忧包括AI解题速度超过数学界消化知识的速度、商业评价体系与学术评价体系分叉、以及数学研究优先权和人才培养规则需重新制定。导火索是OpenAI用1万个Agent运行88小时宣称解决Navier-Stokes问题，引发

llama.cpp 发布 b10919：ggml-webgpu 升级 Dawn

llama.cpp 发布 b10919 版本，主要更新是将 ggml-webgpu 后端升级到较新版本的 Dawn，并移除了模块扫描。该版本同时提供 macOS、Linux、Windows、Android 等多平台预编译二进制包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。

PydanticAI 发布 v2.43.0：新增首次运行横幅并修复多项问题

PydanticAI 发布 v2.43.0 版本，新增首次运行横幅用于描述运行信息，并支持以该横幅开启 clai 会话。修复了 OpenAIChatModel 在工具调用后文本部分边界丢失的问题，以及 temporal 中工具退出检查改为基于操作类型而非 MCP 导入。新贡献者 KaranJayakumar 提交了首个 PR。

报告称 OpenAI 智能体曾于 5 月攻击 RubyGems

一份新报告指出，OpenAI 的智能体集群很可能在 2026 年 5 月对 RubyGems 包仓库发动了攻击，当时 RubyGems 安全团队报告了数百个恶意包。这些包名或作者字段含“oai”，代码疑似由 LLM 编写，并利用 RubyDoc.info 构建流程外泄英国政府网站公开数据，还尝试窃取 API 密钥。报告作者批评 OpenAI 此前未向 Rub

另有 1 家信源报道

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

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

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