开源生态

llama.cpp 发布 b10990：hex-cpy 连续内存时改用 DMA

llama.cpp 发布 b10990 版本，主要变更为 hex-cpy 在源和目标内存连续时使用 DMA 进行拷贝（PR #28906）。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译二进制，覆盖 CPU、CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。

llama.cpp b10989：为 ROCm 启用 HIP AllReduce

llama.cpp 发布 b10989 版本，主要变更为在 HIP 后端为 ROCm 启用 AllReduce（PR #27825）。该版本同时提供 macOS、iOS、Linux、Android、Windows 及 openEuler 等多平台预编译二进制包，覆盖 CPU、CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。此次更新提升了

Qwen3.8-27B 无审查模型发布六档 NVFP4 GGUF 量化版

Hugging Face 用户 esatapedico 发布了 DavidAU 的 Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored 模型的六个 GGUF 量化版本，采用 NVFP4（W4A16，FP8 缩放，组大小 16）格式，面向 Blackwell sm 120 架构。六个文件共享字节完

Strands Agents SDK TypeScript v1.18.0 发布

Strands Agents SDK 发布 TypeScript 版本 v1.18.0，新增 BM25 搜索策略、TypeScript 版 web fetch 工具、双向流式（bidi）实时转录与音频输出、上下文策略预设与会话管理器集成，并自动使用会话 ID 作为 OpenAI prompt-cache 键。同时修复了结构化输出重试、Mistral 图像块保

Strands Agents SDK Python v1.56.0 发布

Strands Agents SDK 发布 Python 版 v1.56.0，新增 Anthropic 服务端工具（如网页搜索）的非覆盖式接入、BM25 搜索策略、TypeScript 版 web fetch 工具，以及双向（bidi）音频转录渲染与生命周期钩子等能力。同时修复了结构化输出重试、Mistral 图像块保留、Bedrock Mantle 模型路

Hugging Face 上基于 GPT-2 微调的 small-agentic-model-1.5B 模型卡片

Hugging Face 上出现一个名为 joaosollatori/small-agentic-model-1.5B 的模型卡片，该模型基于 gpt2 微调，采用 MIT 许可证，使用 Transformers 5.0.0 与 PyTorch 2.10.0 训练。卡片由 Trainer 自动生成，训练数据集未说明，评估集损失为 3.1493，模型描述、预期

无问芯穹联合清华上交开源具身端侧推理引擎APXInf

无问芯穹联合清华大学、上海交通大学正式开源具身端侧推理引擎APXInf，支持RTX 4090、Jetson Orin、Jetson Thor等主流计算平台。该引擎在Jetson Thor上将PI 0.5 FP8的端到端推理延迟从278ms降至26ms以内，达到46Hz推理频率，并采用Rust极简运行时与Python接口兼顾稳定性与易用性。APXInf作为RL

Google ADK JS integrations 发布 v2.1.0，同步 adk 版本

Google ADK JavaScript 的 integrations 包发布 v2.1.0 版本，主要变更为同步 adk 版本，并将工作区依赖 @google/adk 从 ^2.0.0 升级到 ^2.1.0。该更新属于常规依赖维护，未涉及新功能或 API 变更。

Google ADK JavaScript 发布 v2.1.0：新增沙箱执行与 RAG 记忆

Google 发布 ADK JavaScript 的 v2.1.0 版本，新增 Docker 沙箱代码执行器 ContainerCodeExecutor、Vertex AI RAG 记忆后端 VertexAiRagMemoryService、Chrome Prompt API 端侧模型 BaseLlm，以及自愈式错误恢复插件 ReflectAndRetryT

IBM 发布 Granite Time Series PatchTST-FM-r2 模型

IBM 发布 Granite Time Series PatchTST-FM-r2 时间序列基础模型，采用约 3.85 亿参数、Conformer 架构，支持零样本预测、概率预测和缺失值填补。截至 2026 年 9 月 8 日，该模型在 GIFT-Eval 基准的可复现零样本模型中排名第二，并且是同类中唯一采用 Apache 2.0 与 OpenMDW 1.

Mozilla AI 发布 llamafile v0.10 系列预打包模型

Mozilla AI 在 Hugging Face 发布 llamafile v0.10 系列仓库，基于 v0.10.5 版本构建了多个预打包 llamafile。这些文件内置对 CPU、Mac Metal GPU 以及 Linux/Windows 上 CUDA+Vulkan 的支持，并附带 Bonsai、Qwen3.5/3.6、Ministral 3、ge

Mastra 发布工作流构建器后端与 @mastra/connect 等更新

Mastra 发布更新，新增 Studio Workflow Builder 后端，可通过 workflowBuilder 选项启用编辑器自有的 agent 来编写持久化工作流定义，并暴露受权限控制的服务端端点。同时推出 @mastra/connect 包，将平台集成连接转为 agent 工具，由平台代理注入凭证并刷新令牌，应用无需处理密钥。此外还支持线程所

ModelScope 发布 v1.40.1：新增 JAEC 推理与语音分离模型

阿里 ModelScope 发布 v1.40.1 版本，新增 JAEC 原生推理流水线以及 FLA-TF-Locoformer、FLA-T-SepReformer 两个语音分离模型，并加入 Agent IDP 与 MCP/Studio OpenAPI 支持。同时修复了 vLLM Ascend 在 OpenEuler 和 x86 上的构建依赖问题，统一上传环境

Quarkus LangChain4j 发布 1.13.3 版本

Quarkus LangChain4j 发布 1.13.3 版本，主要更新包括将底层 LangChain4j 升级至 1.19.3，并修复了 Chat Scopes - Websocket 模块名重复的问题。此外，该版本还包含大量由 Dependabot 自动提交的依赖升级，涉及 Quarkus 平台、Kotlin、Testcontainers、MCP Se

llama.cpp b10985：RPC 哈希缓存仅限权重张量

llama.cpp 发布 b10985 版本，修复了 RPC 后端的哈希缓存问题。此前 ggml backend rpc 会对所有超过 HASH THRESHOLD 的传输（包括调度器在节点间复制的激活值）进行哈希并写入 rpc-server 的磁盘缓存，导致 Qwen3.8-Flash-Next 双节点拆分下一天内缓存膨胀至 1.4 TB。补丁改为仅对标记

llama.cpp b10984：CUDA 支持行连续 SUM ROWS

llama.cpp 发布 b10984 版本，主要更新为 CUDA 后端支持行连续的 SUM ROWS 操作，并整理代码、新增 GGML OP MEAN 以复用同一共享内核处理行连续张量，同时为 MEAN 的 permute/slice 添加测试。该版本同步提供 macOS、Linux、Windows、Android 等多平台预编译二进制包。

ZGCM-1：面向数学与智能体搜索的全开源高效 7B 基础模型

研究团队发布 ZGCM-1，一个完全开源的 7B 稠密基础模型，从零训练，结合内部推理与外部工具使用，支持 256K 上下文。该模型采用架构与系统协同设计（交错门控滑窗与全注意力、稳定的 FP8 Muon 优化器）、渐进式课程与 MDP 中期训练，并借助智能体集群自主管理集群运维、数据整理与评估。在数学推理和智能体搜索任务上，其表现可与 Qwen3-235B

另有 1 家信源报道

llama.cpp 发布 b10983：调整 build arch graph 定义顺序

llama.cpp 发布 b10983 版本，主要变更是将 build arch graph() 的函数定义移动到 graph 和 graph 模板特化之后，以修复编译顺序问题。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 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。

llama.cpp b10980 发布：OpenCL 新增通用 ssm scan

llama.cpp 发布 b10980 版本，主要变更是为 OpenCL 后端新增通用的 ssm scan 算子（PR #28881），并修复了空白字符问题。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows、openEuler 等多平台的预编译二进制包，支持 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多

无问芯穹联合清华上交开源具身端侧推理引擎APXInf

无问芯穹联合清华大学、上海交通大学正式开源具身智能端侧推理引擎APXInf，支持RTX 4090、Jetson Orin、Jetson Thor等平台，覆盖模型开发到机器人本体部署的完整链路。APXInf将PI 0.5 FP8在Jetson Thor上的端到端推理延迟从278ms降至26ms以内，达到38.46Hz推理频率，并采用Rust极简运行时加Pyth

另有 1 家信源报道