开源生态

LiteLLM 发布 v1.106.0-dev.1：Docker 镜像签名验证与多项功能更新

LiteLLM 发布 v1.106.0-dev.1 开发版本，所有 Docker 镜像均使用 cosign 签名，并提供了基于固定 commit hash 和 release tag 两种验证方式。本次更新包含多项功能与修复：MCP 目录新增 Microsoft 365 (Graph) 服务器、默认禁用 stdio MCP 服务器、新增 Laya 网关与 O

llama.cpp b11461：修复 AMD 集显 Vulkan checkpoint 读取缓慢

llama.cpp 发布 b11461 版本，主要修复了 Vulkan 后端在 AMD 集成显卡上读取 checkpoint 缓慢的问题（PR #30049）。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、CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。

llama.cpp b11460：SYCL 新增 IQ3 S 多列 MMVQ

llama.cpp 发布 b11460 版本，主要变更是为 SYCL 后端新增 IQ3 S 量化格式的多列 MMVQ 支持（PR #29500）。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 及 openEuler 的多平台预编译二进制包，涵盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。此

llama.cpp 发布 b11459：ggml-webgpu 在 WASI 上禁用 Dawn 原生特性

llama.cpp 发布 b11459 版本，主要变更是 ggml-webgpu 在 WASI 环境下不再使用 Dawn 原生特性（PR #27069）。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、CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。

Vercel AI SDK 发布 ai@7.0.130 补丁更新

Vercel AI SDK 发布 ai@7.0.130 补丁版本，修复了在 abort signal 触发时未拒绝挂起的 result promise 和未取消挂起流的问题，并新增将 provider 的决策拒绝上报为 refusal 回答的功能，同时更新了 @ai-sdk/provider、@ai-sdk/gateway 和 @ai-sdk/provide

IFM 发布 K2-Horizon-32B 开放稠密模型

IFM 在 Hugging Face 发布 K2-Horizon-32B，这是 K2-Horizon 系列中的大型稠密（dense）模型，采用 decoder-only 架构，拥有 512K 原生上下文窗口。该模型以 Apache-2.0 许可开放权重，并公开训练数据、训练配方与训练代码，同时释放中间检查点以便研究训练过程中的能力变化。模型在 agentic

Vercel AI SDK 发布 @ai-sdk/zai 3.0.26 补丁版本

Vercel AI SDK 发布了 @ai-sdk/zai 的 3.0.26 补丁版本，此次更新仅包含依赖项升级，涉及 @ai-sdk/provider-utils、@ai-sdk/provider 和 @ai-sdk/openai-compatible 三个包。该版本未引入新功能或行为变更，属于常规维护性发布。

Vercel AI SDK 发布 @ai-sdk/workflow 2.0.61 补丁

Vercel AI SDK 发布 @ai-sdk/workflow 2.0.61 补丁版本，修复了 workflow 对常见工具 JSON Schema 方言与注解的兼容问题，并修复了流式 agent 步骤的性能测量上报。同时更新了 @ai-sdk/provider-utils、ai、@ai-sdk/provider 等依赖版本。

Google ADK JS integrations 发布 v2.2.1

Google ADK JavaScript 的 integrations 包发布 v2.2.1 版本，主要变更为同步 adk 版本号，并将工作区依赖 @google/adk 从 ^2.2.0 升级到 ^2.2.1。该版本属于常规维护性更新，未包含新功能或破坏性变更。

Google ADK JS devtools 发布 v2.2.1

Google 发布 ADK JavaScript 的 devtools v2.2.1 版本。该版本新增功能：为 ADK 保留 adk internal 前缀的 customMetadata 键，以与 adk-python 保持一致。同时将工作区依赖 @google/adk 从 ^2.2.0 升级到 ^2.2.1。

Google ADK JavaScript 发布 v2.2.1

Google ADK JavaScript 发布 v2.2.1 版本，主要包含两项与 adk-python 对齐的功能更新：在 events 中为 ADK 保留 adk internal 前缀的 customMetadata 键，以及新增 ToolCallIntegrityPlugin 插件。该版本属于常规迭代，旨在保持 JavaScript 与 Pytho

llm-mistral 发布 0.16 版本

Simon Willison 发布 llm-mistral 0.16 版本。该插件用于在 LLM 命令行工具中调用 Mistral 模型。正文仅包含发布日期和近期文章列表，未提供更多细节。

llama.cpp 发布 b11456：CUDA 改用 per-thread stream

llama.cpp 发布 b11456 版本，主要变更为 ggml-cuda 后端在 buffer 初始化 padding memset 时改用 per-thread stream，并在 CI 中为 ROCm 重新启用 test-backend-ops 的 -j 并行测试。该版本同时提供覆盖 macOS、iOS、Linux、Android、Windows 及

Strands Agents SDK 发布 python/v1.58.1

Strands Agents SDK 发布 Python 版 v1.58.1，为一次小版本更新。该版本恢复了 SDK 2.x 客户端上的旧版任务执行（MCP/TS），修复了模型缓存 token 用量上报保留问题以及 TS 中嵌套 agent-as-tool 中断的传播与恢复，并将 @strands-agents/sdk 改为 peerDependency，同

llama.cpp b11455 实现 PLaMo-3 分词器预分段

llama.cpp 发布 b11455 版本，为 PLaMo-3 分词器实现了预分段（pre-segmentation）功能。该实现通过在 Unigram 动态规划前插入硬边界，处理 形式的文本、至少 4 个相同字符的连续串以及连续两个空格，并新增了 "plamo3" 词表类型。若不这样做，llama.cpp 对代码缩进和重复标点的分词结果会与参考实现不一致

EmbeddingGemma 2 采用 Apache 2.0 许可证获好评

Simon Willison 在其博客中评论了 EmbeddingGemma 2 采用 Apache 2.0 许可证一事。他认为嵌入模型不应使用闭源、专有的托管模型，因为嵌入向量通常需要大量计算并长期存储，一旦供应商停止提供该模型，用户将被迫为重新计算数百万存量向量付费。他倾向于付费使用托管服务，同时保留在供应商停服时自行运行开放权重版本或更换供应商的能力。

Musubi 发布开源决策模型 PolicyLM-1.7B，用于实时内容审核

Musubi 发布了一款名为 PolicyLM-1.7B 的轻量级决策模型，专为实时内容审核设计，并开放权重。该模型可将用自然语言写成的政策在 50 毫秒内应用于消息，且政策变更时无需重新训练。此举正值决策模型成为行业热点，Musubi 希望借此推动内容审核领域对决策模型的关注。

llama.cpp b11454 新增 K2 Horizon 与 MoVA 支持

llama.cpp 发布 b11454 版本，新增对 K2 Horizon 稠密模型与 MoVA 的支持，包含 GGUF 转换、张量加载、计算图、分词器与聊天模板等实现。同时修复了 K2-Horizon 预分词器在 MSVC 上因 std::regex 不支持 \p{...} 而无法加载 GGUF 的问题，并处理了 ZWNJ/ZWJ 分词、大小写折叠与空输入

Google DeepMind 发布开放轻量多模态嵌入模型 EmbeddingGemma 2

Google DeepMind 发布 EmbeddingGemma 2，一款基于 Gemma 4 架构、采用 Apache 2.0 许可的开放轻量级多模态嵌入模型，参数量 7.4 亿，可在设备端运行。该模型将代码、图像、视频和音频统一到共享嵌入空间，支持 8K 上下文窗口，并通过 MRL 实现向量维度动态截断以节省存储。相比前代，其代码性能在 MTEB Co

Google 称 EmbeddingGemma 2 性能超越两倍规模竞品嵌入模型

Google 发布开源多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转换为数值向量，参数量为 7.4 亿。Google 称其在多模态嵌入基准上优于参数量两倍的竞品，且无需 API key 即可本地运行，浏览器中通过 WebGPU 每次查询约 20 至 70 毫秒，仅需约 191 MB 内存，并可将本地向量数据库存储减少最多

另有 1 家信源报道