开源生态

FLUX.2-klein-9B 的 Nunchaku 量化版本发布

Hugging Face 用户 tonera 发布了 FLUX.2-klein-9B 的 SVDQuant/Nunchaku 量化版本，基于 black-forest-labs 的官方全精度模型进行 int4/fp4 量化。在 RTX 5090 上，量化后配合 CPU offload 可将图像编辑峰值显存从 20.18GB 降至 7.52GB，吞吐量提升约

llama.cpp b12142：修复 Vulkan FA 反量化路径 scratch 大小检查

llama.cpp 发布 b12142 版本，修复了 Vulkan 后端在 Flash Attention 反量化路径中未检查 K+V 合并 f16 scratch 大小的问题（对应 issue #30048）。该版本同时提供 macOS、Linux、Windows、Android 等多平台、多后端（CUDA、Vulkan、ROCm、SYCL、OpenVIN

llama.cpp b12141：llama-server 检查点改用引用计数

llama.cpp 发布 b12141 版本，核心改动是 llama-server 的检查点机制改用引用计数（shared ptr）替代深拷贝，以降低开销，并基于 #26004 的槽位保存/恢复逻辑适配到共享指针检查点列表与 common state data 缓冲区。该版本同时提供 macOS、Linux、Windows、Android 等多平台多后端（C

Abliterant 发布 Qwen3.8-27B 去拒绝 GGUF 量化版

Abliterant 在 Hugging Face 发布了 Qwen3.8-27B-RANA-abliterated-GGUF，这是对 Qwen/Qwen3.8-27B 进行拒绝方向消融（refusal ablation）后的 27B 视觉语言模型的 GGUF 量化版本，面向 llama.cpp 及兼容应用。仓库提供从 Q8 0 到 IQ2 M 共 15 种

llama.cpp b12140：ggml 支持 YaRN truncate=false

llama.cpp 发布 b12140 版本，为 ggml 的 YaRN 位置编码实现新增 truncate=false 支持，即不再将频率插值切换的修正区间边界取整。该改动覆盖 CPU 与 CUDA 后端并补充了测试，同时将 RoPE 辅助函数移入内部头文件。此举使 llama.cpp 能正确支持使用 truncate=false 的模型，如 gpt-os

CCORE 发布基于 Qwen3.5-4B 的 3D 资产代码模型

CCORE 基于 Qwen/Qwen3.5-4B 微调发布专用 4B 代码模型 CCORE GLB-3D-Coder，可将文本提示生成完整的 Three.js HTML/JavaScript 页面，并支持导出 GLB 资产用于 Godot 等编辑器。该模型以 Apache 2.0 许可发布，提供 Q4 K M、Q8 0 及原始 Safetensors 权重，

huihui-ai 发布 DeepSeek-V4.1-Flash 去审查 GGUF 模型

huihui-ai 在 Hugging Face 发布了 Huihui-DeepSeek-V4.1-Flash-1017-abliterated-GGUF，这是基于 deepseek-ai/DeepSeek-V4.1-Flash-1017 的「去审查」版本，通过 llama.cpp 的 cvector-generator 对 GGUF 模型做 abliter

LiteLLM 发布 v1.108.1 LTS 修复版本

LiteLLM 发布 v1.108.1 版本，该版本属于 1.108 LTS 分支，包含 21 项主分支修复的 backport 及 2 项前置改动。发布说明强调所有 Docker 镜像均使用 cosign 签名，并提供基于固定 commit hash 和 release tag 两种验证方式。此外，该版本还修复了 passthrough 场景下选择代理级凭

llama.cpp b12137：修复 server 非对象会话更新导致的崩溃

llama.cpp 发布 b12137 版本，主要修复了 server 端对非对象（non-object）实时会话更新的处理问题，避免畸形请求触发未捕获异常导致服务器终止。该补丁由 Hugging Face 的 Adrien Gallouët 提交，同时该版本照例提供 macOS、Linux、Windows、Android 等多平台多后端的预编译二进制包。

llama.cpp b12136 修复 fit 未计入 NextN 层问题

llama.cpp 发布 b12136 版本，修复了 fit 功能在设置 n gpu layers 时未计入被跳过的 NextN 层的问题。此前在无 MTP 情况下，fit 统计 n layer+1 层而加载器统计 n layer all+1 层，导致全量卸载后仍有层（如 Qwen3.8-27B 双 GPU 上显示 65/66 层）留在 CPU。该修复将跳过

llama.cpp b12135：WebGPU 新增 MEAN 算子支持

llama.cpp 发布 b12135 版本，主要变更为 WebGPU 后端新增 MEAN 算子支持（PR #31591，由 Codex 辅助完成）。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 及 openEuler 的多平台预编译包，涵盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等多种后端。此次

llama.cpp 发布 b12132：common 改用 generic string()

llama.cpp 发布 b12132 版本，主要变更是 common 模块移除 u8path() 并改用 generic string()，由 Hugging Face 的 Adrien Gallouët 提交。该版本同时提供 macOS、iOS、Linux、Android、Windows 等多平台预编译包，覆盖 CUDA、Vulkan、ROCm、SYCL

AgentionAI 发布 Qwen3.8-Flash-Next Gyro-Coder GGUF 量化编码模型

AgentionAI 在 Hugging Face 发布 Qwen3.8-Flash-Next 的 Gyro-Coder GGUF 量化版本，通过每层仅保留 512 个专家中与编程相关的 256 个，并用自研 trellis 编码器实现 2.125 bits/weight，使 125B 参数的 MoE 编码模型可在单张 24GB 显卡（19.92 GiB 权

agentionai 发布去审查版 Qwen3.8-Flash-Next GGUF 量化模型

agentionai 在 Hugging Face 发布了基于 huihui-ai 去审查（abliterated）版 Qwen3.8-Flash-Next 的 GGUF 量化模型，提供 Gyro-S、Gyro-M、Gyro-L 三种尺寸，分别面向 32GB 显卡、48GB 显存/64GB 统一内存和 64GB 统一内存设备。该模型采用 trellis 量化

llama.cpp 发布 b12131：server 改用 generic string()

llama.cpp 发布 b12131 版本，主要变更是 server 模块移除 u8path() 并改用 generic string()，由 Hugging Face 的 Adrien Gallouët 提交（#31682）。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译包，覆盖 CUDA、Vulkan、R

OpenAI发布网络安全模型ChatGPT Cyber，能否应对AI漏洞挖掘浪潮？

OpenAI 发布面向网络安全的新模型 ChatGPT Cyber，向 Daybreak Red 计划最高层级用户开放，用于漏洞挖掘与开发。此前该模型被用于扫描 Linux 内核并发现 948 个潜在问题、在 Firefox 中发现 81 个新型漏洞；开发者 Max Justicz 借助 GPT 5.6 Sol 发现 Ubuntu 服务器严重漏洞并已获 De

另有 1 家信源报道

llama.cpp b12129：AMD 驱动重新启用大型 coopmat matmul

llama.cpp 发布 b12129 版本，主要变更是重新启用 AMD 专有驱动 26.10.1 及以上版本上的大型 coopmat matmul 配置（PR #31587）。该版本同时提供覆盖 macOS/iOS、Linux、Android、Windows 及 openEuler 的多平台预编译包，包含 CUDA、Vulkan、ROCm、SYCL、Ope

DeepBeepMeep 发布 Wan2.1 单文件模型，适配 WanGP 低显存视频生成

DeepBeepMeep 在 Hugging Face 上发布了 Wan2.1 视频生成模型的单文件版本，基于 Wan-AI/Wan2.1-T2V-1.3B，用于配合其开源项目 WanGP 使用。WanGP 支持 Wan、Hunyuan Video、Flux 1 & 2、Qwen、Z-Image 和 LTV 等视频生成模型，主打低显存需求（最低 6GB 即可

Fastino 发布 GLiNER2.5 Base 统一信息抽取模型

Fastino 在 Hugging Face 发布 GLiNER2.5 Base（fastino/gliner2.5-base-v1），这是一个 194M 参数、基于 DeBERTa-v3-base 的英文信息抽取模型，采用边界架构，可在单一 schema 下完成命名实体识别、文本分类、结构化记录抽取、关系抽取与跨度属性打分。模型以 Apache-2.0 许

百度开源 2800 亿参数 ERNIE 5.5 Flash Base 基础模型

百度发布开源基础模型 ERNIE-5.5-Flash-Base，采用混合专家架构，总参数 2800 亿、每输入激活 140 亿，预训练使用 33.5 万亿 token，训练上下文最高 128K，微调与推理时可支持最高 100 万 token 上下文。该模型刻意不做微调或后训练，由开发者自行决定后续方向，后训练版本后续推出。百度称其在推理、代码和长上下文基准上