@lmstudio: oMLX is a performant and popular MLX engine for Apple Silicon, created and led by @jundotkim.
LM Studio 推薦開源 MLX 引擎 oMLX,稱其是面向 Apple Silicon 的高效能、受歡迎的推理引擎,由 @jundotkim 建立並領導。該專案開源且社群活躍,推文附有 GitHub 連結,未給出更多效能資料或安裝細節。
依意思最接近的 30 筆
LM Studio 推薦開源 MLX 引擎 oMLX,稱其是面向 Apple Silicon 的高效能、受歡迎的推理引擎,由 @jundotkim 建立並領導。該專案開源且社群活躍,推文附有 GitHub 連結,未給出更多效能資料或安裝細節。
openJiuwen 發布並開源企業級 AgentOS,把多智慧體協同、自演進、算力親和與企業級安全可靠能力整合進統一底座,並以外掛化架構連線上層應用與底層模型算力。平台支援任務拆解、角色分工與並行執行的蜂群協同,可依據執行軌跡與使用者反饋持續最佳化技能,同時提供多租戶隔離、安全沙箱與權限管理。
北京通用人工智慧研究院體系孵化的通衍靈智公布 RSI(遞迴自我改進)個性化 AI 路線:在共享基礎模型之上,用輕量 Personal LoRA 承載個人與企業的專屬能力。Evaluator 先按使用者標準篩選業務反饋,只把反覆出現的模式用於增量更新;更新後要與舊版本在同一批任務上對比,退化就回滾。
Liquid AI 的 LFM3 系列模型已可在 Ollama 本地執行,覆蓋文字、視覺、音訊、omni 與決策模型。文字模型在 4-bit 量化下僅約 1 GB,上下文視窗 256K,官方定位是可隨處執行、並能在單張 GPU 上微調的小模型。
Ollama v0.40.13 讓 Liquid AI 的 LFM3 系列模型除了 Apple silicon 外,也能在 Linux 和 Windows 上執行。此次更新涉及 lfm3-audio 與 lfm3-omni,其中包含文字轉語音能力。版本共含 2 個提交,完整變更見 v0.40.12 到 v0.40.13 的對比。
10 月 12 日,2026 工業具身智慧產業創新高峰論壇舉行,靈巧智慧聯合松應科技發布物理 AI 工業具身作業系統與靈巧操作模組,並推出 21 自由度靈巧手 021B。該系統以松應科技 ORCA OS 為底座,稱其為國內首個支援人形、四足、無人機等多形態機器人協同訓練的物理 AI 作業系統,已適配輝達、AMD、Intel 及摩爾線程等國產 GPU。靈巧智慧同時聯合上海人工智慧研究院、上海電氣、京東零售發布全球首家工業具身智慧 6S 店,由合資公司靈機智聯運營。
Ollama v0.40.12 上線 Liquid AI 的 LFM3 小模型家族,面向本地 agent、工具呼叫與結構化輸出。1.7B 的 lfm3 支援 256K token 上下文,系列另有影像版 lfm3-vl、覆蓋 18 種語言語音的 lfm3-audio 與三模態的 lfm3-omni,以及 2B 的 d1 決策模型。本次 lfm3 與 d1 2b 已支援 Apple 硬體,Linux/Windows 稍後跟進。
llama.cpp 版本號升至 0.8.0,並同步更新了全平台預編譯包。macOS 提供 Apple Silicon(arm64)與 Intel(x64)建置及 iOS XCFramework;Windows 與 Ubuntu 覆蓋 x64/arm64 的 CPU、CUDA 12.8 與 13.4、Vulkan、SYCL、ROCm 10.0、OpenVINO 等後端。
LibreOffice 背後的非營利組織 Document Foundation 表示,在可預見的未來不會把 AI 加入這款開源辦公軟體。8 月底發布的最新版已重申軟體不含任何生成式 AI 功能,這是刻意設計,以確保使用者文件不被上傳伺服器處理、軟體不依賴網路連線即可執行。該組織稱目前沒有能滿足其全部要求的 AI 整合方案,希望使用 AI 的使用者可自行安裝擴充套件,連線本地 AI 模型。
llama.cpp 發布 b11384 版本,官網為 llama.app,並附 GitHub 建置證明。該版本提供 macOS、iOS、Linux、Android、Windows 及 openEuler 的預編譯包,涵蓋 Apple Silicon、CUDA 12/13、ROCm 10.0、Vulkan、SYCL、OpenVINO 與 Snapdragon 的 CPU、Adreno GPU、Hexagon NPU 等後端。
螞蟻靈矽大模型應用平台團隊開源自動最佳化框架 AntOmniEvo,使用者只需提供可修改的檔案目錄、評估資料、打分標準和系統定義,框架就會驅動 coding agent 在「改檔案—打分」迴圈中 7×24 迭代。核心演算法 Mara Chain 讓未達標的候選帶著診斷記錄繼續修復,配合逐題 Pareto 過濾,避免過早淘汰有潛力的候選。
NVIDIA 的 OpenShell 發布 0.1.x 穩定版,為批次執行的自主 AI agent 提供帶策略約束的私有執行時。它在核心層對每次檔案訪問、系統呼叫和網路連線執行策略,並在策略變更生效前用形式化驗證標出新增的高風險訪問,憑據只注入到獲批端點。預設沙箱是未安裝任何 agent 的精簡 Ubuntu 映象,需要 Docker、Podman 或宿主虛擬化,官方教程用 OpenCode 接免費 OpenRouter 模型演示按需批准權限。
Ollama 發布 v0.40.0,在 Apple Silicon 裝置上,MLX 執行時支援的模型架構將自動改用 MLX 執行。官方範例為 ollama pull qwen3.8 與 ollama run qwen3.8;預發布期間會繼續測試並啟用更多模型。
螞蟻百靈開源 Ling-3.1-flash,主打把真實工作流裡的活幹完,而非刷榜。模型總引數約 560B、每 Token 啟用約 25B,上下文視窗達 1M;混合精度量化後權重佔用從約 534GB 降至 292GB,部署所需 GPU 由 8 卡降至 4 卡。據 Artificial Analysis,其智慧指數 41,輸出速度約每秒 210 Token,混合呼叫價格約每百萬 Token 0.19 美元,辦公任務評測 GDPVal-AA V2.1 的 ELO 為 1673。
llama.cpp 作者 Georgi Gerganov(@ggerganov)稱,llama.cpp 出現在了 10 月 7 日 Windows 活動的主舞臺上。他表示軟體與硬體棧終於走到一起,社群過去多年的努力得到體現,並期待更多使用者擁抱本地 AI。推文未說明該活動的具體內容,也未提及 llama.cpp 在其中的展示形式。
Ollama 發布 v0.40.0,在 Apple Silicon 裝置上,MLX 執行時支援的模型架構將自動改用 MLX 執行。可用模型包括 qwen3.8、gemma4、qwen3.6、qwen3.5,決策模型 Nimble、tev1、clef、clef-flash 也已登陸 MLX,官方稱會繼續測試並啟用更多模型。
開源安全運營平台 Argus 發布,採用 MIT 許可、免費自託管,核心是讓 AI 代理以機器速度檢測並自動阻斷攻擊。它接入 AWS、Azure、GCP、Kubernetes、Okta、Entra、CrowdStrike 等服務,提供 27 個一鍵修復,並支援在 Slack 中一鍵批准或回滾。新版新增自主回應(未人工確認則按定時器自動回滾)、統一 AI 閘道器(用公司持有的金鑰代理 OpenAI 與 Anthropic 呼叫,含模型白名單與預算)以及影子 AI 發現。
LM Studio 新增 oMLX 推理引擎;使用者下載該引擎後,可直接用它執行本地已有的 MLX 模型,無需重新下載模型。該整合由 LM Studio 與 Hugging Face 以及 jundotkim 合作完成。官方未披露支援的模型範圍、硬體要求與效能表現。
Ollama 上線由 Recursive SI 開發的約 40B 引數 MoE 開源模型 Flint,面向端側 agentic coding 場景。官方給出短上下文下的生成速度:M4 Pro MacBook Pro 上超過 125 tps,64GB 視訊記憶體的 NVIDIA RTX Spark 上超過 150 tps。
Ollama 發布 v0.40.0,在 Apple Silicon 裝置上,MLX 執行時支援的模型架構會自動改用 MLX 執行。官方範例為 ollama pull qwen3.8 與 ollama run qwen3.8,其他可用模型還包括 gemma4、qwen3.6 和 qwen3.5;決策模型 Nimble、tev1、clef、clef-flash 也已支援 MLX,並新增嵌入模型 embeddinggemma-2 支援。官方表示會繼續測試並啟用更多模型。
阿里巴巴開源智慧體沙箱 OpenSandbox 正式被國際 AI 開源技術組織 AAIF 收錄,成為首個由中國企業主導進入該體系的專案,同批次入選的還有 Agent Skills。OpenSandbox 將伺服器資源切分為多個沙箱隔離執行智慧體,兼顧啟動延遲、批次吞吐與資源開銷,並支援審計追蹤;阿里內部日均建立沙箱已達百萬量級,2025 年 11 月開源後已有 582 名開發者參與共建。
Ollama 發布 v0.40.0:在 Apple Silicon 裝置上,MLX 執行時支援的模型架構會自動改用 MLX 執行。本次納入 MLX 的模型包括 qwen3.8、gemma4、qwen3.6、qwen3.5,決策模型 Nimble、tev1、clef、clef-flash 也已支援。可用 ollama pull / run qwen3.8 拉取與執行,官方稱將繼續啟用更多模型。
螞蟻靈光 2.0 接入釘釘命令列介面(CLI),使用者授權後可呼叫釘釘的群聊、待辦、日曆和文件,把家校群、工作群交給 AI 在後臺託管。在家校群中,它會梳理老師的通知、作業和活動安排,提取待辦並主動提醒;在辦公場景中,它依託獨立雲端主機,即便退出 App 後仍會持續彙總群聊重點、生成任務清單。釘釘 DWS CLI 覆蓋群聊、會議聽記、待辦、AI 表格等 25 項業務模組,此前僅面向企業級智慧體,此次延伸到個人使用者。
清華大學牽頭聯合多所高校推出 OSWorld-Science 科研智慧體評測基準,含 146 項專家任務、覆蓋 7 大科學領域與 14 種科研軟體配置,12 個視覺語言模型平均任務得分僅 34.3%。Claude Fable 5.1 以 73.7% 領先,Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分別為 57.9%、57.4% 和 50.1%,但化學類任務中僅少數模型超過 20%。
螞蟻百靈於 10 月 15 日正式開源 Ling-3.1-flash,總引數約 560B、每 Token 僅啟用約 25B,上下文最高支援 1M Token,重點瞄準複雜任務與長程執行。據 Artificial Analysis 資料,其智慧指數 41,輸出約 210 Token/s,混合呼叫價格約每百萬 Token 0.19 美元;路由專家採用 MXFP4 量化後,權重從約 534GB 壓縮至 292GB,部署從 8 卡降至 4 卡。
10 月 28 日,螞蟻集團百靈大模型開源 Ling-3.1-flash-1019,面向 Personal Agent 場景強化複雜工作流與多步驟任務,在 Artificial Analysis 智慧指數 v4.3.2 中得 44 分,比上一版高 3 分。
開源專案 Jukebox-OS 發布,用 Rust 編寫的執行時為 AI agent 加上資料庫級 ACID 事務語義與確定性時間旅行回放。它把每次 LLM 請求、token 流、MCP 工具呼叫和檔案寫入經 BLAKE3 雜湊記錄到可移植的 .jbx 磁帶,副作用先暫存在 copy-on-write 的 WASI 沙箱,只有呼叫 commit 才真正落地,rollback 則不留痕跡。
免費開源的離線 AI 助手 Survival LLM 發布,AI 模型與應急資料庫都裝在本地,聯網完成設定後即可斷網使用,提問不會離開電腦。它會按電腦記憶體自動選擇模型,從 128GB 記憶體 Mac 上的 Nemotron 3.5 Super(80GB 下載)到 16–31GB 機型的 IBM Granite 4.2 8B(6GB)。
LiquidAI 發布 LFM2.5-24B-A2B:總引數 24B、每 token 僅 2B 啟用的 MoE 推理模型,專為在本機持續執行的私有 Agent 設計。它先輸出思維鏈再作答,能呼叫工具,上下文由上一代 32K 擴到 131K,詞表從 65K 翻倍至 128K。
Recursive SI 的 Flint 模型在發布首日就進入 LM Studio,可直接在本地執行。它是一個 40B 的 MoE 模型,每次僅啟用 2.5B 引數,上下文視窗為 262K token,採用 Apache 2.0 許可,專門針對本地 agentic coding 場景訓練。本地執行大約需要 24GB 記憶體,官方稱其基準測試表現相當出色。