量子位● 精選AI 評分71
螞蟻百靈開源 Ling-3.1-flash-1019，主攻 Personal Agent 長程任務
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。
搜尋
依意思最接近的 30 筆
機器之心● 精選AI 評分76
螞蟻百靈開源 Ling-3.1-flash，主打長程複雜任務
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。
量子位● 精選AI 評分82
螞蟻百靈開源 Ling-3.1-flash，主打真實工作流任務
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 releasesAI 評分59
llama.cpp 新增支援 LiquidAI LFM3-1.7B 與 LFM3-VL-2B
llama.cpp 合併 PR，加入對 LiquidAI 的 LFM3-1.7B 文字模型與 LFM3-VL-2B 視覺語言模型的支援。改動包括為 LFM3 啟用迴圈狀態回滾、設定 LFM3 測試模型的 SWA rope base，並讓 LFM3-VL 的 depthwise 卷積核在量化時保持 F32 精度，同時補充 LFM3 的 Metal 融合基線測試。
llama.cpp releasesAI 評分55
llama.cpp 新增 Flint 模型支援，多平台建置同步更新
llama.cpp 建置 b11803 合併了對新模型 Flint（FlintForCausalLM）的支援，該提交由 Codex 協助完成，合作者包括 Hugging Face 的 Sigbjørn Skjæret。同版本的預編譯產物覆蓋 macOS/iOS、Linux、Android、Windows 與 openEuler，包含 CUDA 12/13、ROCm 10.0、Vulkan、SYCL、OpenVINO 等後端。
llama.cpp releases● 精選AI 評分60
llama.cpp 新增 LiquidAI LFM3-Audio 與 LFM3-Omni 2B 支援
llama.cpp 已合併對 LiquidAI LFM3-Audio-2B 與 LFM3-Omni-2B 兩個音訊模型的支援。轉換指令碼改為按模型自帶的 config.json 讀取，並按 model_type 自動識別；LFM3-Audio 的 depthformer 關閉 flash attention，編碼器卷積與 codec 保持不量化。
X @ollama● 精選AI 評分62
MiniMax M3.1 Flash 上線 Ollama 雲端，支援 1M 上下文
MiniMax M3.1 Flash 已在 Ollama 上線，可通過 Ollama Cloud 用 ollama run minimax-m3.1-flash:cloud 直接呼叫。官方稱該模型在美國託管、零資料保留，主打快速編碼與 agentic 工作流，支援影像理解和 100 萬 token 上下文視窗。它也能以 ollama launch claude 或 ollama launch codex 指定該模型，接入 Claude Code 與 Codex 使用。
llama.cpp releasesAI 評分50
llama.cpp b11518 為 Metal 新增 128/96 Flash Attention 核心
llama.cpp 發布 b11518，Metal 後端加入 128 與 96 兩檔 Flash Attention 核心，並接受所有已編譯的維度組合（#30209）。該版本同時提供 macOS/iOS、Linux、Android、Windows 與 openEuler 的預編譯產物，覆蓋 CPU、Vulkan、CUDA 12/13、ROCm 10.0、SYCL、OpenVINO 及 Snapdragon 的 Adreno GPU 與 Hexagon NPU；
X @lmstudio● 精選AI 評分73
LM Studio 首日上線 Flint：40B MoE 本地編碼模型
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。
Ollama releases● 精選AI 評分72
Ollama 上線 Liquid AI LFM3 小模型家族，1.7B 支援 256K 上下文
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。
Hacker News front pageAI 評分68
Liquid AI 發布 LFM3：六個 2B 級多模態開源模型
Liquid AI 發布 LFM3 家族，首發六個約 2B 引數的多模態模型，均源自同一 LFM3-1.7B-Base 骨幹，覆蓋文字、視覺、音訊、omni 以及兩個決策模型。基座以 22T tokens 預訓練，最後 3.5T tokens 的中期訓練將上下文擴至 256K。架構由門控短卷積、256 token 滑窗注意力與全域性注意力三混合而成，8K 上下文下比 LFM2 快約 25%。
Hacker News front page● 精選AI 評分77
MiniMax M3.1 Flash 發布：成本降 70%，推理提速近 3 倍
MiniMax 正式發布 M3.1 Flash，官方稱其在 agentic 任務、coding、Computer Use 與網路安全上全面提升，使用成本較上一代降低 70%，線上推理速度提升近 3 倍。定價為每百萬 tokens 輸入 0.15 美元、輸出 0.60 美元、快取輸入 0.015 美元，日常輸出可達 200+ TPS（P50 170+ TPS）。
Hugging Face blog● 精選AI 評分74
Liquid AI 發布 LFM3：六款 2B 級多模態模型共用同一骨幹
Liquid AI 推出 LFM3 系列，六款 2B 級模型（文字、視覺、音訊、全模態與決策）均從 LFM3-1.7B-Base 派生，可按輸入模態選型，並在單張 GPU 上微調後部署到端側。LFM3-1.7B 比 LFM2.5-2.6B 引數少 35% 卻更強，4bit 量化約 1GB，上下文 256K，8K 上下文下比 LFM2-1.2B 快約 25%。
llama.cpp releasesAI 評分37
llama.cpp 發布 b11402，CUDA 後端改用整塊 FlashAttention 排程
llama.cpp 發布 b11402 版本，CUDA 後端改為優先採用整塊（whole-tile）FlashAttention 排程，以提升兩階段核心效率。
llama.cpp releasesAI 評分42
llama.cpp b11722 為 Hexagon NPU 加入多流 flash attention
llama.cpp 發布 b11722，Hexagon 後端新增多流 flash attention（multistream FA）支援，驍龍平台的 Hexagon NPU 推理可用上這一加速路徑。
llama.cpp releasesAI 評分26
llama.cpp 發布 b11711：修復 CUDA fattn 編譯警告
llama.cpp 發布建置 b11711，唯一程式碼改動是修復 CUDA flash attention 向量分發中觸發的 -Wtautological-compare 編譯警告（#30519），提交者為 Adrien Gallouët。
X @ggerganov● 精選AI 評分75
llama.cpp v0.6.0 支援 DFlash，Qwen3.8-27B 推理提速
llama.cpp 作者 Georgi Gerganov 建議使用 Qwen3.8-27B + MTP 的使用者升級到 DFlash，以獲得額外速度提升。啟用方式是在最新 llama.cpp v0.6.0 上執行 llama serve -hf ggml-org/Qwen3.8-27B-GGUF，並加上 --spec-type draft-dflash 與 --spec-draft-n-max 7 兩個引數。該提示未給出具體提速幅度，只強調必須使用最新版本。
X @lmstudio● 精選AI 評分68
LM Studio 上線 DeepSeek-V4.1-Flash-1017，支援 1M 上下文與影像輸入
DeepSeek-V4.1-Flash-1017 已在 LM Studio Bionic 上線，支援 100 萬 token 上下文與影像輸入，官方稱其價效比很高。該模型由美國境內託管，並提供完整的零資料保留（ZDR）。LM Studio 建議將它用於 coding 任務。
llama.cpp releasesAI 評分25
llama.cpp 伺服器新增 /v1/systemone API，支援 laya、julia-1 等模型
llama.cpp 的 server 元件新增了 /v1/systemone API，支援 laya、julia-1、lev、openjev、kev 五個模型。該 PR 包含模型轉換、服務端程式碼、共享提示字首、視覺支援，並新增 openjev tiny 模型用於測試。建置覆蓋 macOS、Linux、Windows、Android 等平台，但明確不支援 date_facts。
量子位● 精選AI 評分78
MiniMax M3.1 Flash 發布，Agent 跑分國產第一、輸出 200+ TPS
MiniMax 正式發布 M3.1 Flash，即此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔）。Agents' Last Exam 得分 29.6%，位列國產模型第一；DeepSWE v1.1 拿到 73.7%，BankerToolBench 以 76.2 分與 Claude Opus 5 並列第一。
X @ollama● 精選AI 評分68
Liquid AI 的 LFM3 系列模型上線 Ollama
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。
llama.cpp releasesAI 評分32
llama.cpp b11531 重構 chat API，同步更新多平台建置
llama.cpp 發布 b11531，主要變更是重構 chat API（#30210）。同步重新整理的預編譯產物覆蓋 macOS Apple Silicon、Ubuntu、Windows、Android 與 openEuler，包含 CUDA 12/13、Vulkan、ROCm 10.0、SYCL、OpenVINO，以及 Snapdragon 的 Adreno GPU 與 Hexagon NPU 版本。
llama.cpp releasesAI 評分43
llama.cpp 更新：Qwen3.8 Flash Next 支援影像嵌入用於 MTP
llama.cpp 發布 b11588 建置，讓 Qwen3.8 Flash Next 模型可以接受影像嵌入（image embds）用於 MTP，該改動延續 #30257 並關閉 #30307。
Latent Space● 精選AI 評分86
DeepSeek V4.1 Flash 上線：1M 上下文、MIT 許可
DeepSeek 上線 V4.1 Flash 1017，552B 總引數 / 16B 啟用 MoE，支援 1M token 上下文，MIT 許可，API 價格維持每百萬輸入 0.30 美元、輸出 1.20 美元，閒時半價。Artificial Analysis 智慧指數升至 45（+6），在開源權重模型中與 GLM-5.3 並列第二，僅次於 MiMo-V2.6-Pro；Code Arena WebDev 與 Agent Arena 均為開源第一。
llama.cpp releasesAI 評分45
llama.cpp Metal 後端新增 BF16 張量 flash attention 核心
llama.cpp 最新建置 b11645 為 Metal 後端的張量 API flash attention 核心加入了 BF16 變體，主要面向 Apple Silicon 上的 macOS 與 iOS。同一提交還把張量 FA 核心遷移到 kernels/fa_tensor.metal。
llama.cpp releasesAI 評分20
llama.cpp 發布 b11384 版本，覆蓋多平台預編譯包
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。
llama.cpp releasesAI 評分32
llama.cpp b11808：dflash 支援可選 FC 輸入縮放
llama.cpp 發布建置 b11808，主要改動是 dflash 支援載入可選的 FC 輸入縮放（#30945），該改動由 Codex 協助完成。本版照例提供各平台預編譯包，覆蓋 macOS/iOS、Linux（含 CUDA 12/13、ROCm 10.0、Vulkan、SYCL、OpenVINO）、Windows、Android 與 openEuler，Snapdragon 平台同時支援 CPU、Adreno GPU 與 Hexagon NPU。
llama.cpp releasesAI 評分42
llama.cpp 發布 b11424，修復 Vulkan Flash Attention 共享記憶體越界寫
llama.cpp 發布 b11424 建置版本，修復 Vulkan 後端 Flash Attention 的共享記憶體越界寫問題（#29988）。該版本照例提供 macOS/iOS、Linux、Windows、Android 的預編譯包，涵蓋 Vulkan、CUDA 12/13、ROCm 10.0、OpenVINO、SYCL、OpenCL 等後端，並附驍龍 CPU/Adreno GPU/Hexagon NPU 的安裝指引。
X @lmstudioAI 評分22
@lmstudio
LM Studio 的模型頁面上線了 Recursive 的 Flint 模型，使用者可以在 LM Studio 內搜尋並下載該模型，頁面地址為 lmstudio.ai/models/recursive-flint。原文未披露引數規模、量化版本、許可協議與具體能力，這些資訊需要到模型頁面確認。
llama.cpp releasesAI 評分43
llama.cpp 建置 b11512 修復 DFlash 輸出頭共享
llama.cpp 發布建置 b11512，首要改動是修復 DFlash 模型的輸出頭共享問題。該版本改為從 GGUF 後設資料讀取繫結的輸出權重、共享繫結的詞嵌入後設資料，並移除 DFlash 嵌入頭回退邏輯，這幾項改動均由 Codex 協助完成。