AISpot

搜尋

依意思最接近的 30 筆

Google Developers blog● 精選AI 評分66

開源 agent-eval 工具包發布，把 AI agent 評估從憑感覺變成可重複流程

一份面向 AI agent 的評估方法與開源工具 agent-eval 發布，主張用可重複的評估流程替代憑感覺看輸出。方法以關鍵使用者旅程（CUJ）定義成功標準，每個條件都對應一個評估點，先用模擬使用者 LLM 生成正常與邊緣場景，再在單元測試、確定性指標、LLM-as-a-judge 評分與整合測試四層做檢查。

開發工具開源AI Agent 評測評測管線LangGraphADK開源工具
閱讀原文
Ollama releases● 精選AI 評分68

Ollama v0.40.2：舊模型首次執行自動升級到 llama.cpp

Ollama v0.40.2 起，此前版本下載的模型會在首次執行時自動在後臺升級，以提升效能與 llama.cpp 相容性。升級會保留原模型作為備份，因此已升級的模型會暫時多佔用磁碟空間，官方表示未來版本會自動清理。需要現在清理可執行文件給出的 jq 指令碼配合 ollama rm 刪除，但這隻刪除備份，日後若要降級到 0.40 以前的版本，需重新拉取這些模型。

地端推論開源Ollamallama.cpp模型升級本地推理版本更新
1 個來源 · 2 則報導閱讀原文
機器之心● 精選AI 評分78

清華等推出 OSWorld-Science，12 個模型平均得分 34.3%

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%。

研究開源OSWorld-Science科研智慧體評測基準AI for Science計算機使用智慧體
閱讀原文
TechCrunch AIAI 評分56

Hugging Face 政策主管：嵌入式 AI 評測員難成現成方案

Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式第三方評測員並非解決模型安全問題的簡單答案，評測仍缺乏可復現性與統一標準。她指出評測方法更新很快、彼此之間難以橫向比較，且目前絕大多數評測針對模型本身，對 harness 和完整 agent 的評測既少又昂貴；而更強的 harness 可讓較弱模型跑贏前沿模型。她認為誰有資格評測哪些任務，需要更多標準化。

政策與安全研究AI 評估基準測試AI 安全第三方評估可復現性
閱讀原文
機器之心● 精選AI 評分76

WorldOracle 評測平台開放，世界模型物體與長序列預測明顯退化

由普林斯頓大學、多倫多大學、NVIDIA 與智元等機構提出的世界模型評測平台 WorldOracle 於 10 月 16 日向開發者開放，以真實操作記錄檢驗模型對動作後果的預測。首批七種模型暴露兩類問題：機械臂路徑跟得準但物體位置偏差大，IRASim 機械臂得分 78.8、物體僅 29.1，Cosmos 3 為 89.4 與 45.4；

研究世界模型具身智慧評測基準機器人操作WorldOracle
閱讀原文
Ollama releases● 精選AI 評分75

Ollama v0.40.0：Apple Silicon 預設用 MLX 跑模型

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。

地端推論開發工具MLXApple SiliconOllama本地推理模型支援
1 個來源 · 4 則報導閱讀原文
Ollama releases● 精選AI 評分82

Ollama v0.40.0：Apple Silicon 預設用 MLX 執行模型

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。

地端推論開源OllamaMLXApple Silicon本地推理Qwen
1 個來源 · 4 則報導閱讀原文
Ollama releases● 精選AI 評分72

Ollama v0.35.1 支援 Cloudflare 決策模型 Clef

Ollama 發布 v0.35.1，通過 /v1/systemone 介面支援 Cloudflare 新開源的決策模型 Clef（27B）與 Clef Flash（9B），兩者均為多模態，請求可在文字 state 之外附帶圖片，所有問題共享該狀態並聯合打分。同一版本把聯網搜尋上限從每次回應 3 次提高到 10 次，Modelfile 新增 CAPABILITY 宣告，並更新了 llama.cpp 與 MLX 引擎。

模型產品與方案OllamaCloudflareClef多模態本地推理
3 個來源 · 4 則報導閱讀原文
Ollama releases● 精選AI 評分79

Ollama v0.40.0 在 Apple Silicon 上預設用 MLX 執行模型

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。

地端推論開源MLXApple Silicon本地推理Qwen版本發布
1 個來源 · 4 則報導閱讀原文
Ollama releasesAI 評分42

v0.40.7

Ollama 發布預發布版 v0.40.7，三項改動中最主要的是 llama-server 現在能自行推斷投機解碼所需的草稿模型型別，不再需要手動指定。MLX 後端新增 PPLX Decider v1.2 支援，OpenAI 相容層則允許在非思考模型上使用 Responses 的 effort 引數。

地端推論開源Ollama本地推理llama.cppMLX預發布版本
閱讀原文
Hacker News front page● 精選AI 評分82

InnovationEval：前沿模型花數千美元 GPU 仍未復現人類演算法創新

新評測 InnovationEval 顯示，前沿模型無法獨立復現人類研究者近期做出的機器學習演算法創新：在端到端任務中，它們耗費數千美元 GPU 算力，仍未達到人類論文（on-policy self-distillation，SDPO）的水平。測試要求 AI 自主提出一種新的後訓練方法，在短答題與程式碼任務上後訓練 Qwen3-8B，並超過 GRPO 基線。主要結果來自 Claude Fable 5 與 GPT-5.6 Sol；

研究InnovationEvalAI 研究自動化基準測試後訓練SDPO
閱讀原文
Ollama releases● 精選AI 評分76

Ollama v0.40.0-rc6 在 MLX 上加入多模態嵌入

Ollama 發布 v0.40.0-rc6，在 MLX runner 上實現 EmbeddingGemma2Model 架構，使本地嵌入支援多模態輸入。/api/embed 介面現在可通過 input dict 為每個條目單獨傳入媒體。該模型為 24 層雙向文字編碼器，帶 PLE，共享 gemma4 的視覺與音訊塔，輸出經 mean-pool 與 L2 歸一化。該標籤由 pdevine 於 10 月 6 日打上，對應提交 #18820，仍屬 rc 預發布版本。

模型地端推論多模態嵌入EmbeddingGemmaMLXOllamaAPI
8 個來源 · 12 則報導閱讀原文
Ollama releasesAI 評分41

Ollama v0.40.3 暫停後臺模型升級以改善請求效能

Ollama 發布 v0.40.3，暫停了後臺模型升級，以改善 embedding 及其他請求的效能。該改動由維護者 jmorganca 提交，屬於行為調整：這一版本不再在後臺升級模型，以免拖慢推理與 embedding 請求。同時，ollama launch claude 不再彈出 Claude connectors 的警告，ollama launch codex 也不再提示 service tiers。

訂閱動態地端推論開源OllamaClaudeCodex本地推理
閱讀原文
X @ollamaAI 評分50

Ollama 雲三天免費開放 MiniMax M3.1 Flash

Ollama 與 MiniMax 合作，未來三天在 Ollama Cloud 上免費開放 MiniMax M3.1 Flash，無需本地算力即可呼叫。該服務由美國境內託管，並承諾零資料保留，即不儲存使用者請求資料。免費視窗僅限這三天，託管地區與資料策略是官方同時說明的兩項條件。

產品與方案商業MiniMax M3.1 FlashOllama Cloud限時免費零資料保留
2 個來源 · 3 則報導閱讀原文
Ollama releasesAI 評分43

v0.40.1

Ollama 發布 v0.40.1，服務端新增代理雲端用量與餘額 API，客戶端可藉此讀取帳戶用量與餘額。該版本還把帳號步驟從 CLI 新手引導中移除，修復 Windows 上 llama 讀取超過 2GiB 的 clef head 問題，並讓 manifest 在 Windows 上避免使用符號連結。MLX 方面刪除了已進入上游的 Metal residency 補丁，文件修復了 README 社群整合列表中的 6 個失效連結和應用 README 的下載連結。

地端推論開源Ollama版本更新llama.cppMLXWindows
閱讀原文
X @ollama● 精選AI 評分77

Nemotron 3.5 Bolt 74B-A9B 上架 Ollama，原生 2-bit 量化只需 24GB

Ollama 上線 NVIDIA Nemotron 3.5 Bolt 74B-A9B，官方稱其採用原生 2-bit 量化，可壓進 24GB 記憶體，並能與其他應用同時執行。該模型是視覺語言模型（VLM），定位是在本地處理日常 agentic 任務。執行 ollama run nemotron-3.5-bolt 即可拉取執行。

模型地端推論OllamaNVIDIA Nemotron本地推理視覺語言模型2-bit 量化
5 個來源 · 8 則報導閱讀原文
X @ollama● 精選AI 評分81

Reflection AI 首個開放權重模型 Beam 在 Ollama 限時免費

Reflection AI 的首個開放權重模型 Beam 已上線 Ollama，限時免費使用。該模型由 Ollama 與 Reflection AI 合作託管在美國，提供完整的零資料留存（ZDR），具備 100 萬 token 上下文視窗，面向軟體工程、推理與長時間執行的 agentic 任務。

模型產品與方案Ollama Cloud開源權重模型限時免費100 萬 token 上下文Reflection AI
5 個來源 · 8 則報導閱讀原文
X @ollamaAI 評分28

Ollama：Meta 模型現已向 Pro 使用者開放

Ollama 官方帳號宣布，Meta 的模型現在也向 Pro 使用者開放。推文僅一句話，沒有說明具體是哪幾個 Meta 模型、何時生效，也未提及 Pro 使用者可用的額度或功能範圍。訊息發布於 2026 年 10 月 15 日，實際可用情況需在 Ollama 客戶端中檢視對應模型。

產品與方案地端推論Ollama ProMeta訂閱方案模型可用性
2 個來源 · 3 則報導閱讀原文