llama.cpp 發布建置版本 b11370，CUDA 後端新增將共享專家（shared experts）融合進 MMVQ 的改動（#29184），並修復緩衝區空值檢查、把 stride_col_dst 移入融合引數。
推薦理由：你準備用 Mac Studio 本地跑開源模型，這次 CUDA 側的 MoE 融合最佳化雖不直接作用於 Apple Silicon，但能幫你判斷 llama.cpp 各後端迭代節奏，並留意 macOS 建置中 KleidiAI 被停用對 MLX 之外推理路徑的影響。
llama.cpp 合併 PR #27694，把 simple draft 與 MTP 的投機解碼改為機率取樣，目標模型用拒絕取樣驗證草稿 token。新增開關控制機率草稿取樣，預設仍為貪心；語法約束請求回退到 argmax，並支援在拒絕取樣中處理語法約束。同時修復了草稿取樣器與目標模型共用 rng 流、掩碼後分布未重歸一化等問題，並隨草稿一起截斷候選。
推薦理由：你正為 Mac Studio 評估本地推理，這條改動直接影響 llama.cpp 在 Apple Silicon 上投機解碼的取樣正確性與速度，值得在選型時納入測試。
NVIDIA DGX Spark 將新增 64GB 統一記憶體版本，10 月 23 日由 Acer、ASUS、Dell、Gigabyte、HP、MSI 開賣，起價 4999 美元，保留 GB10 Grace Blackwell 晶片、DGX OS 與完整 NVIDIA AI 軟體棧，可完全本地執行最高 1000 億引數模型。兩臺機器可用 QSFP 線經 ConnectX-7 直連，記憶體池化到 128GB，模型上限提到 2000 億引數；
推薦理由：如果你在 Mac Studio 之外考慮本地跑開源模型，這是同價位可對比的 CUDA 方案，且開箱即支援 Ollama、llama.cpp、LM Studio，並能一鍵把本地模型接給 OpenCode 用。
OpenRouter 推出 Model Router Benchmarks 頁面，用品質、速度、成本三個維度對比各家模型路由器，併合成 0 到 10 分的 Router Index。預設權重是品質 60%、每任務時間 20%、成本 20%，頁面上可拖動滑塊自行調整。
推薦理由：你同時用 Claude Code、Codex、OpenCode 且按量付費，可以先在這頁看清各家路由器在品質、延遲與成本之間的取捨，再決定是否把模型換成路由器來省錢。
GPT-6 Astra Ultrafast 已上線，執行在 NVIDIA Blackwell GPU 上，面向 OpenAI 內部以及符合條件的 ChatGPT Work 和 Codex 使用者開放，token 生成速度最高可達 Astra Standard 模式的 8 倍。開發者今天就能通過 API 呼叫，接入方式、定價與實現細節見官方 Ultrafast 指南。更快的生成可縮短 coding agent 的編輯—測試—除錯迴圈，減少工具呼叫之間的等待時間。
推薦理由：你日常用 Codex，可對照這條訊息看是否符合條件走 ChatGPT Work/Codex 入口，或直接用 API 實測更快生成對 agent 編輯—測試—除錯迴圈的實際提速。