llama.cpp 在 WebGPU 後端為 fill/set_rows 操作加入 f16 支援（PR #29897），併發布 b11382 版本。該版本覆蓋 macOS Apple Silicon、iOS、Linux、Android、Windows 等平台，其中 macOS Apple Silicon 的 KleidiAI 建置被停用。對使用 WebGPU 推理的使用者，f16 支援可減少視訊記憶體佔用並提升相容性。
Claude Code 更新至 v2.1.289，集中修復外掛系統、沙箱權限規則與終端渲染的多個缺陷。其中 Bash 拒絕或詢問規則此前在環境變數字首、裸變數賦值及沙箱自動放行場景下會被跳過，Read 拒絕規則也未覆蓋通過符號連結在 IDE 中 @ 提及或選中的檔案。此外還修復了外掛熱過載、本地資料夾市場外掛顯示陳舊副本、升級後首個會話不載入已安裝 mod，以及 VSCode 中 claude auth status 導致登出更頻繁的回退問題。
llama.cpp 發布 b11381 版本，修復了 mtmd 在 Windows 上觸發的 strdup 棄用警告（#29863），由 Hugging Face 的 Adrien Gallouët 提交。該版本繼續提供 macOS Apple Silicon（arm64）、Linux、Windows、Android 等多平台預編譯包，其中 macOS Apple Silicon 的 KleidiAI 加速版被標記為 DISABLED。
llama.cpp 發布 b11380 版本，將依賴庫 cpp-httplib 升級到 0.59.0。該版本繼續為 macOS Apple Silicon（arm64）、Linux、Windows、Android 等平台提供預編譯建置，其中 macOS Apple Silicon 的 KleidiAI 加速版本被標記為 DISABLED。
llama.cpp 合併 PR #29903，通過把 n_batch 限制在 n_ubatch 以內，修復了 server 的 laya abort 崩潰（#29902）。該修復由 Claude 輔助完成，並移除了相關測試與 embeddings 條件。
llama.cpp 合併 PR #29860，新增 common_is_tty() 輔助函式並修復 Windows 上的棄用警告，作者為 Hugging Face 的 Adrien Gallouët。該提交同時更新了各平台預編譯產物，macOS Apple Silicon（arm64）正常提供，但啟用 KleidiAI 的 arm64 版本被標記為 DISABLED，openEuler 也處於 DISABLED 狀態。
llama.cpp 合併 PR #29813，讓 Ling 3.0 解析器支援 inputs.json_schema，此前 response_format 請求不受約束。新邏輯為回應格式語法路徑優先於工具呼叫，啟用思考時要求 JSON 前有 think 塊，且 JSON 後不允許尾隨文字。該修復對應 issue #29652，由 Claude Opus 5.5 輔助完成。
llama.cpp 合併 PR #29904，通過改用融合 ADD 容差修復了 f16 精度下 ADD_ADD 測試偶發失敗的問題。該改動只涉及 CI 測試容差，不改變推理邏輯，但會隨下一次建置進入各平台發布包，包括 macOS Apple Silicon arm64、Ubuntu CUDA 12/13、Windows CUDA 12/13 等。
llama.cpp 合併 PR #29856，把 build_rs 中分散的 get_rows 合併為一次收集全部 n_rs 個 recurrent states，使預留空間按 n_rs 最大值計算，避免 ubatch 單元不連續時在節點數不變的情況下觸發圖重分配、進而在 GGML_SCHED_NO_REALLOC 下中止。
ggml-openvino 後端更新至 2026.4.1，新增 MoE 路由融合與 GDN 歸一化融合，並預設在 GPU 上啟用 MoE 融合。在 Arc B390 上跑 gemma-4-26B-A4B，配合 q4_asym64 重新量化，pp512 從 66.16 t/s 提升到 1608.73 t/s，困惑度基本不變。同時修復了 stateful 執行下 rank-3 軸處理導致的 MoE 崩潰，並改進裝置列舉與記憶體上報。
llama.cpp 合併了 qwen4exp 的 lightning indexer 最佳化，把索引器打分視訊記憶體減半：原先同時存在兩個 [n_pool, n_idx_h, n_tokens] f32 張量，現在每個 head 單獨計算並原地累加進一個 [n_pool, n_tokens] 分數。同時 CUDA 支援 4 heads、Metal 用函式常量傳 head 數、Vulkan 按 keys×tokens 分塊並向量化 fp16 點積。
GitHub 新儀表盤體驗已從功能預覽轉為所有使用者的預設檢視。它把活躍 agent 會話、issue 和 pull request 集中在一處，每類列表最多顯示 12 項並支援篩選；更新動態移到獨立的 Feed 標籤頁。你還能直接在儀表盤上把 issue 指派給 Copilot coding agent，或在 Copilot Chat 中開啟 pull request。想用回舊版，點選 Preview 旁的下拉選單即可隨時切換。
llama.cpp 合併 PR #29831，為 clef 決策模型加入純文字推理支援，並更新 gguf-py 常量。該版本覆蓋 macOS Apple Silicon、Linux、Windows、Android 等平台，其中 Apple Silicon 的 KleidiAI 加速建置被停用。
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。
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。
llama.cpp 合併 PR #29817，在 qkx3 量化級別送入 nearest_int 前先鉗制到 [0, nmax]，避免 imatrix 縮放搜尋產生無窮、NaN 或越界值時觸發 Debug 建置斷言。該問題由 #29804 報告，修復同時為 q2_K、q4_K、q5_K、q4_1、q5_1 的退化 imatrix 分組補充迴歸測試。合法範圍內的取值行為不變，macOS Apple Silicon（arm64）等預編譯包已隨本次發布更新。
llama.cpp 合併 PR #27096，修復 ggml-cpu 中 GGML_OP_SOFT_MAX_BACK 在 dst 與 src1（y）別名時輸出靜默錯誤的問題。原因是原實現先覆蓋 y 再讀取，改為單次融合迴圈先讀兩個源再寫，並新增迴歸測試強制觸發該別名。CUDA 核心因先完成歸約再寫入，不受影響。
llama.cpp 合併 PR #29844，新增對 nimble 決策模型的支援。該版本覆蓋 macOS Apple Silicon（arm64）、Ubuntu、Windows、Android 等多平台建置，其中 macOS Apple Silicon 的 KleidiAI 加速版本被標記為 DISABLED。官方發布頁為 llama.app，建置證明見 GitHub attestations。
llama.cpp 合併 PR #29570，在 Metal 後端新增基於 tensor API 的 flash attention 核心，支援 F16 KV 快取。同一批提交還補充了 DK=DV=512、DK=576/DV=512、DK=192/DV=128 等形狀的 tensor FA 核心，並支援 attention sinks、ALiBi 與 logit softcap。
llama.cpp 發布 b11361，在 server 中新增 /v1/systemone API，支援 laya、julia-1、lev、openjev、kev 五個模型，並附帶模型轉換指令碼。該版本加入了共享 prompt 字首與視覺輸入支援，新增用於測試的小模型 openjev tiny，文件中明確說明不支援 date_facts。macOS Apple Silicon（arm64）建置正常，但啟用 KleidiAI 的 arm64 版本被標記為 DISABLED；
llama.cpp 發布 b11355 版：對共享記憶體為 32KB 的三星 GPU，Vulkan 後端停用大型 matmul tile（#28531），該提交由 Claude Op 協助完成。此版本中 macOS Apple Silicon 的 KleidiAI 啟用建置（arm64, KleidiAI enabled）與 openEuler 建置標記為 DISABLED；
llama.cpp 發布 b11352 版本，主要改動是最佳化 qwen4exp 的掩碼（mask）建置（#29824），並將同一改動應用到 GLM5-next。該版本繼續提供 macOS Apple Silicon（arm64）、iOS、Linux、Windows、Android 等平台建置，涵蓋 CUDA 12/13、Vulkan、ROCm 10.0、OpenVINO、SYCL 與 Snapdragon 後端。
Claude Code 發布 v2.1.288。修復了長對話報「Prompt is too long」卻不自動壓縮、--resume 丟失剛被壓縮恢復的檔案與上下文、恢復的會話不儲存該輪最後回覆，以及回應中途 API 超時導致整輪失敗——非互動會話與子代理現在會從部分回應繼續，僅有思考內容的回應會重試。
llama.cpp 的 ggml 後端緩衝區型別介面新增 alloc_buffer_n 與 get_alloc_size_n 方法，並公開 ggml_backend_buft_alloc_buffer_n、ggml_backend_buft_get_alloc_size_n 兩個 API。預設實現負責多緩衝區分割與張量分配，Meta buffer type 提供自訂實現，按裝置建立子上下文並委託給 simple buffer type；
Ollama v0.35.1 新增對 Cloudflare 開源決策模型 Clef（27B）與 Clef Flash（9B）的支援，通過 /v1/systemone 呼叫。兩者支援多模態，請求可同時傳入圖片與文字 state，所有 questions 共享該狀態並聯合打分，返回如 noul 機率 0.958 的答案。
llama.cpp 發布 b11349，新增 Vulkan 管線編譯問題的日誌輸出（#29794）。該版本提供 macOS/iOS、Linux、Android、Windows、openEuler 建置產物，涵蓋 Ubuntu x64/arm64/s390x CPU、Vulkan、CUDA 12.8/13.4、ROCm 10.0、OpenVINO、SYCL FP32/FP16，以及 Snapdragon 的 CPU、Adreno GPU、Hexagon NPU。
llama.cpp 發布建置版本 b11347（2026-10-02），為 Hexagon 安裝重建後的 HTP skels，並修復 HTP skel 目錄依賴，兩項提交均由 OpenCode 協助完成。
llama.cpp 發布建置 b11346，本次改動是修復 qwen4exp 的測試（PR #29819）。該版本繼續提供 macOS Apple Silicon（arm64）與 Intel（x64）、iOS XCFramework 預編譯包，Linux 與 Windows 覆蓋 CPU、Vulkan、CUDA 12.8/13.4、ROCm 10.0、OpenVINO、SYCL 等後端，另有 Android arm64 與 openEuler 版本。
llama.cpp b11345 為 Hexagon 後端新增 Q2_K 和 Q3_K 量化型別支援，對應 PR #29717，並統一了 src1_row_size 的分配；改動由 Max Krasnyansky（maxk@qti.qualcomm.com）參與提交。
Claude Code 發布 v2.1.287：新增 Claude Mods，外掛可以修改更深層行為；並內建 You should know，由側邊 agent 監視你或 Claude 可能遺漏的內容，用 /plugin enable cc-plugin-you-should-know@builtin 開啟（需第一方會話且開啟遙測）。agents 檢視新增 n:<text> 過濾器匹配會話名與任務；
OpenCode 發布 v1.18.34，修復本地編譯的 macOS 二進位制在 macOS 27+ 上無法可靠執行的問題，改為編譯後重新簽名，並用 Developer ID 簽名 macOS CLI 發布版。同時模型請求現在會傳送帶名稱空間的會話與父會話身份頭，TUI 的 /status 對話方塊改用 path.sep 提取外掛名，網頁文件修正了 GPT 6.1 Sol 的快取定價。
Claude Code 發布 v2.1.286，本次更新幾乎全是修復與小幅改進。權限請求堆疊時提示框會顯示類似 2 of 5 的計數；全屏模式下列表的 N more 行支援滑鼠點選跳轉，並帶懸停與按下狀態。
Ollama v0.35.0 新增決策模型支援，通過 /v1/systemone 端點呼叫，基於 TypeSafe 的 Jev API。這類模型不返回文字，而是返回選擇、機率和分數，適合工單分流、模型路由和內容分類；目前可用 Bespoke Labs 的 Nimble 和 Together AI 的 Tev1，用 ollama pull nimble 拉取。
Claude Code 發布 v2.1.285，新增環境變數 CLAUDE_CODE_DISABLE_WEB_FETCH 用於關閉 WebFetch 工具，並加入 allowedProviders 託管設定，限制一臺機器可用的 API 提供商（Anthropic API、自訂 endpoint、Bedrock、Mantle、Vertex AI、Foundry、AWS 上的 Claude Platform、Cloud gateway）。
v0.35.1-rc0 為 create 請求新增可疊加的 capabilities 欄位，Modelfile 也可直接寫 CAPABILITY 宣告，且這些宣告會在 GGUF 與 safetensors 的建立、繼承和 Modelfile 匯出中保留。排程 System One 請求前改為要求 decision capability，不再靠匹配 Qwen 的架構/renderer 後設資料。
MLX 發布 v0.32.3，一批修復覆蓋 Metal、CUDA 與 CPU 後端，並新增面向 M5 的非量化 matmul 調優。Metal 側加入 gated delta nets 核心與 fast.cross_entropy 融合核心，降低 SDPA D256/D512 記憶體佔用，同時修復 fp 量化 matmul 在量化維度非 32 倍數時的結果損壞、GGUF 張量維度校驗與零尺寸軸的 scan/sort。
ChatGPT 的 Sites 現支援在桌面瀏覽器中繼續編輯已發布的站點：Plus 和 Pro 的站點所有者與編輯者可從已發布的 Site 選擇 Edit site，回到 ChatGPT 編輯、審閱改動並自行決定何時發布。站點所有者還可在 Automations 中建立週期性雲端計劃，按計劃更新站點。編輯入口明確為桌面瀏覽器，且這些更新僅在 Sites 支援的範圍提供，更多建立與管理細節見官方文件。
Anthropic API 新增 Claude Sonnet 5.5（claude-sonnet-5-5），併成為預設 Sonnet 模型：1M 上下文，輸入 $2、輸出 $10 每百萬 token，快取讀取 $0.20 每百萬 token。
OpenCode 發布 v1.18.33：Cloudflare AI Gateway 上的模型現在會遵循 provider 的回應與流超時，Gemini 的 thinking 預設值與 effort 選項也與各代模型支援的控制對齊。同版本還讓 MCP 瀏覽器啟動失敗在啟動器立即退出時被報告，並讓除錯配置輸出遮蔽憑據與敏感 header。
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，無需手動切換。用法與以往一致，例如 ollama pull qwen3.8 後 ollama run qwen3.8。該版本目前為預發布版（v0.40.0-rc0，變更範圍 v0.34.4 到 v0.40.0-rc0），官方稱預發布期間會測試並啟用更多模型，尚未說明具體支援清單與效能差異。