Llama

Thinking Machines Lab发布了9750亿参数的多模态开源权重模型Inkling，在Artificial Analysis Intelligence Index上领先美国开源模型，但部分任务仍落后于中国顶级开源模型。

Ollama v0.32.0 推出交互式 Agent 体验，并重命名 Codex App 集成为 ChatGPT。

Ollama v0.31.2 更新包含 Agent 核心整合、CUDA 回退机制、FLash Attention 启用、MLX 重写及多项修复。

Ollama v0.31.2 改进 CUDA 与 ROCm GPU 支援、启用 CUDA CC 6.x 的 Flash Attention、移除旧代码与实验性功能。

Ollama v0.31.1 在 Apple Silicon 上利用多令牌预测技术显著提升 Gemma 4 的推理速度。

Liquid AI 发布了其最小模型 LFM2.5-230M，支援 llama.cpp、MLX、vLLM、SGLang 和 ONNX 等推理框架，可在 Galaxy S25 Ultra 上达到 213 tok/s 的推理速度。