أصدرت OpenAI الإصدار 0.21.0 من حزمة تطوير البرمجيات openai-agents-python، مقدمةً أدوات اختبار محايدة لمزودي الخدمة جديدة ومحدّثة التوافق مع مكتبة OpenAI Python الإصدار 3.
أصدر مشروع llama.cpp الإصدار b10435، الذي يعالج مشكلة أداء داخل محرك القوالب Jinja. يتضمن التغيير الرئيسي إصلاح خطأ تعقيد زمني تربيعي في دالة `gather_string_parts`.
أطلقت Anthropic إصدار Claude Code v2.1.233، الذي يقدم عدة ميزات وإصلاحات جديدة تشمل دعم عناوين URLs لطلبات الدمج في GitLab لعلم `--worktree` وعرض `claude agents`. كما يضيف الإصدار دعمًا اختياريًا لمجموعات الذاكرة (cgroup) لأوامر أداة Bash على نظام Linux لمنع توقف الجلسات بسبب عمليات البناء غير المنضبطة.
أطلقت xAI أحدث نموذج للبرمجة الخاص بها، Grok 4.6، ضمن GitHub Copilot للمطورين الذين يستخدمون VS Code ومنصات أخرى. يمكن للمستخدمين اختيار النموذج الجديد عبر منتقي النماذج، بينما قد يحتاج عملاء المؤسسات إلى تمكينه من خلال إعدادات Copilot.
أعلنت Z.ai عن GLM-5.3، وهو نموذج جديد يحقق أداءً متقدمًا في معايير برمجة الوكلاء من خلال توسيع تدريب ما بعد النموذج الأساسي GLM-5.2. يتفوق النموذج ذو ~750B معلمة حاليًا على Kimi K3 ويساوي أو يتجاوز Claude Fable 5 و GPT-5.6-Sol في معايير مختلفة.
أصدر مشروع llama.cpp الإصدار b10434، الذي يضيف دعمًا لتمرير معلمة `reasoning_effort` إلى قوالب Jinja. يضمن هذا التغيير تخزين قيم `reasoning_effort` من OpenAI Chat Completions وجعلها متاحة أثناء التوليد.
ستطبّق أنثروبيك الختم المائيّ للنصوص في نماذج كلود المستقبلية امتثالاً لقانون الذكاء الاصطناعي الأوروبي ومدونة ممارساته بشأن شفافية المحتوى المولّد بالذكاء الاصطناعي. تستخدم الشركة طريقة SynthID-Text المنشورة من قِبل Google DeepMind، والتي تُضمّن نمطاً قابلاً للكشف في النص المولّد دون التأثير على جودة المخرجات أو إضافة رموز إضافية.
يتناول الباحثون الانقطاعات الزمنية في إعادة إضاءة الفيديو طويل المدى عن طريق إعادة صياغة المهمة على أنها ترجمة مجال كامن مشروط زمنيًا. يفرض الإطار استمرارية عبر القطع عن طريق نشر كميات المجال المستهدف عبر الحدود ويستخدم التكييف الذاتي المقنع للمجال المستهدف لجعل هذا السلوك قابلاً للتعلم.
قدم باحثو إنفيديا FusionRelight، وهي طريقة لإعادة إضاءة البورتريه تجمع بين نقل الإضاءة المادي المعقول والحفاظ على الهوية والاستدلال في الوقت الفعلي المضغوط. تستخدم هذه الطريقة دمج المعرفة الهجينة للمجال (HDKF)، وهو إطار تدريبي يستخلص مسبقاً من الفيزياء والانعكاسية والواقعية من البيانات الاصطناعية، وواحدة-ضوء-في-الوقت (OLAT)، والبيانات في البرية، لنموذج طالب.
أصدر مشروع llama.cpp الإصدار b10431، الذي يقدم دعمًا لتراجع الحالة المتكررة (RS) في عملية ggml_ssm_scan. يتيح هذا التغيير تراجع RS لنماذج Nemotron على خلفيات CPU و CUDA.
كشفت OpenAI عن وضع Ultrafast، وهو وضع من GPT-5.6 Sol قادر على توليد ما يصل إلى 750 رمز مخرج في الثانية والعمل بسرعة معالجة تصل إلى 14 ضعف السرعة القياسية. يهدف هذا النهج إلى تقديم أداء فوري دون التبديل إلى نموذج أصغر.
قام المستخدم helloadhavan بإنشاء مجموعة بيانات تسمى CC-FilteredCorpus مصممة لتصفية Common Crawl واستخراج المحتوى كـ Markdown نظيف. تهدف المشروع إلى الحفاظ على هيكل المستند المفيد، بما في ذلك العناوين والقوائم والروابط وكتل التعليمات البرمجية والجداول، بدلاً من تسطيح كل شيء إلى نص عادي.
أعلنت ميتا عن إطلاق Muse Code، وهو إطار عمل لكتابة الأوامر عبر سطر الأوامل يعتمد على وكيل برمجي، مدعومًا بالنموذج الجديد Muse Spark 1.2. يتضمن الإصدار "شركة مساهمة" تقلل التكاليف بشكل كبير للمطورين الذين يسمحون لميتا باستخدام بيانات تفاعلاتهم في التدريب.
يكشف تقرير يحلل بيانات Hugging Face Hub من أوائل عام 2026 أن المختبرات الصينية قد تجاوزت نظيرتها الأمريكية في حجم النماذج المفتوحة المتقدمة، بينما تهيّد مورّدو الأجهزة مثل NVIDIA وAMD على إصدارات المستودعات الجديدة. يسلط التحليل الضوء على انقسام بين حماس المجتمع (الإعجابات) والتبني الفعلي (التنزيلات)، مع بقاء النماذج الصغيرة المعيار العملي للاستدلال المحلي.
أطلقت Qwen الأوزان المفتوحة لنموذجها Qwen 3.8 27B. نقطة التفتيش متاحة على Hugging Face.
أطلقت Qwen نموذج Qwen3.8-27B، المتاح للتحميل على ModelScope وHugging Face.
تم إطلاق أربعة نماذج لغوية كبيرة في الصين خلال الشهر الماضي: Kimi K3-2.8T وQwen3.8-2.4T وDeepSeek-V4-Pro-0813-1.6T وGLM-5.3-743B.
أصدر مشروع llama.cpp الإصدار b10429، الذي يعدل الخادم للسماح بالوصول إلى نقاط النهاية /metrics و /slots أثناء تنفيذ llama_decode().
أصدر مشروع llama.cpp الإصدار b10430، الذي يقدم دعمًا لأجهزة GPU المتكاملة (igpu) الافتراضية. يتضمن هذا التحديث أيضًا تعليقات محسّنة داخل قاعدة الشفرة.
أطلقت Z.ai نموذج GLM-5.3، وهو تحديث لنموذجها الذي يحتوي على 743B معامل، يحقق مكاسب في الأداء من خلال توسيع نطاق التدريب اللاحق بدلاً من إعادة تدريب النموذج الأساسي. الإصدار متاح حالياً عبر واجهة برمجة التطبيقات (API) الخاصة بـ Z.ai، وخطة GLM Coding، وZCode، مع جدولة نشر الأوزان العامة بعد أسبوعين تقريباً من الإطلاق عقب تقييمات السلامة.