Le SDK Python pour le Protocol de Contexte du Modèle (MCP) a publié la version 1.30.0, une mise à jour de maintenance pour la ligne 1.x qui introduit des paramètres de sécurité plus stricts par défaut et de nouvelles options de configuration.
Nvidia a officiellement annoncé son intention d'acquérir la plateforme d'apprentissage automatique Hugging Face dans le cadre d'une transaction évaluée à 12,9 milliards de dollars.
Le classement Open TTS a été publié pour répondre à la fragmentation et au manque de standardisation dans l'évaluation de la synthèse vocale (TTS) en utilisant des métriques objectives plutôt que de se fier uniquement aux scores de préférence humaine basés sur des arènes, qui sont lents. Il évalue les modèles sur l'intelligibilité, la vitesse et la similarité du locuteur en utilisant les embeddings Qwen3 ASR et WavLM.
Le projet llama.cpp a ajouté un support initial pour l'architecture du modèle GLM-5.3-Flash (GLM5-Next), y compris la migration vers une mémoire à index hybride et les premières capacités de Multi-Token Prediction (MTP).
Le projet llama.cpp a publié la version b11266, qui inclut une optimisation Vulkan chargeant les matrices A F32 par deux éléments lorsqu'elles sont alignées sur 2. Ce changement résout des problèmes de performance sur le matériel Intel où charger les flottants un par un est inefficace, et corrige également une validation manquante pour l'alignement de `a_offset` dans le patch original.
La version llama.cpp b11265 inclut une correction pour la gestion des modèles Mixture of Experts (MoE) par le backend Vulkan. La mise à jour corrige la façon dont `mat_mul_id` sélectionne les tuiles de multiplication matricielle, résolvant un problème de performance où les travailleurs restaient inactifs lors du dispatch.
H Company a publié Holo4, une famille de modèles vision-langage généralistes d'utilisation informatique conçus pour cliquer, taper du texte, écrire du code et appeler des outils sur les environnements de bureau, web, Android et API. La publication comprend deux tailles de modèles : Holo4 27B (dense) et Holo4 35B-A3B (Mixture of Experts avec 3B paramètres actifs), tous deux prenant en charge une fenêtre de contexte de 256K.
IQuest a lancé IQuest-Q1, un modèle Mixture-of-Experts (MoE) conçu pour le codage agentique, le raisonnement et l'utilisation d'outils en plusieurs étapes. Le modèle comprend environ 320 milliards de paramètres au total, avec environ 15 milliards de paramètres activés par token. Il est disponible sur Hugging Face.
Le projet llama.cpp a publié la version b11238, introduisant une implémentation unifiée du remplissage à gauche via la nouvelle fonction `ggml_pad_ext`. Ce changement consolide les méthodes précédentes utilisées par les encodeurs audio tels que Parakeet, LFM2-Audio, Granite Speech et Gemma 4, garantissant des embeddings bit-à-bit identiques pour Gemma 4 tout en simplifiant le support des backends.
Le projet llama.cpp a publié la compilation b11232, qui inclut des mises à jour pour le backend ggml-cpu. La publication se concentre sur l'activation de l'attention flash en tuiles pour les dimensions de tête non multiples du vecteur sur les architectures x86.
La version llama.cpp b11228 introduit le support du remplissage gauche et circulaire dans l'opération GGML_OP_PAD du backend Metal, l'alignant avec les implémentations CPU, CUDA et Vulkan. Cette modification corrige les problèmes de remplissage droit pour les sources permuted et assure un comportement cohérent entre différents backends matériels.
La version llama.cpp b11224 traite les résultats de calcul incorrects dans le backend Vulkan lorsque les opérations de multiplication de matrices lisent des tranches de tenseurs plus grands et en stride, tels que les caches KV.
Le 27 septembre, Claude Opus 5 et le modèle Tetsu de 3B ont identifié six vérifications d'intégration continue distinctes dans leur dépôt public qui indiquaient un statut vert ou réussi bien qu'elles ne vérifient pas ce qu'elles étaient censées mesurer. Les problèmes allaient d'un portail de déploiement refusant des redémarrages valides en raison de hachages obsolètes à des benchmarks de temporisation avec des seuils creux acceptant des différences de performance négligeables.
Le serveur llama.cpp autorise désormais le RANK pooling batch splitting pour les rerankers LLM causaux tels que Qwen3 et Qwen3-VL, résolvant des limitations précédentes qui cassaient le reranking de documents longs et multimodaux.
La version b11216 de llama.cpp introduit des noyaux Fast Walsh-Hadamard Transform (FWHT) dans le backend SYCL qui prennent en charge des largeurs de bloc supérieures à 512. Auparavant, les largeurs plus grandes basculaient vers un GEMM dense avec une complexité O(n^2) ; ce changement permet des performances O(n log n) pour ces tailles.
Le projet llama.cpp a publié la version b11214, qui inclut une mise à jour clé du backend HIP. Cette version active le kernel fattn-mma sur les architectures CDNA lorsque dkq est supérieur à 256, visant spécifiquement des améliorations de performance pour les grands lots.
Le projet llama.cpp a publié la version b11207, qui introduit le support des opérations GET_ROWS en tuiles Q4_0 et Q8_0 sur le backend Hexagon. Cette mise à jour comprend également des correctifs pour les macros, les débordements de registres et le pipeline DMA, ainsi que des améliorations de la logique de sélection des noyaux et la réactivation de la vectorisation.
Le projet llama.cpp a publié la version b11195, introduisant une implémentation de multiplication matricielle en tuiles pour les k-quants dans le backend CPU. Ce changement décompacte les données quantifiées en tuiles int8 de 256x256 et calcule les résultats à l'aide de micro-noyaux afin d'améliorer les performances sur les grandes opérations matricielles.
Le projet llama.cpp a publié la version b11184, introduisant de nouveaux noyaux Fast Walsh-Hadamard Transform (FWHT) pour le backend Metal qui prennent en charge des largeurs de bloc supérieures à 512. Auparavant, l'implémentation FWHT de Metal était limitée aux largeurs comprises entre 64 et 512.
Le projet llama.cpp a publié une correction pour les échecs d'opérateurs et les problèmes de compilation sur MUSA (MTT S5000), ciblant spécifiquement l'architecture PH1. Cette mise à jour résout des bugs critiques causant des résultats incorrects ou des timeouts sur ce matériel.