SDK Python untuk Model Context Protocol (MCP) merilis versi 1.30.0, pembaruan perawatan untuk garis 1.x yang memperkenalkan default keamanan yang lebih ketat dan opsi konfigurasi baru.
Nvidia secara resmi mengumumkan niatnya untuk mengakuisisi platform pembelajaran mesin Hugging Face dalam kesepakatan senilai 12,9 miliar dolar.
Open TTS Leaderboard telah dirilis untuk mengatasi fragmentasi dan kurangnya standarisasi dalam evaluasi Text-to-Speech (TTS) dengan menggunakan metrik objektif alih-alih hanya mengandalkan skor preferensi manusia berbasis arena yang lambat. Model dievaluasi berdasarkan kejelasan, kecepatan, dan kesamaan pembicara menggunakan Qwen3 ASR dan embedding WavLM.
Proyek llama.cpp telah menambahkan dukungan awal untuk arsitektur model GLM-5.3-Flash (GLM5-Next), termasuk migrasi ke memori indeks hibrida dan kemampuan Multi-Token Prediction (MTP) awal.
Proyek llama.cpp merilis build b11266, yang mencakup optimasi Vulkan yang memuat matriks A F32 dua elemen sekaligus ketika mereka sejajar 2. Perubahan ini mengatasi masalah kinerja pada perangkat keras Intel di mana memuat float satu per satu tidak efisien, dan juga memperbaiki validasi yang hilang untuk penjajaran `a_offset` dalam patch asli.
Rilis llama.cpp b11265 mencakup perbaikan untuk penanganan model Mixture of Experts (MoE) oleh backend Vulkan. Pembaruan ini memperbaiki bagaimana `mat_mul_id` memilih tile perkalian matriks, mengatasi masalah kinerja di mana pekerja menganggur selama penjadwalan.
H Company telah merilis Holo4, sebuah keluarga model visi-bahasa umum untuk penggunaan komputer yang dirancang untuk mengklik, mengetik, menulis kode, dan memanggil alat di lingkungan desktop, web, Android, dan API. Rilis ini mencakup dua ukuran model: Holo4 27B (dense) dan Holo4 35B-A3B (Mixture of Experts dengan 3B parameter aktif), keduanya mendukung jendela konteks 256K.
IQuest telah merilis IQuest-Q1, sebuah model Mixture-of-Experts (MoE) yang dirancang untuk coding agentic, penalaran, dan penggunaan alat multi-langkah. Model ini terdiri dari sekitar 320 miliar parameter total, dengan sekitar 15 miliar parameter diaktifkan per token. Model ini tersedia di Hugging Face.
Proyek llama.cpp merilis build b11238, memperkenalkan implementasi padding kiri yang terpadu melalui fungsi `ggml_pad_ext` baru. Perubahan ini menyatukan metode sebelumnya yang digunakan oleh encoder audio seperti Parakeet, LFM2-Audio, Granite Speech, dan Gemma 4, memastikan embedding yang identik secara bit untuk Gemma 4 sambil menyederhanakan dukungan backend.
Proyek llama.cpp merilis build b11232, yang mencakup pembaruan untuk backend ggml-cpu. Rilis ini berfokus pada pengaktifan flash attention bertegel untuk dimensi kepala bukan kelipatan vektor pada arsitektur x86.
Rilis llama.cpp b11228 memperkenalkan dukungan untuk padding kiri dan melingkar pada operasi GGML_OP_PAD di backend Metal, menyelaraskannya dengan implementasi CPU, CUDA, dan Vulkan. Perubahan ini memperbaiki masalah padding kanan untuk sumber yang dipermutasi dan memastikan perilaku yang konsisten di berbagai backend perangkat keras.
Rilis llama.cpp b11224 mengatasi hasil komputasi yang salah di backend Vulkan ketika operasi perkalian matriks membaca irisan dari tensor yang lebih besar dan bertingkat, seperti cache KV.
Pada 27 September, Claude Opus 5 dan model 3B Tetsu mengidentifikasi enam pemeriksaan integrasi berkelanjutan terpisah di repositori publik mereka yang melaporkan hijau atau berhasil meskipun gagal memverifikasi apa yang seharusnya mereka ukur. Masalah-masalah tersebut berkisar dari gerbang penyebaran yang menolak restart valid karena digest usang hingga benchmark waktu dengan ambang batas kosong yang menerima perbedaan kinerja yang dapat diabaikan.
Server llama.cpp sekarang mengizinkan RANK pooling batch splitting untuk reranker LLM kausal seperti Qwen3 dan Qwen3-VL, menyelesaikan batasan sebelumnya yang merusak reranking dokumen panjang dan multimodal.
Rilis llama.cpp b11216 memperkenalkan kernel Transformasi Walsh-Hadamard Cepat (FWHT) di backend SYCL yang mendukung lebar blok lebih besar dari 512. Sebelumnya, lebar yang lebih besar jatuh kembali ke GEMM padat dengan kompleksitas O(n^2); perubahan ini memungkinkan kinerja O(n log n) untuk ukuran tersebut.
Proyek llama.cpp telah merilis versi b11214, yang mencakup pembaruan kunci untuk backend HIP. Rilis ini mengaktifkan kernel fattn-mma pada arsitektur CDNA ketika dkq lebih besar dari 256, secara khusus menargetkan peningkatan kinerja untuk ukuran batch besar.
Proyek llama.cpp merilis build b11207, yang memperkenalkan dukungan untuk operasi GET_ROWS bertiling Q4_0 dan Q8_0 pada backend Hexagon. Pembaruan ini juga mencakup perbaikan pada makro, tumpahan register, dan pipeline DMA, bersama dengan peningkatan logika pemilihan kernel dan vektorisasi yang diaktifkan kembali.
Proyek llama.cpp merilis versi b11195, memperkenalkan implementasi perkalian matriks bertingkat untuk k-quants di backend CPU. Perubahan ini membongkar data terkuantisasi menjadi ubin int8 berukuran 256x256 dan menghitung hasil menggunakan mikrokernel untuk meningkatkan kinerja pada operasi matriks besar.
Proyek llama.cpp merilis build b11184, memperkenalkan kernel Transformasi Walsh-Hadamard Cepat (FWHT) baru untuk backend Metal yang mendukung lebar blok lebih besar dari 512. Sebelumnya, implementasi FWHT Metal dibatasi pada lebar antara 64 dan 512.
Proyek llama.cpp telah merilis perbaikan untuk kegagalan operator dan masalah build pada MUSA (MTT S5000), yang secara khusus menargetkan arsitektur PH1. Pembaruan ini menyelesaikan bug kritis yang menyebabkan hasil salah atau timeout pada perangkat keras ini.