browser-use 1.0 改以 Python REPL 透過 CDP 操作 Chrome
browser-use 1.0.0 改以持續運作的 Python REPL 直接透過 Chrome DevTools Protocol 操作 Chrome,並移除 DOM 序列化器與動作結構等中介層。
推薦理由:**browser-use 1.0.0** 改以持續運作的 Python REPL 透過 CDP 操作 Chrome,並調整瀏覽器、模型與錯誤處理預設值;遷移說明有助評估升級影響。
browser-use 1.0.0 改以持續運作的 Python REPL 直接透過 Chrome DevTools Protocol 操作 Chrome,並移除 DOM 序列化器與動作結構等中介層。
推薦理由:**browser-use 1.0.0** 改以持續運作的 Python REPL 透過 CDP 操作 Chrome,並調整瀏覽器、模型與錯誤處理預設值;遷移說明有助評估升級影響。
llama.cpp b12240 新增 Responses API 對 text.format.json_schema 轉換為 completions 的支援,並列出多種作業系統與硬體平臺的建置驗證專案。
browser-use 發布 1.0.0rc5 候選版,以持續執行的 Python REPL、browser-harness 輔助工具與 raw CDP 取代每步從 DOM dump 選擇一個動作的引擎,並保留常用的 Agent、Browser、Tools、run() 與 final_result() 介面。
推薦理由:browser-use 1.0.0rc5 更換瀏覽器操作引擎,並保留常用 API;遷移說明、相容性限制與基準資料可協助評估升級成本。
Google 宣佈開源 JAX 訓練框架 MaxText 加入 Cloud TPU 長上下文訓練支援,提供四種 Context Parallelism 策略,並結合 Tokamax Splash Attention kernel。
推薦理由:文章比較四種 Context Parallelism 的記憶體、通訊與模型形狀取捨,並提供依 KV 是否能放入 HBM 選擇策略的實務指引。
要分析資料湖裡不同資料表的關聯,通常得先整理節點和關係資料,再建立圖表並處理匯入。AWS 推出一款在本機執行的開源介面,讓使用者選擇 Athena 目錄和資料庫,用 SQL/PGQ 定義圖表,並在匯入前預覽資料列。介面會把選定資料暫存到 Amazon S3,再匯入 Neptune Analytics;載入後也能查詢和檢視圖表中的關係,適合用來探索帳戶與交易等資料之間的連結。
llama.cpp b12229 修正 OpenAI 相容 Chat Completions 端點處理 response_format 的 JSON Schema 問題:當 Schema 直接放在 response_format.schema 時,先前會被忽略,導致生成未受 Schema 約束。
PyTorch 的 PR #201666 統一 CMake 建置選項的環境變數優先順序,讓所有轉送的變數都依同一規則套用,並在每次建置時重新生效。
Elith 與 NVIDIA 推出 Nemotron-Personas-Finance-Japan,以日本人口統計與家庭金融情境建立合成人物資料集,供金融 AI 開發與評估使用。
推薦理由:資料以日本官方統計為基礎,結閤家庭財務與金融素養資訊,提供金融 AI 開發與評估可用的合成資料。
llama.cpp 在 b12224 修正後端行為,不再上傳沒有被讀取的輸入。 - 支援平臺與建置:發布專案列出 macOS、iOS、Linux、Android、Windows 與 openEuler 的建置版本,涵蓋 CPU、Vulkan、CUDA、ROCm、OpenVINO、SYCL 等後端或加速選項。
llama.cpp 針對 Zamba2-7B- Instruct 在 GPU 上加入 d_state=64 快速路徑,提升生成速度。\n- 效能提升:每個掃描步驟從 CPU 回退改為 GPU,吞吐量從 11 tok/s 提升至 15.1 tok/s,約 35%。
summary_zh: llama.cpp 新增 MoE cache 調優指令碼與 CPU 分享功能,最佳化 MoE cache 離線計算與上傳效率。 - moe-cache-tune.py:自動啟動兩個 cache 大小與三個 CPU share,根據機器上傳與 CPU 速度預測建議 --moe-cache-mib 與 --moe-cache-cpu-share。
PG Observability Map 1.0.0 於 2026 年 11 月正式發布,提供一個互動式網頁工具,讓使用者能直觀探索 PostgreSQL 的可觀測性指標與內部診斷檢視。
Brume 2.1 是一款可生成外部索引鍵安全偽匿名 PostgreSQL 複製的開源工具,適用於測試、除錯與示範。 - 核心特性:支援多種列級策略(FAKE、MASK、HASH、NULLIFY、FPE_ID/FPE_UUID、DATE_SHIFT)並保持外部索引鍵完整性。
vLLM 透過 LibTorch Stable ABI 遷移,實現不需重建即可升級 PyTorch,提升維運效率。 - 核心變更:vLLM 0.33.0 開始發布 LibTorch ABI Stable CUDA wheels,允許直接載入新版本 torch wheel。
推薦理由:本篇說明如何透過 LibTorch Stable ABI 讓 vLLM 免於重建,縮短升級週期並降低維運成本,並示範完整遷移流程與驗證方法。
summary_zh: tauri v3.0.0-alpha.6 釋出,修復多項事件處理與視窗管理問題,並升級核心依賴。
Codex Rust 0.167.0 版正式釋出,帶來代理指令中心、跨後端會話切換、影像預覽等新功能。 - 代理指令中心:可在嵌入式會話中啟用,並支援多後端切換與會話記錄。
summary_zh: PyTorch 修復了兩個編譯 compiled autograd 的錯誤,解除在 XPU 上執行 TestNN 的障礙。
PyTorch 在 ciflow/trunk/203697 版本中修復了兩個影響編譯自動微分的缺陷,解除 XPU 上 TestNN 測試失敗。 - 修復內容:針對 undefined gradient 與 sparse gradient 的兩個錯誤,確保在 CPU 和 XPU 上都能正確計算梯度。
Ollama v0.40.15-rc2 帶來多項更新,讓使用模型更方便。Xiaomi MiMo 的 mimo-v2.6 現在可在 Ollama 執行,這是一個 9B、專門處理程式碼和 AI 助理工作的模型;AutoTrust 也能讀文字,回答「是或不是」並給出機率和評分,其中 35b 與 27b-vl 還能看圖片,autotrust-jev 在這次更新中支援 Apple silicon。 另外,ollama launch 現在支援 Kimi Code CLI,也能協助搬移原本的 kimi-cli 設定;Pi 會自動填好模型清單,Claude Desktop 也會顯示 Ollama 的實際模型名稱。Recurrent 和 vision GGUF 模型可以同時處理多個要求,使用長上下文的 Qwen3、Qwen3.5 也獲得支援;直接執行 Ollama、完全不加引數時,還會開啟歡迎啟動畫面。
llama.cpp b12140 更新 GGML 運算與 CPU 後端,支援 YaRN 使用 truncate=false 時不將頻率插值區間邊界取整;此設定用於 gpt-oss 與部分 PLaMo-3 模型。
PyTorch 在 XPU 上新增 PCI domain/bus/device ID,允許 NUMA 繫結。 - PCI 位址支援:XPU 裝置屬性新增 pci_domain_id、pci_bus_id、pci_device_id 三個欄位,取代 SYCL 的單一字串。
Agent 在 LangChain 中透過 async 子代理實現非同步工作,讓使用者可以同時處理多項任務而不被阻塞。\n- 架構概念:主 orchestrator 仍保持可達,async 子代理在背景執行,完成後回報結果。
OpenSharing 是 Databricks 與 Linux Foundation 共同推出的下一代資料共享協定,將 Delta Sharing 的零複製、開放特性擴充套件至 AI 模型、代理技能與非結構化資料。
esp32-eye 是一套開源飲水監測系統,使用 MiniCPM-V 4.7、兩塊 ESP32-S3 與 MacBook,辨識個別貓咪並記錄每日飲水事件。
llama.cpp b12121 版本更新修正了量化 KV 快取的狀態複製錯誤,提升多平臺執行穩定性。 - 修正內容:針對 q8_0、q4_0 等量化型別,改用 ggml_type_size() * ggml_blck_size() 計算元素數量,確保整塊複製。
Kinference 推出開源推理控制平面,支援 vLLM 與 Kubernetes。 - 核心功能:提供 token 速率限制、租戶使用與成本追蹤、智慧負載均衡、推理政策,並具備 KV‑cache 感知的負載均衡。
PyTorch Day China 2026 將於 12 月 12 日在北京舉辦,召集 PyTorch 社群與 AI 專家共襄盛舉。 - 主題區塊:模型訓練與後訓練、推理與部署、核心與硬體加速、物理 AI、PyTorch 生態系統與應用。
PyTorch Foundation 在 PyTorch Conference 2026 發表了全新開源 AI 助理平臺,將訓練、最佳化、推論整合於同一層,支援任何晶片、任何雲端部署。
Apache Spark 4.3 擴充 Real-Time Mode 的具狀態串流處理,並已納入 Databricks Runtime 19。
推薦理由:Spark 4.3 將具狀態的處理擴充套件至 Real-Time Mode,並公佈三種工作負載的延遲資料,可用來瞭解其低延遲串流能力與適用範圍。
PyTorch 釋出將 weight_norm 遷移至 Metal 的更新,提升多種模型在 MPS 上的執行速度。 - 統計:速度提升最小 0.87 倍,平均 1.85 倍,最高 4.67 倍。
推薦理由:vLLM 在 Kimi K3.1 Pro 發布當日即提供服務支援,並列出長上下文、Terminal-Bench 成績及 GPU、TPU 與 RL 支援範圍。
llama.cpp v0.9.0 正式發布,新增 FP8 E4M3 量化、flash_attn_ext_rows 等多項功能,並擴充多模態與音訊支援。 - 量化:加入 OCP FP8 E4M3 tensor type,提供轉換輔助,提升量化模型效能。
推薦理由:此版本新增 FP8 E4M3 量化與多序列 KV 快取最佳化,並支援多種新架構與音訊功能,能顯著提升多模態推理效能與跨平臺部署彈性,為開發者帶來更高效能與更低延遲。
summary_zh: PyTorch Inductor PR #202772 改進了廣播生產者的實現,使用閾值最佳化計算,減少了 gpt-oss MoE down projection 的計算時間,將 epilogue 時間從 36.4 us 降至 16.8 us。
llama.cpp b12099 版新增 Hexagon NPU 支援與多種硬體平臺加速,讓開發者可在 macOS、Linux、Windows、Android 等環境快速部署推理。
Ray 2.60.0 更新 Ray Data、Ray Serve、Ray Core 等元件,調整資料處理與服務部署行為,並加入外部資料反序列化防護。 - Ray Data:shuffle v2 成為 joins 與 aggregations 的預設策略;Parquet 讀取改依 row-group 中繼資料安排讀取任務。
推薦理由:Ray 2.60.0 同步調整資料讀取、Serve 滾動更新與外部資料反序列化防護,呈現分散式工作負載在效能、服務容量和安全上的具體變更。
推薦理由:此版本同時涵蓋模型支援、推測解碼與硬體效能資料,可從中掌握 vLLM 的更新範圍及不同部署環境的變化。