Qwen
On 18 September Alibaba's Qwen team unveiled Qwen3.8-Omni-Flash, which processes text, images, audio and video in a single request. It ships with a 1M-token context, tool calling and a thinking mode, and cuts audio-input cost by 98% versus its predecessor.
Qwen
Alibaba'nın Qwen ekibi, 18 Eylül'de tek istekte metin, görsel, ses ve videoyu işleyen Qwen3.8-Omni-Flash'ı duyurdu. 1 milyon token bağlam, araç çağırma ve düşünme kipiyle geliyor; ses girdisi maliyeti bir önceki sürüme kıyasla yüzde 98 düşürülmüş.
llama.cpp
Modelleri kendi donanımında çalıştıranların kullandığı llama.cpp yeni sürümünü yayımladı. İki yeni model ailesi desteğe girdi, ama asıl işe yarayan kısım bellek tarafında: tensörler artık istendiğinde okunuyor ve nicemleyici bellek tavanına bağlandı. Sunucu tarafında bağlam sınırı artık yuva başına
llama.cpp
أصدر المشروع الذي يعتمد عليه معظم من يشغّلون النماذج على أجهزتهم نسخة جديدة. عائلتان جديدتان من النماذج تحصلان على دعم أولي، لكن الأهم عملياً في جانب الذاكرة: صارت الموترات تُقرأ عند الطلب، ووُضع سقف للمكمِّم. وعلى جانب الخادم صار حد السياق يُطبَّق لكل فتحة على حدة.
llama.cpp
The project most people use to run models on their own hardware has a new release. Two new model families gain initial support, but the useful part is memory: tensors are now read on demand and the quantizer is capped. On the server side, context limits are enforced per slot.
llama.cpp
多数人在自有硬件上跑模型时用的这个项目发布了新版本。两个新模型系列获得初步支持，但真正有用的是内存这一侧：张量改为按需读取，量化器加了上限。服务端的上下文限制现在按 slot 分别施加。
Perplexity
Perplexity released Lily, the local engine running Qwen3.6-35B-A3B on Apple Silicon, reporting 1.23x faster prefill and 1.35x faster decode than MLX-LM.
Perplexity
Perplexity, Qwen3.6-35B-A3B modelini Apple Silicon üzerinde çalıştıran Lily motorunu açık kaynak yaptı; şirketin ölçümlerinde MLX-LM'e göre prefill 1,23x, decode 1,35x hızlı.
Perplexity
Perplexity 开源了本地推理引擎 Lily，专为 Apple Silicon 上运行 Qwen3.6-35B-A3B 而写，官方测试中预填充比 MLX-LM 快 1.23 倍，解码快 1.35 倍。
Perplexity
أعلنت Perplexity عن إتاحة Lily مفتوح المصدر، وهو المحرك المحلي الذي يشغّل Qwen3.6-35B-A3B على Apple Silicon بأداء أسرع من MLX-LM وفق قياسات الشركة.
Qwen
阿里巴巴通义千问9月2日发布Qwen3.8-Max-0902，拥有2.4万亿参数、100万上下文，主打编程与企业级复杂任务，每百万tokens输入2美元、输出6美元，目前仅通过QwenCloud API上线。据Qwen自家对比，新版在所列各项上全面超越上一代；与Claude Opus 5则互有胜负，仓库级代码理解、复杂软件工程等项领先，核心编程仍逊于Opus。
Qwen
حدّثت Alibaba نموذج Qwen3.8-Max إلى Qwen3.8-Max-0902 بـ2.4 تريليون معامل ونافذة مليون رمز، بتسعير 2 دولار للإدخال و6 للإخراج. وبحسب مقارنة Qwen نفسها يتقدّم Claude Opus 5 في البرمجة الأساسية بينما يسبقه 0902 في صفوف أخرى.