PyTorch Dynamo 为 range() 参数和切片成员添加索引强制类型转换
该提交为 PyTorch Dynamo 中的 range() 参数和切片成员引入了索引强制类型转换。此改进增强了 Dynamo 在跟踪过程中处理 Python 动态整数类型的能力,避免编译图中的类型不匹配。此改动由 guilhermeleobas 贡献,关联 issue/PR #18,是对 PyTorch 即时编译管线的一次针对性编译器增强。
该提交为 PyTorch Dynamo 中的 range() 参数和切片成员引入了索引强制类型转换。此改进增强了 Dynamo 在跟踪过程中处理 Python 动态整数类型的能力,避免编译图中的类型不匹配。此改动由 guilhermeleobas 贡献,关联 issue/PR #18,是对 PyTorch 即时编译管线的一次针对性编译器增强。
PyTorch Dynamo 之前不支持 collections.deque.__init__,导致重新初始化现有 deque 时发生图断(graph break)。该提交在 DequeVariable.call_method 中添加了处理逻辑,通过模拟 CPython 的 deque_init:重置 maxlen、清空 deque 并用提供的可迭代对象扩展。同时验证 maxlen 为非负整数,以匹配 CPython 的错误行为。此更改移除了 CPython 3.13 中 test_basics 的预期失败标记,现在测试通过。此修复增强了 Dynamo 对 Python 内置类型的覆盖,减少了跟踪使用 deque 的代码时的障碍。
PyTorch 合并了一个 PR(#187377),为 Dynamo 添加了三个辅助函数:`long_as_ssize_t`、`number_as_ssize_t` 和 `number_index`。这些辅助函数分别对应 CPython API 中的 `PyLong_AsSsize_t`、`PyNumber_AsSsize_t` 和 `PyNumber_Index`。该改动增强了 Dynamo 在图追踪期间正确处理 Python 大小(ssize_t)与索引操作的能力,提升了编译器的准确性与兼容性。此提交由 AI 助手 Claude Opus 4.8 (1M 上下文) 共同编写,并由维护者审核通过。
Ollama 0.30.10 版本发布。该版本新增了对 Cohere2MoE 模型的支持(由 jmorganca 贡献),并将底层的 llama.cpp 后端更新至 b9672 提交(由 pdevine 完成)。这些更新扩展了 Ollama 的模型兼容性,并集成了 llama.cpp 项目的最新改进。
2026年6月18日,苹果开发者账号发布了WWDC26特别讲座全程视频。末尾环节演示了在四台Mac Studio上通过LM Studio本地运行1万亿参数的Kimi K2.6模型。其关键是将macOS Tahoe 26.2中引入的RDMA over Thunderbolt技术用于模型推理,该技术可实现微秒级延迟的机器间直接内存访问。Kimi K2.6由中国初创公司月之暗面于2026年4月发布,大幅升级了代码编写、长程任务执行和Agent集群能力。视频还展示了仅凭单条提示词生成具备3D动画与视觉智能功能的WWDC徽章追踪应用。
在 llama.cpp 的 b9692 版本中,多模态视觉编码器的 llava_uhd 组件不再使用批次维度。该更改通过取消 llava_uhd 处理中的批次维度使用,解决了 #24732 号问题。该版本包含多种操作系统和后端的构建状态,但核心变更是批次维度的移除。该修复可能简化了视觉编码,并避免了批处理中的潜在错误。