macOS app 0.34: UI hangs because ChatGPT/Codex detection runs osascript on the main thread
该问题通常出现在 macOS 上运行 Ollama 桌面应用 0.34.x（含 0.34.1、0.34.2，以及 0.34.3-rc1）时，应用启动后会卡死甚至让整个系统失去响应。优先排查方向不是 MLX 或模型加载，而是应用启动时对 ChatGPT/Codex 的检测逻辑在主线程上执行 osasc
标签： AI
RuntimeError: Expected all tensors to be on the same device, but got weight is on cpu
这个报错通常出现在 MiniMax-H3 视频 VAE 解码阶段，当 VAE 处于部分 offload 状态、 qk_norm_scale 停留在 CPU 而上游张量在 CUDA/ROCm 设备上时触发。优先排查 VAE 是否被部分卸载，以及 qk_norm_scale 与 query 的设备是否一
Eval bug: MiMo-V2.6-Distill-Qwen-9B chat template misdetected as Qwen3-Coder (tool calls never complete)
这个报错通常出现在用 llama-server 跑 MiMo-V2.6-Distill-Qwen-9B（GGUF）并调用 OpenAI 兼容 tools API 时，模型自带的 chat template 被误判为 Qwen3-Coder 模板，导致工具调用永远走不到正常结束。优先排查 llama.
ggml-backend-meta: multi buffers are unsupported leading to vulkan segfault
该报错通常发生在 llama.cpp 使用 Vulkan 后端、开启多设备张量并行（ -sm tensor ）并加载模型时，进程在模型加载阶段触发 SIGSEGV；日志中会先出现 ggml-backend-meta: multi buffers are unsupported leading to
Eval bug: SYCL backend core dumps with A770 – “failed to get device memory size”
这个报错通常出现在 Linux 上使用 llama.cpp 的 SYCL 后端搭配 Intel Arc A770 启动 llama-server / llama-cli 时，启动阶段在获取设备显存大小失败后触发 ggml_abort 并 core dump。优先排查 SYCL 构建是否缺少 Inte
[Bug][ROCm/gfx942]: DeepSeek-V4-Flash silent retrieval corruption for prompts ≥ ~4-5k tokens (AITER sparse indexer)
![[Bug][ROCm/gfx942]: DeepSeek-V4-Flash silent retrieval corruption for prompts ≥ ~4-5k tokens (AITER sparse indexer)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/52109-0c477c70-768x403.jpg)
这类静默检索损坏通常出现在 ROCm/gfx942 上运行 DeepSeek-V4-Flash/Pro 并启用 AITER 稀疏索引器（DSA indexer）的长上下文场景中；当压缩后的候选 token 超过 index_topk 、开始真正发生 top-k 选择后，服务器不会报错，但 needl
issue: the copy buttons for the JWT token and API key in Settings > Account also save the account form
这个 bug 通常出现在 Open WebUI 的 Settings > Account 页面：点击 JWT token 或 API key 旁边的复制图标时，除了复制内容，还会顺带提交并保存整个 Account 表单，导致尚未保存的个人资料修改被写入，并弹出 “Settings saved suc
apply_chat_template returns all-zero assistant_masks for multimodal inputs
该问题通常出现在使用 AutoProcessor.apply_chat_template 处理多模态对话（图文混合）且开启 return_assistant_tokens_mask=True 时，返回的 assistant_masks 全为 0，需要优先排查多模态占位符展开导致的字符索引错位。核心英
ValueError: ViTMAEForPreTraining does not support Flash Attention 2.0 yet.
当你在 Transformers 中用 ViTMAEForPreTraining 预训练 MAE 并尝试开启 Flash Attention 2.0 时，会直接抛出不支持的错误；优先确认 Transformers 版本是否已升级到 v4.50.0 或更高，并检查 attn_implementatio
top_logprobs is capped at 20, but nothing downstream requires that
当你在 Ollama 中通过 top_logprobs 请求超过 20 个候选 token 时，请求会在进入后端前被 Ollama 自己的请求校验拦截，报错信息为 top_logprobs is capped at 20, but nothing downstream requires that 。