Version 0.40.0 stops with “Maximum threads” error after a minute.
该报错出现在 macOS Apple Silicon 上使用 Ollama 0.40.0/0.40.1-rc0/0.40.3 配合 MLX 模型（如 qwen3.6:35b-mlx）进行推理时，运行约一分钟后 MLX runner panic，并返回 HTTP 500。优先排查模型是否走 MLX r
标签： LLM
MLX runner panic with qwen3.6:35b-mlx in Ollama 0.40.x — regression from 0.35.0
该报错通常出现在 Mac（Apple Silicon）上用 Ollama 0.40.x 加载 qwen3.6:35b-mlx 并处理较长上下文（如 65,536）时，MLX runner 的 KV 缓存（prefix cache）在解码过程中偏移越界，导致进程 panic。优先确认是否为 MLX 路
CASE：让医疗智能体主动寻找证据，纵向推理准确率提升超16%
研究者提出CASE临床智能体框架，让视觉语言模型学会在长周期病历与多序列MRI中主动搜寻证据，而不是只对预先筛选好的资料作答。在UK Biobank构建的纵向基准上，其Qwen3-VL-8B智能体在匹配条件下答案准确率相对GPT-5.4和Claude Opus 4.8分别提升超16%和10%。
Eval bug: llama-speculative changes the distribution at temp > 0
该报错出现在使用 llama-speculative （ examples/speculative ）且 --temp 大于 0 时，投机解码路径改变了采样分布，导致同一前缀下的下一 token 频率与非投机路径严重不符。优先排查 speculative 示例的草稿采样与拒绝重采样逻辑，而不是模型或
[Bug]: GLM MXFP4 returns 0 GSM8K on GB200 (DEP8+EP8, vLLM 0.30.0)
![[Bug]: GLM MXFP4 returns 0 GSM8K on GB200 (DEP8+EP8, vLLM 0.30.0)](https://www.chat-gpts.plus/wp-content/uploads/2026/10/58729-f68f79e9-768x403.jpg)
该报错出现在 GB200/B300 等 SM100 机器上，用 vLLM 0.30.0 以数据并行 + 专家并行（DEP8+EP8）方式托管 GLM-5.3-MXFP4 时，MoE 走 Cutlass MXFP4 路径但不应用 expert_map，只支持 EP=1，导致 GSM8K 约 0 分。优
[Bug]: tool_choice=”required” not enforced with Qwen3.8-Flash-Next when enable_thinking=false (streaming); xgrammar “Failed to advance FSM”
![[Bug]: tool_choice="required" not enforced with Qwen3.8-Flash-Next when enable_thinking=false (streaming); xgrammar "Failed to advance FSM"](https://www.chat-gpts.plus/wp-content/uploads/2026/10/55552-a09a0a5f-768x403.jpg)
这个报错通常出现在用 vLLM 部署 Qwen3.8-Flash-Next 并开启 tool calling / 结构化输出（xgrammar）时，尤其是流式输出配合 tool_choice="required" 、 enable_thinking=false ，或开启 thinking 且使用 M
Linus Torvalds 用 Claude Code 推进 Linux 内核内存管理改进
Linux 创始人 Linus Torvalds 在等待 Linux 7.3-rc7 期间，用 Claude Code 辅助创建了一个新内核分支，尝试让页缓存读取绕过 folio 引用计数，缓解多线程小文件读取的竞争瓶颈。
AI 打造的种子站 TorrentClaw 推 TrueSpec：抽查下载内容识别伪造与恶意软件
种子搜索引擎 TorrentClaw 用 Claude Code 加本地 LLM 搭出一套名为 TrueSpec 的抽检机制，会真实加入下载、读取文件列表并检测伪造文件和恶意软件。它把主流自动索引长期缺位的“内容真实性校验”用 AI 补上了一块。
Garry Tan：把重复LLM调用换成确定性代码，成本可降约90%
Y Combinator 总裁 Garry Tan 在 X 上表示，把重复性的 LLM 调用替换为确定性代码是“理所当然”的做法，还能让代码更符合用户预期。他引用的开发者案例显示，在合规告警这类重复任务上，成本从超过 29 万美元降到不足 2.6 万美元。
Eval bug: draft-mtp changes deterministic output on Qwen3.6 MTP model
在 llama.cpp 的 llama-server 中对 Qwen3.6 MTP 模型启用 draft-mtp 投机解码（ --spec-type draft-mtp ）时，即使固定 seed 、 temperature: 0 ，生成结果仍会与未启用投机解码的基线不同，报错特征为 Eval bug