2026/09/28 AI 开源项目日报：增长、活跃度与版本更新

本期数据截至 2026/09/28，来自本站持续追踪的 12 个高活跃 AI 开源项目。当前有 12 个项目已经形成完整七日快照，其余项目仍处于基线积累阶段，因此榜单同时参考提交、版本发布和项目规模，不把历史 Star 总数直接当作增长速度。

今日项目观察

这张表适合用来发现值得进一步研究的项目，不适合单独作为技术选型结论。Star 增长说明关注度变化，最近提交和 Release 才更接近维护状态；许可证、部署成本和现有技术栈仍需在项目详情页继续核对。

最近版本更新

• llama.cpp b11228：Metal 后端补齐左填充与循环填充支持：本次构建为 Metal 后端补齐 GGML_OP_PAD 的左填充与循环填充能力，使其与 CPU、CUDA、Vulkan 行为一致，并修复了置换张量在右侧填充时的读取错误；同步移除了表现较慢的 f32_4 内核分支，新增测试覆盖受影响路径。主要影响 Apple Silicon 设备上调用 padding 相关算子的开发者，属于后端对齐与正确性修复，可直接拉取构建。
• llama.cpp b11227：Gemma 视觉多图推理首包延迟显著降低：本次构建关闭了切换 causal_attn 时调度器重复预留的操作，避免在 Gemma 等模型的非因果图像块周围触发两次昂贵的 sched_reserve；同步调整了 qwen4exp 的 indexer 偏置形状逻辑，使其不再依赖 causal_attn。在 H200、RTX 4090 上的测试中，Gemma 4 26B-A4B 多图 prompt 阶段最高可获得约七倍加速，输出内容在改动前后保持一致。建议使用该模型做多图或视频理解的开发者关注升级。
• llama.cpp b11226：首次打通 Windows ARM64 MSVC 构建链路：本次构建启用使用 Microsoft cl.exe 在 Windows ARM64 上编译 llama.cpp 的能力，包含 FMA 编译与运行时问题修复、SVE 探测加强、ArmEC 支持以及跨编译相关修补，并同步更新构建文档。主要影响希望在 Snapdragon X 等 Windows ARM 设备本地编译与运行的开发者，属于构建链路层面的支持扩展，与模型兼容性无关。
• llama.cpp b11225：补齐 ggml 单元测试的初始化调用：本次构建为 test-recurrent-state-rollback、test-save-load-state、test-state-restore-fragmented 等多个 ggml 状态相关测试补齐 ggml_init 调用，避免运行依赖未初始化上下文的用例。属于开发与测试侧的小修补，使用官方预编译产物的普通用户无需特别关注。官方说明未提供更多细节。
• litellm v1.104.0-rc.1：RC 版本集中回并多项修复与 Langfuse v4 迁移：本次为 1.104 系列的候选版本，回并了 Langfuse SDK 回调迁移到 v4、Azure 代码解释器容器文件测试、Router 预算 Redis 等待、S3 v2 修复以及多轮 CI 加速等改动，并补回了多项 RC 分支上的测试修复与 Admin UI 重建。影响使用 Langfuse 可观测、Azure 代码解释器以及 RC 升级路径的用户，需要关注是否依赖 Langfuse v3 接口与 RC 节奏。
• llama.cpp b11224：Vulkan 后端修正 KV 缓存切片读取错误：本次构建修复了 Vulkan 后端 mul_mat 在读取 KV 缓存等跨批步距视图时误用 batch stride 的问题，并把修复同步到 mul_mat_id 与单 token 路径；此外收紧 mul_mm 中 A、B 的绑定范围，避免 NVFP4 在 NVIDIA 无 coopmat2 时读零挂起。对使用 Vulkan 后端跑注意力计算或 NVFP4 路径的用户而言，这是值得立即升级的正确性修复。
• litellm v1.103.0：稳定版落地多项协议适配与价格同步：1.103.0 稳定版集中了一批协议适配、计费修正和权限相关修复，包括 reasoning 对象向 chat-completion 推理力度翻译、MCP 委托 OAuth 准入、Anthropic 适配器流式错误暴露、Bedrock S3 托管文件增删列、Friendli 模型价格自动同步等。影响多模型切换、可观测、计费与 AWS Bedrock 集成的用户，建议升级时关注 MCP OAuth 与 Bedrock 文件接口变更。
• llama.cpp b11223：服务端支持因果重排序模型批分片：服务端为 Qwen3、Qwen3-VL 这类被当作重排序模型使用的因果 LLM 开放 RANK pooling 批分片，使其能像普通解码器一样使用 chunked prefill，从而支持长文档与多模态重排序。受影响的主要是部署这类重排序模型、用 llama-server 提供重排接口的开发者与运维，需要关注的是长上下文与多模态重排在更大批下不再被拒绝。

如何使用这份日报

1. 先从七日增长和活跃度找到候选项目。
2. 打开项目详情页，核对许可证、主要语言、最近提交和版本记录。
3. 对准备投入生产的项目，再检查安全公告、升级路径和社区响应速度。

本文由结构化数据自动生成，只发布可核验的项目指标；项目描述、版本和 Star 会随 GitHub 数据更新。