Allen Institute stellt EMO vor – ein Mixture-of-Experts-Modell, bei dem sich modulare Strukturen natürlich aus Daten entwickeln, ohne vordefinierte Vorgaben. Das Modell, Code und technische Dokumentation sind frei verfügbar.

Asynchrone Batchverarbeitung ermöglicht parallele CPU- und GPU-Arbeit und kann die LLM-Inferenzgeschwindigkeit um 24 Prozent erhöhen, ohne neue Kernel oder Modelle zu benötigen.

iNaturalist-Clumper 0.1 aggregiert Naturbeobachtungen für die Blog-Integration und steht nach Produktivtests zur Verfügung.

datasette-llm-limits erlaubt Administratoren, tägliche Ausgabenlimits für LLM-API-Aufrufe in Datasette zu definieren und so die Kosten zu kontrollieren.