ollama v0.30.10更新详解：Apple Silicon原生支持Command A与North家族，llama.cpp升级到b9672，Cohere2 MoE全链路接入MLX

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

ollama v0.30.10 已发布，发布时间为 2026 年 6 月 18 日。 从这次更新内容来看，版本体量并不只是一次常规修复，而是围绕 Apple Silicon、MLX 引擎、Cohere2 MoE 模型体系、解析器与渲染器能力、导入量化策略以及发布构建链路，做了一次非常完整的增强。

如果用一句话概括这个版本，那就是：

• • Command A 和 North 家族模型正式在 Apple Silicon 上通过 MLX 引擎运行
• • 底层 llama.cpp 引擎升级到 b9672
• • MLX 构建产物问题得到修复
• • 新增 Cohere2 MoE 模型的解析、渲染、导入、量化、注册与运行支持
• • Darwin 发布流程固定 Xcode 版本，提升 macOS 构建稳定性

从变更范围看，本次对 14 个文件进行了修改，包含 3 次提交，总计新增 1916 行、删除 16 行。 这说明 v0.30.10 的重点并不在表层功能描述，而在底层兼容性、模型接入链路和推理运行体验的整体完善。

一、v0.30.10 核心更新一览

这次版本更新的官方要点非常明确，主要包括三项：

• • Command A 和 North 家族模型现在可以在 Apple Silicon 上通过 MLX 引擎运行
• • 底层 llama.cpp 引擎更新到 b9672
• • 修复 MLX 的构建产物问题

这三项内容看似简短，但结合代码变更来看，实际落地远不止一句“支持运行”那么简单。因为要让一类新模型真正可用，至少要打通以下几个环节：

• • 模型识别
• • 渲染模板适配
• • 输出解析适配
• • 工具调用格式支持
• • 思维链标记支持
• • 模型导入与张量量化策略适配
• • 目标引擎的模型导入注册
• • 平台侧构建与发布稳定性保证

而 v0.30.10 正是在这些环节里，把 Cohere2 MoE，也就是 Command A / North 这一家族，完整接入到了 Ollama 的体系中。

二、Apple Silicon 上的 Command A / North 家族正式跑通 MLX

本次更新最重要的变化，就是 Command A 和 North 家族模型现在能够通过 MLX 引擎在 Apple Silicon 上运行。

这不是单点支持，而是从模型导入、渲染、解析、MLX 运行时注册到构建流程都做了适配。

相关变更中最直接的一项，是在 MLX runner 的导入列表里新增了：

• • x/models/cohere2_moe

这意味着 MLX 运行时已经把 Cohere2 MoE 模型纳入了支持范围。对应代码中，在 x/mlxrunner/imports.go 里增加了对 github.com/ollama/ollama/x/models/cohere2_moe 的导入注册。 这一步非常关键，因为没有这一层注册，即使前面的模型识别和渲染都做好了，也无法在 MLX 侧真正执行。

同时，本次还新增了一个非常大的模型实现文件：

• • x/models/cohere2_moe/cohere2_moe.go

这个文件本次新增了 770 行，说明 Cohere2 MoE 在 MLX 侧并不是“简单套壳式接入”，而是已经具备相对完整的模型实现基础。虽然这里没有展开文件内部全部逻辑，但仅从新增体量就能看出，这次支持是实打实的底层接入，而不是表面上的识别兼容。

三、llama.cpp 升级到 b9672，底层能力同步增强

本次版本还更新了底层 llama.cpp 版本：

• • 从 b9626 升级到 b9672

这个改动体现在 LLAMA_CPP_VERSION 文件中，直接从原来的 b9626 变更为 b9672。

别看只是一个版本号变化，这类更新通常意味着：

• • 后端推理能力同步上游改进
• • 模型兼容性进一步提升
• • 某些模板、采样、解析、量化或平台编译问题得到解决
• • 为新模型接入提供更稳定的底层基础

而结合本次新增 Cohere2 MoE 支持来看，这次升级显然也是整个版本能力扩展的一部分。因为上层接入新模型家族，往往需要底层引擎具备相应兼容能力，尤其是面对新架构、新 tokenizer 标记和新工具调用模板时，后端能力同步非常重要。

四、修复 MLX 构建产物问题，macOS 发布链路进一步稳定

除了模型支持，v0.30.10 还对构建发布侧进行了明确修复，重点是：

• • 修复 MLX 的构建产物问题
• • Darwin 发布流程固定 Xcode 版本

在 .github/workflows/release.yaml 中，本次更新新增了对 macOS 构建环境的明确约束：

• • DEVELOPER_DIR 固定为 /Applications/Xcode_26.4.1.app/Contents/Developer
• • CGO_CFLAGS 设置为 -mmacosx-version-min=14.0 -O3
• • CGO_CXXFLAGS 设置为 -mmacosx-version-min=14.0 -O3
• • CGO_LDFLAGS 设置为 -mmacosx-version-min=14.0 -O3

同时新增了一个专门的 Xcode 选择步骤，用于：

• • 检查指定的 DEVELOPER_DIR 是否存在
• • 若不存在则输出错误并列出 /Applications 下的 Xcode 目录
• • 使用 xcode-select 切换到指定 Xcode
• • 打印系统版本信息
• • 打印 Xcode 版本
• • 打印 macOS SDK 版本
• • 检查 metal 工具是否存在

这些动作说明，之前 Darwin 侧构建过程可能存在环境漂移问题，而本次通过固定 Xcode 版本和显式检查 Metal 工具链，来保证 MLX 相关构建产物的一致性与可用性。

这对 Apple Silicon 用户非常重要。因为 MLX 的运行质量不仅取决于模型逻辑是否接入，更取决于构建链条是否稳定。如果发布产物本身出现偏差，那么用户侧即便升级版本，也可能表现为模型无法加载、二进制行为不一致或运行异常。

本次在 CI 流程里直接把 Darwin release 的 Xcode 固定下来，本质上是在给 Apple Silicon 支持“兜底”。

五、删除旧补丁文件，说明底层依赖状态进一步演进

本次更新还删除了一个补丁文件：

• • llama/compat/002-llama-cpp-ui-empty-assets.patch

这个文件被整体删除，共 15 行。

虽然变更说明没有进一步展开，但从版本上下文看，这通常意味着：

• • 原先需要通过补丁修复的兼容问题，已经不再需要额外补丁
• • 随着 llama.cpp 版本升级，相关问题可能已在上游处理
• • 本地兼容层得到简化

这类删除虽然不显眼，但往往意味着项目对底层依赖的维护负担在下降，兼容逻辑更加干净。

六、新增 Cohere 解析器：完整支持思维链、文本块、工具调用块与旧模板标记

这次更新中最值得技术细看的部分，就是新增了：

• • model/parsers/cohere.go
• • model/parsers/cohere_test.go

也就是说，Ollama 为 Cohere2 MoE 家族专门增加了一套输出解析器。

这个解析器的定位非常明确，它用于解析 Cohere North / Command A 2026 模型输出，尤其是像 North-Mini-Code-1.0 这一类模型的生成格式。

从代码注释可以看出，这类模型的生成提示末尾有两种典型形式：

• • 开启思维链时，以思维开始标记结尾
• • 关闭思维链时，以思维开始标记紧跟思维结束标记结尾

也就是说，模型在 reasoning 开启时，输出会直接从思维块内部开始。

这个解析器主要支持以下几类标记结构：

• • 思维块开始与结束
• • 文本块开始与结束
• • 工具动作块开始与结束
• • 回合结束标记
• • 旧版响应开始与结束标记

它定义的保留 token 包括：

• • 思维开始
• • 思维结束
• • 文本开始
• • 文本结束
• • 工具动作开始
• • 工具动作结束
• • 旧版响应开始
• • 旧版响应结束

这意味着 Ollama 不只是“能读懂正常格式”，而是连旧模板中偶尔出现的 legacy response markers 也兼容了。对于真实生成环境来说，这一点尤其重要，因为模型采样输出不一定总是严格遵循最新模板。

七、Cohere 解析器的状态机设计非常完整

从实现来看，这个解析器采用了状态机设计，主要包含四种状态：

• • 收集思维内容
• • 等待下一块内容
• • 收集正文内容
• • 收集工具动作

初始化逻辑也比较清晰：

• • 默认 reasoning 为开启状态
• • 如果最后一条消息是 assistant 且内容非空，则视为 assistant prefill continuation，直接进入正文收集状态
• • 如果 reasoning 开启，则从思维收集状态开始
• • 如果 reasoning 关闭，则进入等待块状态

这里有两个非常实用的细节：

• • 支持 assistant prefill continuation
• • 支持 reasoning 显式关闭

前者意味着，如果对话历史最后一条 assistant 回复是一个未闭合的文本块，那么解析器会继续承接它，而不是错误重置状态。 后者则保证当 think=false 时，模型不会被强行按“必须先输出思维”的路径解析。

八、对流式输出的处理很细，避免“假死式等待”

解析器在 Add 和 eat 的设计上，明显考虑了流式输出场景。

它会不断把增量输出写入 buffer，然后循环消费。 其中一个很关键的问题是：当标记被切碎到多个 chunk 中时，不能把半截 tag 泄漏到用户内容里，也不能因为等待完整 tag 而把内容一直卡住。

为了解决这个问题，解析器做了几件事：

• • 对思维结束标记做重叠检测
• • 对正文结束标记、旧响应结束标记和回合结束标记做重叠检测
• • 保留可能构成 partial tag 的尾部内容，避免拆断
• • 在等待块状态下，只对“可能继续长成合法 tag”的内容继续等待
• • 一旦不是合法 tag 前缀，就把它当作正文内容流出，而不是无限缓冲

这个逻辑直接对应测试里的一个回归场景：

• • 输出在思维结束后，如果开头是无法识别的 tag，内容必须在 done=false 时就流出，不能等到整个生成结束

这类问题在实际产品里会表现成：

• • 用户看到回答像卡住一样不动
• • 服务端其实还在产出内容，但客户端迟迟收不到

本次测试明确覆盖了三类情况：

• • 旧版响应标记
• • 无法识别的新标记
• • 裸文本内容

只要思维结束之后接的是这些内容，就必须能在流式阶段提前输出。 这说明 v0.30.10 在解析器层面对“流式可见性”做了专门修正。

九、工具调用解析增强，面对畸形 JSON 也尽量保住有效调用

Cohere 解析器的另一大重点，是工具调用解析。

它把动作块内部视为一个 JSON 数组，数组里的每个元素结构为：

• • tool_call_id
• • tool_name
• • parameters

正常情况下，会直接整体反序列化这个数组。 但模型输出在真实采样时经常会出现格式瑕疵，比如：

• • 两个调用之间少了逗号
• • 某个值没有加引号
• • 局部对象损坏

为此，本次新增的 parseCohereActions 做了降级策略：

• • 如果整体 JSON 数组解析失败
• • 就退回到逐个扫描顶层平衡对象
• • 每个对象再分别解析
• • 一个坏对象不会拖垮其他对象

这里还专门实现了 scanJSONObjects，用于扫描顶层 {...} 对象，并且会正确处理：

• • 字符串内容
• • 转义字符
• • 字符串内部的花括号

这样就可以避免把字符串里的花括号误判为对象边界。

这个增强非常实用。因为在工具调用场景下，最怕的是：

• • 模型本来已经正确输出了多个工具调用
• • 结果因为其中一个参数写坏了，导致整个动作数组全部丢失

现在的策略变成：

• • 能保住的调用尽量保住
• • 无法解析的调用单独丢弃
• • 还会记录告警日志

这意味着工具链路的鲁棒性明显提升了。

十、Cohere 解析器测试覆盖非常全面

从 model/parsers/cohere_test.go 的 268 行新增内容来看，本次不仅新增了解析器，而且做了非常细致的测试。

测试覆盖的场景包括：

• • 思维块后接文本块
• • tag 跨 chunk 拆分
• • 工具调用解析
• • reasoning 关闭
• • 思维后直接输出裸文本
• • 没有文本结束标记但有回合结束标记
• • assistant prefill continuation
• • parser 注册验证
• • malformed actions 容错
• • 旧版响应标记兼容
• • 未结束状态下的流式输出
• • 块之间出现回合结束标记
• • 裸文本后接回合结束标记

这些测试基本把真实部署中最容易踩坑的流式解析问题都覆盖到了。 尤其是以下几个点，非常能说明这次接入不是“写完就算”：

• • split tags 不能泄漏到输出
• • legacy markers 必须兼容
• • bare content 不能被吞掉
• • malformed tool call 不能影响其他有效 call
• • stream before done 的卡顿回归问题必须修复

因此，从工程质量上看，v0.30.10 对 Cohere 家族解析支持的完成度是相当高的。

十一、解析器正式注册，模型识别链路打通

仅有解析器文件还不够，还必须进入统一注册表。

本次在 model/parsers/parsers.go 中新增：

• • 名称为 cohere 时，返回 CohereParser

这意味着后续只要模型识别阶段命中 cohere，就会使用这一套专用解析器。

十二、新增 Cohere 渲染器：把对话历史、工具定义、思维链、动作块、工具结果都按模板写对

与解析器对应的，是本次新增的渲染器：

• • model/renderers/cohere.go
• • model/renderers/cohere_test.go

这部分非常关键，因为解析器解决的是“读懂模型输出”，而渲染器解决的是“把输入喂给模型”。

如果模板渲染不正确，模型就可能：

• • 不按预期输出
• • 不进入工具调用模式
• • 思维链结构错位
• • assistant continuation 失效

本次渲染器专门适配的是 Cohere North / Command A 2026 的 chat template。 它支持以下能力：

• • 平台 system turn
• • 可用工具列表
• • 文本块包装
• • 思维块
• • 工具动作块
• • 工具结果块

它还明确指出，模型特定的平台系统指令，比如 identity 和默认 policies，不在渲染器里硬编码，而是依赖模型的 Modelfile SYSTEM prompt 或请求中的第一条 system message。

这一点非常重要，因为它说明渲染器职责清晰，只做模板编排，不做额外内容注入。

十三、渲染器的系统消息与工具区块组织方式非常明确

渲染器输出以 LeadingBOS 开始，返回的是：

• • <BOS_TOKEN>

然后会构造平台 system turn，包含两部分：

• • system prompt 内容
• • 可用工具区块

工具区块无论是否有工具，都会被渲染出来。 这在实现上通过 writeToolsSection 完成，格式非常严格：

• • 先输出工具标题区
• • 再输出 json fenced block
• • 空工具列表和非空工具列表的空白布局都按模板复刻

工具项本身通过 cohereToolJSON 序列化，包含：

• • name
• • description
• • parameters
• • responses: null

从实现上看，渲染器非常强调空白与分隔符的一致性，包括：

• • , 和 : 的空格风格
• • 多个工具项之间的空行
• • 空列表时的换行结构

这说明这次接入不是“语义接近即可”，而是尽量按原模板格式去还原。 对于大模型模板来说，这种严格性往往会直接影响输出稳定性。

十四、支持 assistant 文本、思维链、工具调用、工具结果和 prefill

在消息渲染逻辑上，CohereRenderer 处理了多种角色：

• • system
• • user
• • assistant 或 chatbot
• • tool

其中 assistant 分两种情况：

• • 有工具调用
• • 纯文本回答

如果 assistant 包含工具调用，则会输出：

• • chatbot turn
• • 可选思维块
• • action 数组

这里有一个细节： 渲染器保留了思维与动作前面的空白布局，以匹配模板中的未裁剪 jinja 空白。 这在测试中也有严格校验。

如果 assistant 是纯文本，则会输出：

• • 可选思维块
• • 文本开始标记
• • 文本内容

如果这条 assistant 消息正好是最后一条消息，那么它会被视为 assistant prefill：

• • 文本块不会闭合
• • 以便后续继续续写

这与解析器里的 continuation 逻辑正好首尾呼应，形成闭环。

十五、工具调用 ID 重建与工具结果映射逻辑也已补齐

对于工具调用，渲染器并不是简单沿用原始 ID，而是维护了一套连续编号逻辑：

• • 工具调用在整个会话范围内按顺序生成新的索引 ID
• • 如果原始 ID 存在，会记录原 ID 到新索引的映射
• • 工具结果消息则根据原始 ToolCallID 找回对应的重建索引

这个逻辑保证了两件事：

• • 模型看到的 tool call id 是连续的、规范的
• • tool result 能稳定引用到对应调用

对于没有提供 ID 的情况，结果侧会退回到调用顺序或原值。

同时，连续的 tool 消息会被合并为一个 TOOL_RESULT 数组块。 也就是说，如果前面 assistant 一次发出多个工具调用，后续多个工具结果不会拆成多个 turn，而会按模板要求聚合在一起。

这在多工具协同场景中非常关键。

十六、渲染器测试同样覆盖到了模板关键路径

model/renderers/cohere_test.go 一共新增了 189 行测试，覆盖了多个核心场景：

• • 只有 user 消息时的渲染
• • 带 system 历史与思维链的渲染
• • reasoning 关闭
• • 完整工具调用流程
• • 多工具调用与多工具结果合并
• • assistant prefill
• • renderer 注册与 BOS 验证

其中有几个点值得特别提炼出来。

第一，system turn 中即使没有工具，也会输出工具区块。 第二，reasoning 关闭时，生成提示会输出“空思维块”，即思维开始后立刻结束。 第三，工具调用数组和工具结果数组的空白、缩进、换行布局都做了严格比对。 第四，assistant prefill 会留下一个未闭合的文本块，用于续写。

这说明 Cohere 模板支持不是“能跑就行”，而是对模板细节做了较高还原。

十七、渲染器正式注册，BOS 行为明确

在 model/renderers/renderer.go 中，本次也新增了注册逻辑：

• • 名称为 cohere 时，返回 CohereRenderer

同时测试还验证了：

• • LeadingBOSForRenderer("cohere") 返回 <BOS_TOKEN>

这意味着渲染器已经完整进入统一调度体系，不是孤立文件。

十八、模型识别逻辑新增 cohere2moe 与 cohere2_moe 映射

要让 parser 和 renderer 真正生效，还必须保证模型被正确识别。

本次在 x/create/client/create.go 中，对 parser name 和 renderer name 的识别逻辑都做了扩展。

新增识别条件包括：

• • cohere2moe
• • cohere2_moe

在不同判断分支中，命中这些字段后都会返回：

• • cohere

也就是说，只要模型目录中的架构名或类型名包含这些关键字，Ollama 就会自动选中这套 Cohere 专用 parser 与 renderer。

这一步非常关键，因为它把“模型文件元信息”与“模板/解析能力”真正关联起来了。

十九、新增 Cohere2 MoE 导入变换：量化策略专门优化

本次在模型导入链路上还新增了：

• • x/create/cohere2moe.go

这个文件新增 106 行，用于 Cohere2 MoE 导入时的张量量化策略调整。

其核心目标很明确：

• • 针对 Command A 家族 / North 模型做专用量化优化

这个 transform 会先尝试读取模型目录下的 config.json，解析其中的：

• • num_hidden_layers

如果读取或解析失败，则回退为无启发式策略，不报错中断。

其后定义了专门的 quantizationType 逻辑，重点处理几类张量。

二十、嵌入层量化策略：优先走 8 位变体，降低解码带宽压力

针对 embed_tokens.weight，本次逻辑给出了明确策略：

• • 如果是二维 embedding tensor
• • 考虑到它同时承担 lookup 和 tied lm_head projection
• • 在超大词表规模下，bf16 embedding 会显著主导 lm_head matmul 的解码带宽
• • 因此优先量化到请求模式的 8 位变体

具体来说：

• • int4 或 int8 请求模式下，优先尝试 int8
• • mxfp4、nvfp4、mxfp8 请求模式下，优先尝试 mxfp8
• • 如果对齐不满足，则返回空字符串，表示不量化或交由后续处理

这说明本次更新对 Cohere2 MoE 的性能关注并不是泛泛而谈，而是已经细化到了 embedding 与 lm_head 共用权重带来的 decode bandwidth 问题。

二十一、MoE router gate 权重保持源精度，降低专家选择误差

另一个非常关键的策略，是对 .mlp.gate.weight 的处理。

代码中明确写到：

• • MoE router 负责 top-k 专家选择
• • 如果这里引入量化噪声，可能改变专家选择结果
• • 这种误差会向后续层层放大
• • 而 gate 权重本身体积很小，因此保留源精度更合适

所以对于 .mlp.gate.weight：

• • 直接返回空字符串
• • 即不进行量化提升或压缩

这体现出这次更新对 MoE 模型特性的理解是比较深入的。 因为 MoE 模型里最敏感的并不总是大矩阵本身，而是“决定走哪个专家”的路由器。

二十二、敏感投影层采用按层位置启发式提升精度，避免默认策略的过度带宽开销

对于以下敏感张量：

• • v_proj
• • k_proj
• • down_proj

本次更新没有沿用默认策略中的“统一更高精度提升”，而是采用了按层位置的启发式方案。

实现中说明了几点：

• • 默认策略对 down_proj 的统一 int8 提升会带来明显 decode bandwidth 成本
• • 在 top-8 MoE 中，这种开销大约可达 25 百分比
• • 因此改为只在量化敏感层位上提升精度
• • 使用的层位启发式沿用了 useMoreBits(layerIdx, numLayers) 的思路
• • 也就是早期层、后期层以及中间每隔若干层，采用更高比特精度
• • 其他层则保持请求的基础量化类型

具体规则上：

• • 如果请求是 int4，提升目标为 int8
• • 如果请求是 mxfp4 或 nvfp4，提升目标为 mxfp8

当满足以下条件时才提升：

• • 是敏感张量
• • 已成功解析层号
• • 层号命中高精度启发式
• • 张量 shape 满足目标量化对齐要求

如果层号已识别但不命中提升规则，则：

• • 如果基础量化不对齐，返回空字符串
• • 否则直接返回基础量化类型
• • 明确绕过默认策略中的 blanket promotion

这套策略的核心就是一句话：

• • 把更高精度留给真正更敏感的层位置，而不是一刀切拉高所有敏感张量精度

这对于 MoE 模型推理效率非常关键。

二十三、导入变换正式进入注册表

在 x/create/create.go 中，本次把：

• • Cohere2MoeForCausalLM

注册到了 tensorImportTransformRegistry，对应工厂为：

• • newCohere2MoeImportTransform

这意味着只要导入到对应模型类型，Ollama 就会自动启用这套专门量化策略。

也就是说，Cohere2 MoE 的支持不只是“运行时能推”，而是从导入阶段开始就采用针对性优化。

二十四、从创建、解析、渲染、导入到运行，Cohere2 MoE 已形成完整闭环

如果把这次更新的相关变更串起来看，会发现它其实构成了一条完整链路：

• • 在 x/create/client/create.go 中识别 cohere2moe 与 cohere2_moe
• • 识别后选择 cohere parser 和 renderer
• • 在 model/renderers/cohere.go 中按 Cohere 模板渲染输入
• • 在 model/parsers/cohere.go 中解析思维、文本、动作和工具结果相关输出
• • 在 x/create/cohere2moe.go 中对导入量化策略做专门优化
• • 在 x/create/create.go 中将该导入策略注册到模型类型
• • 在 x/mlxrunner/imports.go 中把 cohere2_moe 纳入 MLX runner
• • 再配合 x/models/cohere2_moe/cohere2_moe.go 的底层实现
• • 最终让 Command A / North 家族模型在 Apple Silicon 上通过 MLX 真正可运行

这就是为什么说 v0.30.10 的重点，不只是“支持一个新模型”，而是“打通一条新模型家族的全链路能力”。

二十五、这次更新的价值，几乎都集中在可用性与工程完整度上

从最终效果来看，v0.30.10 的价值主要体现在以下几个层面：

• • 对 Apple Silicon 用户来说，Command A 与 North 家族进入 MLX 可运行范围
• • 对底层能力来说，llama.cpp 升级到 b9672
• • 对发布稳定性来说，Darwin/Xcode/Metal 构建路径被显式固定
• • 对模板适配来说，新增了 Cohere 专用 renderer
• • 对输出解析来说，新增了支持思维链、文本块、工具调用和 legacy markers 的 parser
• • 对工具调用鲁棒性来说， malformed JSON 不再轻易拖垮整个 action block
• • 对模型导入效率来说，Cohere2 MoE 有了专门量化策略
• • 对系统集成来说，parser、renderer、import transform、MLX runtime 全部完成注册

而且从测试数量和覆盖范围看，这次并不是只把功能接进来，而是尽量把流式、容错、模板细节和多工具场景都一并考虑到了。

二十六、v0.30.10 更新总结

代码地址：github.com/ollama/ollama

ollama v0.30.10 这次更新，表面上看只有几条发布说明，但从代码层面拆开后可以发现，它实际完成了以下几件大事：

• • 让 Command A 和 North 家族模型正式跑上 Apple Silicon 的 MLX 引擎
• • 把底层 llama.cpp 升级到 b9672
• • 修复 MLX 构建产物问题，并通过固定 Darwin 发布环境来增强稳定性
• • 删除一个旧的兼容补丁文件，简化底层兼容层
• • 新增 Cohere parser，支持思维链、文本块、动作块、回合结束标记和旧版响应标记
• • 新增 Cohere renderer，完整适配系统消息、工具区块、工具调用、工具结果和 assistant prefill
• • 新增模型识别逻辑，将 cohere2moe 与 cohere2_moe 自动映射到 cohere
• • 新增 Cohere2 MoE 导入变换，针对 embedding、router gate、敏感投影层做更合理的量化决策
• • 在创建注册表和 MLX runner 中完成 Cohere2 MoE 的正式接入
• • 通过大量测试确保渲染、解析、流式输出、容错与工具链路的稳定性

  ---