# ml-explore Release Notes

> 4 Updates, 2 aktive Quellen, zuletzt aktualisiert am 29. September 2026.

Quelle: [Seite](https://updatefeed.de/updates/ml-explore) · Feed: [RSS](https://updatefeed.de/feed/ml-explore/feed.rss)

## Produkte

- [Mlx](https://updatefeed.de/updates/ml-explore/mlx.md): 4 Updates, zuletzt 29. September 2026

## September 2026

### Mlx 0.32.3: Fehlerbehebungen, correction-Parameter für std und var

29. September 2026 · Version 0.32.3

Mlx v0.32.3 behebt mehrere Fehler (u. a. Scan und Sort bei Achsen der Größe null, einen Deadlock durch mx.clear_streams(), Integer-pow mit negativem Exponenten und pad mit negativen Achsen), ergänzt einen correction-Parameter für std und var, macht die Achsenangabe bei put_along_axis optional, setzt bei take_along_axis den Standardwert -1 und propagiert NaN in Arg-Reduktionen.

[Originalquelle](https://github.com/ml-explore/mlx/releases/tag/v0.32.3)

## August 2026

### Mlx 0.32.2: Zahlreiche Fehlerbehebungen und Option force_fused

25. August 2026 · Version 0.32.2

Mlx v0.32.2 behebt zahlreiche Fehler (u. a. Cast subnormaler Floats zu bool, divmod bei Floats, median mit NaN, fft-Transformationen über Achsenteilmengen), ergänzt die Option force_fused für scaled_dot_product_attention, validiert eps und Optimizer-Betas und härtet das Lesen von GGUF-Metadaten.

[Originalquelle](https://github.com/ml-explore/mlx/releases/tag/v0.32.2)

### Mlx 0.32.1: Fehlerbehebungen, schnelleres RMSNorm unter CUDA

18. August 2026 · Version 0.32.1

Mlx v0.32.1 enthält Fehlerbehebungen (u. a. GGUF-Metadaten-Arrays mit int64, zufälliger Zustand in compile), Verbesserungen der Dokumentation, eine schnellere RMSNorm-Vorwärtsberechnung unter CUDA und zero-copy-Import von Host-Buffern über mx.array(host_buffer, copy=False).

[Originalquelle](https://github.com/ml-explore/mlx/releases/tag/v0.32.1)

## Juli 2026

### Mlx 0.32.0: Determinante in linalg, JACCL-Barrier und CUDA-Fixes

7. Juli 2026 · Version 0.32.0

Mlx v0.32.0 bringt unter anderem Determinante und Sign-Log-Determinante in mlx.core.linalg, eine Barrier für JACCL, klarere Fehlermeldungen bei Int32-Überlauf von Dimensionen, device_count() gibt ohne GPU 0 zurück sowie mehrere CUDA- und Indexierungs-Fehlerbehebungen.

[Originalquelle](https://github.com/ml-explore/mlx/releases/tag/v0.32.0)