要实现并行运行模型可执行文件，并报告状态，可以使用多线程或多进程的方法来同时执行多个任务，并通过共享变量或消息传递的方式来报告任务的状态。

以下是一个使用多线程的示例代码，用于并行运行模型可执行文件，并报告状态：

import threading
import subprocess

def run_model(executable_file, model_name):
    # 执行模型可执行文件
    process = subprocess.Popen([executable_file, model_name], stdout=subprocess.PIPE)
    
    # 实时读取模型输出并报告状态
    while True:
        output = process.stdout.readline().decode().strip()
        if output:
            print(f"[{model_name}] {output}")
        if process.poll() is not None:
            break

# 模型可执行文件路径和名称列表
executable_files = ["model1.exe", "model2.exe", "model3.exe"]
model_names = ["Model 1", "Model 2", "Model 3"]

# 创建并启动线程来运行模型可执行文件
threads = []
for exe, name in zip(executable_files, model_names):
    thread = threading.Thread(target=run_model, args=(exe, name))
    thread.start()
    threads.append(thread)

# 等待所有线程完成
for thread in threads:
    thread.join()

在上述代码中，我们首先定义了一个 run_model 函数，用于执行模型可执行文件并实时报告状态。然后，我们创建了多个线程，每个线程都调用 run_model 函数来运行一个模型可执行文件。最后，我们等待所有线程完成执行。

需要注意的是，以上代码仅为示例，实际应用中可能还需要考虑线程安全、异常处理等问题。另外，如果模型可执行文件之间存在依赖关系，可能需要额外的同步机制来确保执行顺序。