论坛软件 Discourse 发博客回应了最近 Cal.com 因害怕 AI 扫描漏洞而闭源的举动，直接说他们不会走这条路。Discourse 已经以 GPLv2 协议开源了 13 年，他们认为闭源反而会削弱防守能力。文章里提到，他们团队用 GPT-5.3 Codex、GPT-5.4 和 Claude Opus 4.6 扫自己的公开代码库，最近一次月度...
推荐理由：这不是模型发布，是一线团队对“AI 会不会逼 SaaS 公司闭源”的直接回应。HKR 三项都踩实了：Cal.com 闭源制造了冲突钩子，具体的模型名和安全修复数字给了干货，最后落到开发者最焦虑的开源护城河问题上。不过它终究是单家表态，不是行业级转折，所以留在 featured 低位合理。
browser-use 团队把 video-use 开源了，这是一个 Claude Code 技能，你把录好的素材丢进文件夹，告诉 Claude 要剪成什么样，它就能自动裁掉“嗯”“呃”和空白段、调色、加字幕，还能用 Manim 或 Remotion 生成动画叠加层，最后输出 final.mp4。它不直接“看”视频，而是把 ElevenLabs 转写出...
推荐理由：这条更新对开发者来说够新鲜，hook 清晰、有可复用的架构细节和成本对比。我会先打个折：它只是 Claude Code 的一个技能，不是平台级发布，所以重要性停在 77 合理。正文没披露 ElevenLabs 转写成本和多轮自检的实际成功率，这点先别太激动。
pi 框架维护者 Mario Zechner 每天收到 30 到 50 条 issue，大部分是 AI Agent 生成的垃圾信息，于是定下新规则：没提前申请批准的 issue 和 PR，提交后立刻被机器人自动关闭。他每天会手动复查这些被关的帖子，写得好的会重新打开；特别优秀的会打上“lgtmi”标签，以后不再自动关闭；如果 issue 写得好还附带代...
推荐理由：我会先打个折，这事主要影响开源圈子的维护者和开发者，不是模型或平台级发布，所以重要性放在中上。但规则本身够狠，把低门槛提交直接换成先证明贡献质量，而且有具体数字和审核机制撑着，不是空喊。正文没披露机器人误判率和复查通过率，这点先别太激动。
Vercel 把 Open Agents 开源了，这是一个给企业自建编程 Agent 的参考实现，可以直接 fork 走改。CEO 说现成编程 Agent 在大仓库里不好使，也不懂公司内部流程，所以 Stripe、Spotify 这些公司都在自己造。这个项目架构分三层：前端管会话和登录，Agent 作为持久化工作流跑着，沙箱提供隔离的代码执行环境。一个...
推荐理由：Vercel 开源的这个 Open Agents 不是又一个套壳工具，它把 Agent 和沙箱拆开，Agent 通过文件读写、Shell、搜索这些工具远程操作沙箱，而不是驻留在里面。这个设计是当前编程 Agent 基础设施的共识方向，不是包装差异。正文还给了三层架构和 Anthropic 的定价数字，让成本有据可查。我会先打个折：它是个参考实现，不是开箱即用的产品，但架构思路和定价信息对正在选型的企业团队有直接参考价值。
MiniMax 把 M2.7 开源了，同时发了一篇博客讲他们怎么让模型参与自己的研发。他们做了两件事：一是搭了个研究助手 agent，帮研究员查文献、盯实验流程、看日志、改代码、提 merge request，现在能扛起 30% 到 50% 的研发工作量。二是让 M2.7 自己改自己的测试脚手架，全自动跑了 100 多轮，内部代码评测涨了 30%。博客...
推荐理由：MiniMax 把 M2.7 开源了，同时扔出一个挺敢说的数字：他们内部的研究代理已经扛了 30% 到 50% 的研发流程。具体怎么干？代理自己查文献、排实验、看日志、修代码、提合并请求，还在内部脚手架里自己改 harness，自动循环了 100 多轮，内部编码评测涨了 30%。我会先打个折——正文没披露许可证、仓库地址、基准测试上下文，也没说外部能不能复现，所以这些数字目前只能当内部说法看。但即便打对折，代理能稳定吃掉三成研发流程，这个信号也够强了。
普林斯顿刘壮和陈丹琦团队开源了Vero，一个用强化学习训练视觉推理模型的通用框架。它从59个数据集里筛出60万条样本，按六类任务分别给奖励，单阶段RL训练后，在30个基准里有23个超过了Qwen3-VL-8B-Thinking。最值得看的是它没用到任何私有的思考数据，纯靠任务路由奖励机制让模型学会推理。不过正文没披露训练成本和基座模型的具体配置，这点先...
推荐理由：我会先打个折：正文没披露训练成本和基座模型配置，复现条件还不清楚。但“零思考数据”这个说法本身就有冲击力，加上23/30的基准成绩和明确的方法细节，对从业者来说是个值得关注的开源信号。所以给featured、82分，不往上拉是因为关键复现信息还缺着。
Sakana AI 开源了一个叫 Shinka Evolve 的框架，核心思路是让大语言模型像进化算法一样自己改代码、写新程序，不断迭代出更强的解法。它主要想解决谷歌 DeepMind 之前 AlphaEvolve 的一个痛点：太费资源，动不动就要评估上千个程序。Shinka Evolve 在经典的圆堆积问题上，用少得多的评估次数就超过了 AlphaE...
推荐理由：这篇值得 featured，但不到 P1。钩子清楚——用更少评估超越 AlphaEvolve，机制也讲得明白，比如用 UCB 老虎机在 GPT-5、Claude Sonnet 4.5、Gemini 之间动态选模，还加了程序交叉和全文件重写。对做 agent 的人来说，评估贵、任务设计和硬验证一直是头疼的事，文章直接点出系统仍需人类给题、自动发明问题和严格验证没解决，这点很实在。我会先打个折：关键指标、成本和主发布链接都没给，所以停在 80 分。
腾讯混元放出了一个30亿参数的开源模型HiVG，专门把图片转成SVG矢量图。它的核心思路是把绘图指令和坐标打包成“段token”，再用一个叫HMN的模块给坐标编码做初始化，让模型更懂几何关系。这样生成的SVG代码序列比传统方法短了62.7%到63.8%，省token就是省钱。在Image-to-SVG任务上，它的SSIM达到0.896、LPIPS低到0...
推荐理由：腾讯混元把 3B 小模型做到 SVG 指标能跟 GPT-5.2、Claude-4.5-Sonnet 掰手腕，靠的不是堆参数，而是把绘图命令和坐标打包成 segment token，再用 HMN 初始化坐标 embedding，序列长度直接砍掉六成多。文章给了 SSIM、LPIPS、CLIP-S 三组数，信息量够，不是空口说白话。不过 SVG 生成本身偏小众，离多数人的业务场景还有点距离，所以 novelty 和 knowledge 都到位，但 relevance 只能算一般。
VoxCPM 2 是个 20 亿参数的开源语音模型，主打低延迟和少样本复刻。官方说生成经常在 1 秒内完成，给一段 5 秒以上的参考音频就能模仿音色和风格，演示里用它念了语速极快的相声贯口《莽撞人》。技术上它没用传统的声学码本，而是走扩散自回归连续表征路线，支持去噪、LoRA 微调和全量微调。正文没披露具体的训练数据规模和硬件需求，也没给标准化的语音质...
推荐理由：面壁智能和清华 OpenBMB 放出的 VoxCPM 2 是一个 2B 开源语音模型，不是薄 demo。正文列了可复现条件：48kHz、9 种方言、30 种外语、≥5 秒参考音频、1 秒内生成，还支持降噪和 LoRA/全参微调。技术路线上走了 tokenizer-free 的扩散自回归连续表征，这点比模型尺寸更值得看。我会先打个折：正文没披露方言和外语的具体测试集与客观指标，也没给端侧实测延迟和内存占用，所以实际部署成本还要自己测。但整体信息量够，对盯中文开源语音栈的人有参考价值。
Nous Research 今年 2 月底开源的 Hermes Agent，上线不到两个月 GitHub 星标接近三万，被社区看作 OpenClaw 的第一个真正对手。两者都是自托管、多模型、MIT 协议，但设计思路完全不同。OpenClaw 是网关，负责把聊天应用接到 AI agent；Hermes 是引擎，围绕 agent 怎么越用越强来设计。它最...
推荐理由：我会先打个折：目前证据主要来自社区反馈和少量个人试用，不是正式评测或大规模验证。但 H、K、R 三条都踩中了——开源热度够高，技能沉淀和记忆检索的机制讲得清楚，自托管学习型 agent 也确实戳到成本和工作流复用的神经。正文没披露安全五层的具体实现和长期稳定性数据，这点先别太激动。综合看，给 78 分合理，值得盯后续。
MemPalace 想解决 AI 对话一结束就失忆的问题：不靠 AI 自己挑重点，而是把全部对话按“宫殿—翼—房间—走廊”的结构存下来，全部本地运行，不依赖云服务。它配套了一个叫 AAAK 的压缩语法，号称能把上下文压到 30 倍，但实测压缩后检索准确率从 96.6% 掉到 84.2%，差了 12 个百分点，无损压缩不会这样。项目宣称的 LongMem...
推荐理由：我会先打个折，满分这事别太激动。项目亮点是全本地运行、不用云服务，AAAK 压缩语法号称能把上下文压到原来的三十分之一，MCP 接入后能调 19 个工具翻历史记录。但 Penfield Labs 直接指出这个满分只测了检索，不是端到端问答，而且用上 AAAK 后检索准确率反而从 96.6% 跌到 84.2%，说明压缩是有代价的。正文没披露模型规模、硬件要求和实际延迟，这些缺口让实用性还不好判断。明星光环和开源旗号能带来关注，但技术验证还得看后续实测。
Google 的 Gemma 4 上线第一周就冲到约 200 万次下载。做个对比：Gemma 3 过去一年总共 670 万次，Gemma 2 从 2024 年 6 月到现在 140 万次，而 Qwen 3.5 在大约一个半月里拿了约 2700 万次。这次最值得关注的是本地部署的速度——有人用 iPhone 17 Pro 跑 Gemma 4 E2B，通过...
推荐理由：这条消息的看点不是 Google 又发了个模型，而是首周 200 万下载这个数字本身，以及它和 Qwen 3.5 一个半月 2700 万的对比——开源模型的采用速度在明显变快。更实在的是有人已经在 iPhone 上跑出 40 tok/s，这对做端侧部署的人来说是个可参考的实测数据，不是公关稿里的理论值。我会先打个折：下载量不等于日活，正文也没披露留存或实际调用量，所以别直接当成市场份额来看。但生态支持列得挺全，至少说明主流推理框架没掉队，这点对选型有帮助。
Google 把 Gemma 4 全系列换成了 Apache 2.0 协议，商用、修改、分发不再受限，之前自家协议里的灰色地带这次清掉了。系列包含四个尺寸：31B Dense、26B MoE（混合专家架构）、E4B 和 E2B。31B 在 Arena AI 开源模型文本榜排第三，26B 排第六，Google 说它们表现超过体量大 20 倍的模型。大模型...
推荐理由：这次发布的分量，许可证变更和模型规格差不多重。Apache 2.0 意味着小公司和独立开发者可以放心拿来改、拿来商用，不用再为法律条款头疼。四个尺寸里，31B 能跑在单张 H100 上，26B 是 MoE 架构，推理成本会更低，这两点对实际部署的人比跑分更有吸引力。原生支持函数调用和 JSON 输出，摆明了是冲着让模型直接进业务流程干活去的。正文没给详细评测链接和横向对比数据，所以先别急着说它性能碾压谁，但就开放程度和工程友好度来说，这波更新挺实在。
MIT Technology Review 这篇展望认为，DeepSeek 在 2025 年初放出 R1 之后，中国公司已经能反复拿出性能接近西方顶级系统、但价格便宜很多的模型。文章举了月之暗面 Kimi K2.5 的例子，说它在早期跑分上接近 Anthropic 的 Claude Opus，价格大约是后者的七分之一。在 Hugging Face 上，...
推荐理由：这篇不是产品发布，但给出了实在的市场信号——约七分之一的价格、Hugging Face 下载份额，以及一个清晰的判断：中国开源正从少数通用模型转向大量可蒸馏、可微调的专用变体。信息量够，对从业者有参考价值，放 featured 没问题。
这期播客里，Lex Fridman 和 OpenClaw 的创建者 Peter Steinberger 聊了聊这个一夜爆红的开源 AI 代理。OpenClaw 在 GitHub 上已经拿到了超过 17.5 万颗星，它能接入 Telegram、WhatsApp、Signal 和 iMessage 这些聊天软件，用 Claude Opus 4.6 或 GP...
推荐理由：我会先打个折：这期播客更像一次现象级开源项目的快速围观，不是技术深潜。OpenClaw 的传播力来自它做了两件让人睡不着觉的事——自己过验证码、自己改代码，而且已经跑在大家日常用的聊天 App 里。18 万星标说明开发者用脚投票了，但正文没披露架构、评测方法和安全约束，所以别急着把它当生产级方案。真正值得盯的是系统级权限和自修改能力带来的攻击面，这点先别太激动，等有白皮书或独立审计再说。
OpenAI 发了两个开源模型，一个 1200 亿参数，一个 200 亿参数，都是纯文本推理模型，能调“思考用力程度”，支持工具调用和结构化输出，可以直接放进让模型干活的业务流程里。模型权重用 Apache 2.0 协议开放，也兼容自家的 Responses API。正文没提上下文长度、价格和跑分。安全方面，OpenAI 说 1200 亿参数版本在生物...
推荐理由：这条当天就得写：H 来自 OpenAI 走开放权重路线，K 来自许可、机制和安全事实但缺关键指标，R 来自开源与闭源部署的争论。分数没给到 90 是因为正文没披露上下文长度、价格和完整基准结果，我会先打个折。