Orbital:开源版 Claude Project,对话上下文归你,agent 随便换
Orbital 是一个刚上 GitHub 的开源项目(277 星),口号是“上下文归你,agent 可替换”。它把 Claude Project 里锁在平台里的对话上下文变成可复用的资产,你可以导出、换模型、换 agent 流程。如果你受够了 Claude Project 不能导出上下文、不能换 agent,这个值得看。正文没披露支持哪些模型、是否兼容...
Orbital 是一个刚上 GitHub 的开源项目(277 星),口号是“上下文归你,agent 可替换”。它把 Claude Project 里锁在平台里的对话上下文变成可复用的资产,你可以导出、换模型、换 agent 流程。如果你受够了 Claude Project 不能导出上下文、不能换 agent,这个值得看。正文没披露支持哪些模型、是否兼容...
Flet 1.0 正式发布,主打用纯 Python 一套代码同时生成 iOS、Android、Windows、macOS、Linux 和 Web 应用,不需要前端经验。内置 150 多个 UI 控件,移动端也能跑 NumPy、pandas 等 Python 库。可以用 flet build 打包上架 App Store 和 Google Play,支持...
Swift 团队基于 Qwen 3.8 微调的 27B 模型在 HuggingFace 上累计下载超过10万次,目前是微调类第一、全模型第九。Reddit 原帖正文被屏蔽,没披露训练数据、评测指标或具体用例,所以不清楚它到底强在哪、适合干什么。能冲上榜首说明社区认可度不低,但缺细节,先别急着下结论。
Cloudflare 把自家做安全审计的一套流程,拆成“信息收集、找漏洞、出报告”三步,每一步都输出机器能读的 JSON,方便塞进 CI 流水线里自动跑。仓库里直接给了完整的提示词模板和示例,8k 的 star 数说明很多团队确实缺这种给智能体用的安全工具。不过正文没披露检出率和误报率,所以这东西更适合当个参考框架,别直接拿来当签字验收的工具。
推荐理由:Cloudflare 开源了一个给编程智能体用的安全审计技能,8k star 说明确实有需求。H 和 K 都站得住:做法有新意,提示词模板直接可用。R 没给是因为这东西偏安全垂直领域,普通 AI 开发者不一定关心,加上没有效果数据,说服力打折扣。分数定在 72,属于值得关注但别过度解读的类型。
browser-use 团队开源了 Jev Ultrafast,一个浏览器 Agent。核心思路是给模型能执行的操作(比如点击、输入)建一个动态索引,让模型不用每次都从头想“这一步该干嘛”,而是直接查索引,理论上能提速。项目刚上线,GitHub 已有 293 颗星,但正文没披露具体延迟对比或 benchmark,所以“快多少”还不清楚。如果是真的,这种...
OpenSpec 是 Fission-AI 开源的一套规范框架,核心思路是先把要做什么写进 spec,再让 Claude Code、Cursor 这类编程 agent 照着实现和验证。GitHub 上已经攒了 68.5k 颗星,每两秒就有一份新 spec 生成,月活开发者超过 26.5 万。工作流分五步:探索、提案、实施、验证、归档,装好 npm 包就...
推荐理由:68.5k 星和 26.5 万月活开发者,开源项目有这个量级确实少见,光看数据就值得推荐。不过信息全来自项目自己的落地页,没有第三方评测或真实用户实验,内容密度偏薄,所以分数卡在 featured 门槛上。
Friday 是一个开源项目,想解决 Cursor、Claude、Copilot 这类 AI 编程助手“每次聊天都像失忆”的问题。它相当于一个自托管的记忆层,通过 MCP 协议(模型上下文协议)跟助手对接,让助手在不同对话之间还能记住你的项目偏好、决策和上下文。项目 README 目前没写具体怎么实现、也没给性能数据,所以实际效果和资源占用还不清楚,先...
蚂蚁集团旗下的 inclusionAI 把 Realtime-Venus 放到了 GitHub 上。从项目名和标题看,这是一个全双工实时交互系统,支持边说边听,不像现在很多语音助手要等对方说完才能回应。仓库刚公开,目前只有 2 个 star,代码和 README 都还没放出来,具体怎么实现、性能如何、能不能直接用,正文都没披露。这点先别太激动,等他们把...
Pizza Bot 是一个开源工具,专门给那些跑在后台、需要长时间执行的 AI Agent 当收件箱用。它基于 DeepAgents 和 LangGraph 构建,核心思路是让 Agent 把结果推到一个统一的本地优先界面里,而不是一直阻塞等待。目前 GitHub 上 138 颗星,代码和文档都公开。正文没披露具体支持哪些 Agent 框架,也没提延迟...
这是一个开源的多智能体任务编排工具,专门给编码 agent 用。你扔给它一个目标,它会自动拆成有序的任务列表——每个任务可以指定不同的 runner、模型和运行模式,然后依次执行并验证结果。GitHub 上 25 颗星,代码已公开。好处是省去手动拆 prompt 的麻烦,让多个 agent 像流水线一样协作。但正文没披露支持哪些模型或 runner,也...
一个开源项目,用树莓派加麦克风本地识别鸟鸣(不用联网),听到鸟叫就在墨水屏上显示一张19世纪风格的鸟类版画。识别靠BirdNET,画图靠Stable Diffusion,代码和模型全开源。全文没提支持多少种鸟,也没说识别延迟多长。
MinIO 母公司 2025 年底放弃开源项目去搞别的生意了,导致大量依赖 MinIO 做本地 S3 模拟的 Demo 和 CI 流水线断粮。作者对比了 7 个替代品:S3Proxy、RustFS、SeaweedFS、Zenko CloudServer、Garage、Apache Ozone 和 Ceph Object Gateway。筛选标准很务实:...
dbt Labs 把图表从 BI 工具里拆了出来,开源了一个叫 dbt Charts 的声明式 YAML 语言。一个文件就能定义变量、SQL 查询和 16 种图表类型,配置项超过 1100 个,CLI 可以直接渲染成 SVG、HTML、PNG、PDF 甚至终端输出。它跟 dbt 项目深度绑定:charts/ 目录和 models/ 放在同一个仓库里,模...
推荐理由:dbt Labs 开源了一套声明式图表语言,把仪表盘定义变成了能用 CLI 渲染的 YAML 文件。对想让 AI 智能体生成可审计图表的场景来说,这个切入点有意思,但产品还在 beta,受众也更偏数据工程。我会先打个折:新鲜度和信息量都够,但跟 AI 应用层的直接关联没那么强。
Temporal 拿了 5.5 亿美元,估值冲到 125.5 亿美元。这笔钱赌的是“持久执行”——开发者写普通代码,Temporal 负责在后台保存状态、自动从故障中恢复,让一个 AI 代理能连续跑上几天甚至几个月。OpenAI 在不到一年里对它的使用量涨了 60 倍,Snap 每天靠它处理 4.14 亿条故事。公司年化收入增速超过 200%,净留存率...
推荐理由:Temporal 这轮 E 轮融资是 AI 基础设施的一个强信号。5.5 亿对应 125.5 亿估值,加上年化收入增速超 200%,还有 OpenAI 和 Snap 的真实用量数据,说明“让代理稳定跑长任务”这件事正在变成刚需层。分数卡在 78 分,因为这是公司自己发的融资消息,没有第三方验证,我会先打个折。
Paul Graham 分享了他做创业辅导时最常用的一个思路:别光问怎么多赚钱,要问怎么让公司变得更强。赚钱的问题通常只能带来小修小补,而变强的问题有时能让公司价值翻几个数量级。他拆了几个让公司变强的杠杆:把公司从单纯的供应商变成直接握住客户关系的那一方;让钱从你这里流过;引入网络效应,哪怕是在看起来不会有网络效应的业务里硬找,比如让用户选择共享自己的...
推荐理由:这不是泛泛的创业鸡汤,PG 给了一个可复用的思考框架,带具体杠杆。没打更高分是因为它是一篇高质量观点,不是产品发布或行业事件,不需要当天必读。
有人在Reddit发帖,说自己用WhatsApp群聊记录微调了一个2B参数的小模型,并且把完整流程做成了GitHub cookbook开源。正文被Reddit屏蔽了,所以看不到基座模型、训练成本、效果评测这些关键信息。2B模型的好处是本地跑得动,适合拿自己的聊天记录训练一个模仿群聊口吻的玩具。如果你也想试试,这个cookbook是个不错的起点,但具体花...
Rune 把它的推理引擎开源了,代码已公开。主打生产级多模型推理,延迟低。开源后团队可以自己审计和改代码。正文没提支持哪些模型,也没给跑分,但如果是真的,自建推理能省不少钱。
Herdr Studio 是一个开源浏览器客户端,让你在一个可视化界面里同时管理多个 AI agent 的终端、文件、代码差异和工作树。它依赖 Herdr 守护进程,即使浏览器或笔记本断线,agent 会话也不会丢。支持本地和 SSH 连接,还能以 PWA 形式装到手机上。目前只提供了 macOS 和 Linux 的安装脚本,Windows 用户得去 ...
MAP 和几所高校一起发布了 YuE2,一个把写谱和合成合在一起的音乐模型。它先生成可编辑的 ABC 乐谱,再根据乐谱渲染人声和伴奏,最终效果跟 Suno v5 差不多。这次开源了 3B 模型、VAE、把音频转回乐谱的 SheetSage2 转录工具,还有评测集 WildSongBench,附带 65 首从暗黑氛围到赛博金属的试听 demo。正文没提训...
推荐理由:开源音乐模型直接喊出 Suno v5 水平,还给了可编辑乐谱、转录工具和评测集,信息密度很高。没给更高分是因为正文没披露训练数据规模和实际推理成本,所以“对标 Suno v5”这个说法我先打个折,等看到更多实测再判断。
DeepSeek 今天放出了 V4.1 Flash,一个总参数 552B 的 MoE 模型,但实际干活时输入只激活 8B、输出激活 16B 参数,所以推理成本压得很低。它用了新的非对称编码器-解码器架构,跑分直接超过了自家的 V4 Pro。KV 缓存也大幅瘦身,相比上代 HBM 需求降到 1/4、SSD 需求降到 1/8,这对经常要缓存命中的 agen...
推荐理由:DeepSeek 旗舰模型发布,架构有变化,跑分和成本数字都给了硬信息,按惯例对标美国大厂发布处理。HKR 三项全中:超 V4 Pro 的跑分和缓存瘦身都是硬货。没给 P1 是因为目前只有标题和摘要,正文细节还没看到。
Coop 是 Trail of Bits 内部用的一个工具,现在开源了。它把 Claude Code 和 OpenAI Codex 这类 AI 编程助手包在一层隔离虚拟机里,防止它们改文件或跑命令时不小心搞坏你的真实电脑。仓库有 309 次提交、35 个星标。不过 README 没写清楚它支持哪些虚拟机后端、会吃掉多少额外资源,也没说跟直接用 Dock...
推荐理由:Trail of Bits 开源了一个内部用的隔离工具,让 AI 编程助手在虚拟机里跑,309 次提交说明是实打实在用的东西,不是玩具。HKR 三条全中:痛点真实、工程细节够、开发者普遍有安全焦虑。分数没给更高是因为 README 没写清楚支持哪些虚拟机后端、资源开销多大,这点先别太激动。
Staatsgeheim 开源了一个叫 MathKernel 的数学内核,专门解决大模型算不准数学题的问题。它同时跑五套引擎——符号计算、精确有理数、形式化验证、带误差区间的数值计算和普通数值计算——每算一次都附上“信任标签”和完整的计算溯源,告诉你结果是怎么来的、靠不靠谱。项目直接做成 MCP 服务器,可以插到 Claude Desktop 这类客户...
推荐理由:五引擎并行加信任标签的设计有想法,MCP 形态让接入成本很低,对做 agent 工具链的开发者是个实在东西。不过目前是个人开源项目,正文没给出任何基准测试数据,效果到底怎么样还不好说,这点先别太激动。
这个开源项目把一套 agent 系统(让模型自主执行任务的框架)塞进单个 Rust 二进制文件里,每个实体(比如一个用户或一个任务)自带一个 SQLite 数据库和一个沙箱。设计思路是“本体驱动”(ontology-grounded,即用结构化知识图谱约束 agent 的行为)和可审计。部署很简单——一个二进制文件就能跑,沙箱隔离也提升了安全性。目前只...
llama.cpp 的 PR #27868 合并了 XHToken 的 Spark-X2.5-1.7B 和 4B 两个小模型。它们用了一种混合注意力设计——一层全局注意力加三层滑动窗口注意力——来把长文本的计算量压下来,原生支持最长 100 万 token 的上下文窗口。官方说在对话、写作、翻译、推理、写代码和让模型进业务流程干活(agent 任务)这...
伯克利 RDI 把训练“能操作电脑的 AI 智能体”需要的环境、数据和模型接口统一成了一个开源平台。它分三块:Lite.Gym 把 15 个以上的基准测试和 3 万多个可验证任务包进同一套 API 里,其中自带的 Docker 沙盒跑 OSWorld 桌面任务时不需要硬件虚拟化,成本低很多;Lite.Sample 把 10 多个数据集转成一种格式,模型...
推荐理由:伯克利 RDI 把环境、数据、模型接口打包成一个开源平台,分三块:Lite.Gym 统一了 15 个以上基准和 3 万多个可验证任务,Docker 沙盒跑 OSWorld 桌面任务时不需要硬件虚拟化,部署成本低一截;Lite.Sample 把 10 多个数据集转成统一格式;Lite.Model 给模型留了标准接口。对做计算机使用智能体的团队来说,不用再自己拼积木,省事也省钱。正文没披露模型接口具体支持哪些模型、训练出来的智能体实际成功率多少,这点先别太激动。
作者用 GPT-6 Astra 在 Blender 里做了几个端到端的 3D 实验。第一个是让模型自己上网调研,半小时左右建出东方 Project 博丽神社的模型,虽然树木面数低,但整体风格和布置都挺可爱。接着又让它生成爆炸视图组装动画,并把场景移植到浏览器里加第一人称行走和碰撞检测,可以直接在网页里逛神社。人物建模目前还不太行,和原作差距大,需要大量...
推荐理由:作者用 GPT-6 Astra 跑了一组端到端的 3D 实验,从建模到动画再到网页交互,产出具体、时间明确,不是空谈能力。人物建模部分作者自己承认还不太行,和原作差距大,所以整体实用性先打个折,但场景建模和快速原型这条线已经够扎实。分数没给更高,是因为实验范围有限,且人物生成这块验证偏弱。
这是一个纯 Go 写的库,给 AI 编程助手加一个能存到 Git 仓库里的长期记忆。它实现了 Google OKF v0.2 规范,内置 BM25 搜索,单次查询不到 300 微秒,还自带一个 MCP 服务器。项目宣称能把 token 消耗砍掉 80%,靠的是渐进式信息展开——先给摘要,需要时再查详情。不过正文没列出具体对接了哪些编程助手,也没给出真实...
一个开源项目让本地大模型写 Three.js 特效,然后录 30 秒视频(每秒 2 帧)发给 Qwen 3.8 看,让它根据画面效果重写代码。作者用 Ninfer 在单张 5090 上跑,解码速度约 210 tok/s,每次重写耗时 14.66 秒。模型还是会犯低级错误,比如只用 1/4 屏幕、在迷宫里倒着走,视频反馈能帮它发现这些问题。LM Stud...
Moadim 是一个 MIT 协议的开源循环引擎,你可以把它部署在自己的机器上。它的核心玩法是定义一个“循环”:你给一句提示词、一个运行时间表,再指定一个 AI 助手(比如 Claude、Codex 或 Hermes),它就会在每个时间点自动把助手放进一个全新的隔离环境里执行任务。每次运行都有看门狗盯着,卡死了就自动杀掉进程,跑完就清理现场,不会把状态...
Anthropic 开源了一个 Lean 4 项目,把费马大定理的证明翻译成了机器可验证的代码。费马大定理说的是 xⁿ + yⁿ = zⁿ 在 n>2 时没有正整数解,1994 年由 Wiles 证明。Lean 4 是一种证明助手,能把人的推理拆成一步步形式化步骤,让计算机逐条检查。这个项目是把已有的证明移植到 Lean 4,不是新定理。正文没披露花了...
这是一个开源的 AI 网关,零加价,支持自带密钥(BYOK)、自托管,还能调用 1000 多个市场模型。它从你的 API 流量中学习,帮你省钱、推荐更合适的模型,最后训练出一个你完全拥有的专属模型。正文没披露这个专属模型具体怎么训练、能省多少成本,但“用流量反哺模型”这个思路值得关注。
英伟达宣布要以 129.3 亿美元(约 870 亿人民币)收购开源 AI 平台 Hugging Face。黄仁勋发了篇博文解释,说这个平台上有超过 1800 万开发者、300 万个模型和 50 万个数据集,是开放模型社区的大本营。他承诺收购后平台继续开放,支持各种开源模型、多云和多种加速器,不会变成一个只认英伟达硬件的封闭入口。英伟达自己已经是平台上最...
推荐理由:129.3亿美元买下1800万开发者的社区,黄仁勋亲自写博文承诺不搞封闭,这事够大也够具体。没给更高分是因为目前只有英伟达一方的说法,Hugging Face没发独立声明,具体的开放治理机制也没披露,承诺能不能落地还得看后续。
OpenClaw 发了 2.0 版,933 位贡献者一个月内合并了 16000 个 PR,但核心全职团队只有 9 个人。阮一峰判断这些 PR 根本没经过人工代码审查,全是 AI 自己审完就合进去了。他提醒别在工作电脑上跑 OpenClaw,因为测试覆盖不到所有平台,隐藏风险没法估量。文章还提到 SolidJS 创始人的抱怨:AI 重写代码让技术栈迁移变...
NVIDIA 要买下 Hugging Face 了。黄仁勋的说法是,开源模型能加快创新扩散,让开发者、初创公司、大学甚至国家都能自己动手构建和定制 AI,同时还能提升安全与网络安全。Google CEO Sundar Pichai 在 X 上转发了这条消息并祝贺,认为这会强化开源模型生态。不过正文只有一句话,没披露收购金额、时间表和交易结构,这些关键信...
推荐理由:NVIDIA 买 Hugging Face,等于把开源模型的 GitHub 和最大的 GPU 供应商绑在一起。Sundar Pichai 公开祝贺是个跨信源的信号,说明连竞争对手都认为这会改变开源生态的格局。正文没披露金额、时间表和交易结构,这些关键信息还缺着,但战略意图很清楚:用 Hugging Face 的模型分发网络给 NVIDIA 的芯片铺路,以后从训练到部署的链条可能更顺,也可能更封闭。我会先打个折,等具体条款出来再判断对开发者到底是利好还是锁死。
IFM 这次放出了 K2 Horizon,一共六个模型,从 0.9B 到 375B-A23B 都有。最小的 0.9B、3.7B 和 7B 在各自尺寸里都刷到了新高度,0.9B 在 AIME 2026 数学基准上拿了超过 48 分,还带了推理和工具调用能力。36B-A4B 用了一种叫 MoVA 的新注意力机制,按每个激活参数算,性能比很多大模型都强。这次...
推荐理由:IFM 这次放出的 K2 Horizon 系列信息密度高,六个模型全开源,小尺寸模型在数学基准上刷出新分数,还引入了一个新注意力机制。没给更高分是因为 IFM 还不是 OpenAI 或 Anthropic 那个级别的实验室,市场验证还没跟上,我会先打个折。
英伟达正式宣布买下 AI 模型社区 Hugging Face,花了 129.3 亿美元。这个平台上有 300 万个模型、100 万个应用和 50 万个数据集,1800 多万开发者都在用。CEO 黄仁勋承诺平台会保持开放,不强制用英伟达的芯片或云服务。对英伟达来说,控制一个开放的生态,既能给自己的芯片做优化,也能把闲置算力卖出去。
推荐理由:英伟达 129.3 亿美元买 HuggingFace,是今年 AI 基础设施领域最大的一笔并购。300 万模型加 1800 万开发者的生态规模,配上黄仁勋'保持开放'的承诺,既有冲击力又有具体数字,还自带争议——开放承诺和商业利益怎么平衡,是后续最值得盯的线头。
英伟达同意以 129.3 亿美元收购 Hugging Face,把最大的开源模型、数据集和工具托管平台收到自己旗下。Hugging Face 2016 年成立,常被叫做“AI 界的 GitHub”,开发者在这里分享模型和协作。英伟达说会扩大平台规模、加强基础设施、让更多人用上 AI。不过正文没披露交易什么时候完成、需要哪些监管审批,这些关键信息都还缺着。
推荐理由:英伟达花近 130 亿美元买下 Hugging Face,直接动了开源模型托管的基础设施层。标题够悬念,价格和平台归属都是新信息,模型开发者和基础设施圈都会聊起来。不过正文没写交割时间和监管审批,这些关键缺口让判断得先打个折,但整体还是值得放在首页。
Thomas Wolf 在 X 上发帖说 NVIDIA 要花 129.3 亿美元买下 Hugging Face,当天用户端不会有任何变化。Wolf 表示团队会继续把 Hub 做成一个开放、独立、不绑定特定算力的平台,同时用 NVIDIA 的资源推开源 AI。帖子只有一段声明,没提交易结构、监管审批或整合时间表。
推荐理由:这笔约 130 亿美元的收购会重塑 AI 基础设施格局。Wolf 亲自确认并承诺 Hub 保持开放、算力中立,既让人稍微放心,也给开源生态引入一个新变量。我会先打个折:帖子只有一段声明,没披露交易结构、监管审批或整合时间表,所以别太早下结论。
NVIDIA 官方博客发了条一句话公告,说要花 129.303 亿美元买下 Hugging Face。但正文除了标题和网站导航栏,什么都没写——没提交易怎么完成、时间表、团队怎么整合,连个官方解释都没有。金额精确到小数点后三位,看着像真的,可信息量基本为零。目前只能当个头条消息看,后续细节得等官方再更新。
Polars 发布了 2.0 的第一个候选版,正式版几周后到。这次大版本更新不堆新功能,主要是清理旧设计、改默认设置。最大的变化是 LazyFrame.collect 默认用流式引擎跑,团队说整体能快 5 倍左右,内存占用也低很多。代价是 join、group_by、unpivot 这些操作不再保证行顺序,除非你手动设 maintain_order。2...