Gauge 推出开源 CLI,用智能体测试迭代改进文档与工具
Gauge 是采用 MIT 许可的开源 CLI,通过运行真实编码智能体、记录使用障碍并复测修复,改进技能、CLI、SDK 和文档的智能体使用体验。它支持 Claude Code、Codex、Pi 和 OpenCode,本地流程使用 Docker 及现有订阅或 API keys,无需 Gauge 账号。
Gauge 是采用 MIT 许可的开源 CLI,通过运行真实编码智能体、记录使用障碍并复测修复,改进技能、CLI、SDK 和文档的智能体使用体验。它支持 Claude Code、Codex、Pi 和 OpenCode,本地流程使用 Docker 及现有订阅或 API keys,无需 Gauge 账号。
Hugging Face 首席政策官兼战略高级副总裁 Irene Solaiman 在 TechCrunch 的 Equity 播客中谈开源模型商业化,讨论企业、政府和初创公司如何借助开源模型降低成本、增强控制力与灵活性,以及公司如何从中获取价值。她还谈到中国开源模型崛起背景下美国玩家能否跟上,并给出初创公司在开源模型上构建前选择工具与基础设施、权衡取舍的建议。
Ripple-65B Preview 在 TerminalBench 2.1 上取得 80.5 分,成为美国开源权重模型在 Agentic Coding 上的新 SOTA。
Latent Space 发布幕后访谈,聊 Kill My SaaS、Jev 与 2026 年 AI 趋势,并回顾 AI Engineer Shanghai。
Hugging Face 首席政策官兼战略高级副总裁 Irene Solaiman 在 TechCrunch 的 Equity 播客中,谈创业公司在基于开源模型构建前需要了解的成本、风险与取舍。
OpenAI 正在收购 Code Storage 背后的 Pierre Computer Company,以改善开发者与 AI 智能体共同编写代码时的 Git 工作流。Pierre 的 Trees、Diffs 和 Highlights 库已用于 Codex,分别支持快速文件导航、代码差异展示及差异视图内修复错误、实时语法高亮。Pierre 的开源项目将继续开源,交易仍需监管批准。
Anthropic 公布可证明推理研究进展,开源 FlashProve 原型,以 zkSNARK 核验输出是否来自指定模型,同时隐藏模型权重。
Kimi K3.1 Pro 已开放权重,是支持文本和图像的原生多模态智能体模型,具备 1-million-token 上下文窗口。模型采用 MoE 架构,总参数为 2.8T、激活参数为 104B,从 Kimi K3 经大规模联合强化学习后训练而来,官方称其编码、3D 创作、金融研究和事实准确性有所提升。
推荐理由:Kimi K3.1 Pro 公布多轮工具调用的消息回传要求,接入时需保留完整推理内容与工具调用记录以维持对话上下文。
密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0,含 45 个 AWS 运维任务,Claude Fable 5.1 仅解决 60%、GPT-6 Astra 解决 53%。
Anthropic 发布开源研究原型 FlashProve,使用 zkSNARK 核验 AI 响应是否来自指定模型,无需公开模型权重或依赖可信硬件。技术报告称,在单张 H100 GPU 上针对 Llama 4 Maverick 生成证明的速度约为每秒 110 tokens,每份证明约 19 MB,标准 CPU 验证耗时 17 秒,相比普通推理增加约 70x 至 95x 开销。
OpenAI 宣布拟收购 Pierre Computer Company,以扩展 Codex 构建、理解和审查代码的工具。Codex 已使用 Pierre 的 Trees 和 Diffs 库,OpenAI 计划将 Code Storage 的功能整合进 Codex,并继续维护 Pierre 的开源项目及支持客户使用 Code Storage。
推荐理由:OpenAI 拟收购 Pierre,将代码存储能力纳入 Codex 的同时保留开源项目和现有服务的延续性。
Synaptics 疑似以专利侵权为由向开发者发出停止侵权函,迫使开源 DisplayLink 驱动 Vino 下架,其 GitHub 仓库已不再公开。Vino 是针对现代 DisplayLink 硬件的净室逆向工程驱动,用 Rust 编写,部分由 AI 参与开发。相关往来函件可在 LKML 线程的附件中查看。
David Hall 指出,后训练缺乏类似预训练互联网语料的公共数据资源库,需要主动将人类活动转化为可重复执行的 RL 任务。任务必须具备环境、意图、工具和评分器,原始 SWE-bench 从超过 90,000 个 PR 中最终构建出 2,294 个任务,体现了重建环境与验证任务的难度。
Anthropic 正在研发开源系统 FlashProve,通过密码学核验特定输出是否来自声称使用的 AI 模型。该系统要求实验室发布不泄露模型权重的模型指纹,旨在防范暗中替换模型,并支持在本地设备上验证。研究团队已在 GitHub 开源详细技术规范和部分可运行代码,研究仍在进行,Anthropic 或其他实验室均无部署计划。
Kairos 是开源风险与欺诈决策平台,可对注册、登录、订单、支付和提现实时返回批准、加强验证、人工审核或阻止,并保存风险分数与决策依据。Claude Code、Cursor、Codex 等智能体可通过 MCP 构建工作流、提出模型实验并发布胜出版本,实验按时间划分训练、选择和测试数据;模型可组合 Grayson 的回答与业务数值,使用逻辑回归或梯度提升树。
Flipper One 开启预售,这是一款基于 Rockchip RK3576 八核 ARM SoC 的开源 Linux 网络多功能工具,搭载 Raspberry Pi RP2350 MCU 双处理器架构,内置 Wi-Fi 6E 与千兆以太网,支持 M.2 模块扩展 5G、SDR 与 AI 加速器。
Stringman 是售价 $795 的开源房间尺度夹爪机器人,通过四个电机和固定在天花板角落的拉线搬运物品。其在 7 × 7 × 3 m 房间中的平均净载荷为 1.9 kg,靠近地面时最高为 2.2 kg,移动速度约 ~0.4 m/s。机械 CAD、PCB 和控制软件均已公开,支持本地运行、Python API、MCP server 与 LeRobot,并提供公开数据集和训练数据采集功能。
Octomind 是以 CLI 为核心的开源 AI 编码智能体运行时,通过 MCP 工具读写代码、运行 shell、搜索代码并委派子智能体。它支持交互、管道、后台守护进程、WebSocket 和 ACP 接入,用 TOML 与脚本配置护栏、模型及预算,并通过自适应压缩控制上下文。
推荐理由:Octomind 将工具调用护栏、结果钩子和轮次校验写入配置与脚本,让同一套权限规则用于交互会话和无人值守任务。
Vesuvius Challenge 向 Liam Warner 与 Nicola Bodill 授予 PHerc. 306B 的 $50K First Letters Prize,表彰他们从碳化卷轴中恢复可读文字的工作。
NVIDIA 开源库 Auto Ontology 从企业元数据构建本体与知识图谱,协调跨系统定义,并通过 MCP、CLI 和 API 向智能体提供上下文。它支持自然语言转 SQL、按认证定义和数据血缘校验查询,并为答案返回来源信息,可用 Docker Compose 或 Kubernetes 部署。
Simon Willison 发布 CLI 工具及 Python 库 llm 0.37,汇集约两个月的功能与修复,新增 gpt-6.1-sol 和 gpt-6.1-terra 支持。
OpenAI 详解 Git 后端 Pando 的架构,该系统已支撑其单体仓库的全部开发,生产环境中推送延迟中位数降低近 80%。Pando 保持 Git 协议和客户端兼容,通过按分支协调更新、复用 packfile 和区域缓存扩展读写能力,但不提供所有分支在同一时刻的一致快照。团队借助 Codex 在 10 周内完成从启动到生产部署,并将部分 Git 客户端改进贡献给上游。
Trajectory 宣布完成 $45 million A 轮融资,估值为 $300 million,并向公众开放面向非技术专家的模型后训练平台。本轮由 Sequoia 领投,Nvidia、Bessemer Venture Partners 和 Bain Capital Ventures 参投。
Venkatesh Rao 在博客 Contraptions 中提出,AI 精英可能将智能视为需要管控、维持高价并限制对手获取的稀缺资源,如同重商主义者看待土地与黄金。他认为,AI 让原本过难或过贵的项目变得可行,可能增加人们思考和创造的需求,政治重点应放在公平获取 AI 上。他还主张,自主 AI 智能体需要护栏,但不应只服从命令,也可能通过追求自身项目创造新的智能需求。
一款以体素风格呈现华沙市中心的交互式 3D 地图现已开源,灵感来自 Minecraft 和 MagicaVoxel。用户可切换日期、时间和天气,还能点击行人进行操控,桌面端体验最佳并兼顾移动端。地图基于 OpenStreetMap、GUGiK/Geoportal 的 LiDAR 与航拍影像,以及华沙城市树木数据库构建。
OccupySaaS 已公开 ZeroAuthy 和 SalesCompel 两个早期项目,以 AI 辅助洁净室重建,分别提供 Auth0 与 Salesforce 的开源替代。
OmniDiff 是用 Rust 编写的开源 Git 差异工具,支持按内容比较代码、图片、字体、压缩包和 PDF。它对 25 种语言进行结构化比较,提供交互式 TUI、批处理和 JSON 输出,并支持 Git 与 Jujutsu 集成。
OpenIDEA 用 Rust 核心重建了 IntelliJ IDEA 的工作方式,包含键位映射、工具窗口和全局搜索,覆盖编辑器、代码洞察、调试器、Git、终端、数据库与 HTTP 客户端,支持 60+ 语言及 macOS、Windows、Linux。
spinf-serve 发布 0.1 版推理服务器,以 Apache 2.0 开源,单次读取内容即可回答多个问题并返回各选项的概率。它支持单张 24 GB NVIDIA GPU 部署和 OpenAI 兼容 API,面向批量吞吐,并支持从同次读取中提取文本、数字和金额。
Tangled 更新联邦式代码托管平台,重构界面与后端架构,并加入组织账号和堆叠式 PR 支持。新架构采用 Svelte 前端和 Rust 内存索引服务 bobbin,部署于全球 11+ 个区域;knot2 将议题、PR、评论等作为 Git 对象链与代码共同存储,自托管用户需升级至 v1.20.0。
nesformer 将 NES 的 6502 CPU、2 KB 工作 RAM 和卡带程序 ROM 编译进 Qwen3.5 架构的模型,以逐 token 生成执行日志的方式运行游戏,无需训练权重。
SkyPilot 在飞行 Roadster 模拟环境中后训练 Qwen3-4B,风暴翻转越车任务的成功着陆次数比不限思考时间的 GPT-6 Astra 多 21%。
Latent Space 披露 AIE CODE 大会策划细节,定位为单轨、邀请制,面向全球前 1000 名智能体工程师。今年三大主题为 Scaling without Slop、System One 模型与 Increasing Ambition,Jarred Sumner 将分享 Bun 用 Rust 重写及 Bun AOT 预览。
Lasm 将普通 Lean 4 程序提前编译为 WebAssembly,同一份代码可部署为 Node 服务器、Serverless 或边缘函数、WASI/Fastly 模块及浏览器应用,并支持对部署代码进行性质证明。
Pico CSS 停止维护,v2.1.1 是最终版本,仓库归档后不再接受新 issue、PR 或发布新版本。项目方认为,AI 已能生成轻量、独立且具备无障碍支持的 HTML 及所需 CSS,继续保持竞争力需要全面重写。npm、jsDelivr CDN 和 picocss.com 将长期在线,代码仍采用 MIT 许可证并允许分叉,但名称和标志不在该许可证覆盖范围内,分叉项目需另取名称。
Epoch AI 的实验发现,开放权重模型 GLM 5.3 可利用补丁时间差攻破 Firefox 的 6 个近期版本,无需用户进一步交互即可读取并外传本地文件。
推荐理由:GLM 5.3 利用公开补丁攻破 Firefox 的实验,将防御风险指向修复代码公开到正式更新交付之间的时间窗口。
Pika Labs 基于 MiniMax H3 进行后训练,推出并开源视频生成模型 Pika H3 Flex。其采样步数从50步压缩到6步,生成时间大幅降低,质量有所提升。
Overtone 用一个 .overtone.json 文件保存逐词时间和说话人信息,并为不同画幅分别切分字幕,提供 CLI 和 video.js 插件。已有 SRT 或 WebVTT 可离线重新切分;音视频转录默认结合 OpenAI 与 Azure AI Speech,使用 LLM 纠错,也支持通过 whisper.cpp 和 Ollama 本地运行。
phpClaw 是面向 PHP 的 AI 智能体运行时,集成 ReAct 循环、可插拔工具与记忆、安全控制,核心无框架依赖并采用 MIT 许可。它支持从环境变量自动检测 7 个模型提供方,默认启用 8 项安全防护,提供 8 个框架及 CMS 适配器,并支持流水线和多智能体图。
GHC 允许大语言模型辅助贡献,要求贡献者理解并负责提交内容、披露直接生成的材料,并降低维护者的审查负担。政策包含 4 项要求和 1 项强烈偏好,优先保障人与社区交流,建议贡献者自行编写最终版本,但不将其作为硬性条件。Serokell 认为这一政策合理,GHC 有超过 6,500 个未关闭工单,贡献是否有用应结合审查成本和后续维护负担判断。