开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
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。
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。
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。
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。
Hugging Face 和 Liquid AI 发了一份实操指南，拿 LFM2.5-350M 这个小模型做实验。他们用 TRL 库跑 GRPO（一种按组比较、挑好回答来优化的强化学习方法），只用了 500 条样本、训练 100 步，在免费 Colab GPU 上就能跑完。在 IFStruct 结构化输出基准上，模型按指定格式返回有效结果的比例从 22...
推荐理由：一份实操向的教程，数字具体、方法可复现，H 和 K 都站得住。但内容只对微调工程师有用，缺乏破圈潜力，R 不成立。放在 featured 档给 72 分合理。
Anthropic 这篇博客讲的是怎么把 Claude 这类模型做成能在生产环境里真正干活的电商助手，重点聊了架构、延迟和成本。他们还开源了一个叫 commerce-agents 的参考实现。不过目前只放出了标题和导语，正文还没公开，具体的架构细节、延迟数据和成本拆解都看不到，这点先别太激动。
推荐理由：Anthropic 官方指南加开源仓库，H 和 K 都站得住。但正文目前只有标题和导语，架构细节、延迟数据、成本拆解全都没公开，信息缺口太大。按规则，关键事实缺失时往低档靠，给 72 分放在 featured 门槛上。如果后续正文放出硬数字，分数可以往上调。
Nvidia打算花129亿美元买下开源模型平台Hugging Face，这是它史上最大一笔收购。Hugging Face年收入大概1.5亿美元，这笔交易相当于86倍的年收入，显然不是冲着账面上的钱去的。它真正值钱的地方在于，全球1300万开发者已经把这里当成了找模型、下权重的默认入口，这种工程惯性很难被替代。过去两年，Nvidia和微软靠买技术授权加挖...
推荐理由：Nvidia 史上最大一笔收购，花 129 亿买一个年收入才 1.5 亿的开源模型平台，86 倍年收入，这账怎么算都不是冲着利润去的。真正值钱的是 Hugging Face 上那 1300 万开发者——他们找模型、下权重已经养成肌肉记忆了，这种工程惯性很难用别的东西替代。微软本来也在谈，现在退出，只剩 Nvidia 一家，反垄断审查反而更扎眼。我会先打个折：正文没披露交易谈判的具体阶段，也没说监管那边有没有初步态度，所以别急着断定一定成或一定黄。但这件事的信息量和行业冲击力确实够顶，给 88 分，差一点满分是因为关键细节还缺位。
Simon Willison 翻缓存文件夹时发现，OpenAI 的 ChatGPT 桌面应用（原 Codex）在 ~/.cache 里藏了 1.7GB 的运行时依赖。里面包括完整的 Python、Node.js，还有一个 429.7MB 的无界面版 LibreOffice 办公套件。这些文件放在 codex-primary-runtime 目录下，由一...
推荐理由：这不是产品更新也不是研究突破，更像一次技术考古。Simon Willison 的发现好玩、数据扎实，但实际影响有限。我会先打个折：它暴露了桌面端 agent 运行时的依赖膨胀问题，但正文没披露 OpenAI 为什么打包 LibreOffice，所以别急着下结论。
Vercel 的 AI SDK、Astro、Flue 和 tldraw 等一批 AI 时代的开源项目，现在不再接受外部贡献者提交的代码合并请求（PR）。部分原因是这些 PR 大多由 AI 生成，维护者更信任自己调教好的智能体。Vercel 为 AI SDK 搭建了一个“软件工厂”，让多个智能体分工复现 Bug、修代码、做审查，上线四周后，工厂产出了 2...
推荐理由：这篇文章抓到了一个反直觉的变化：几个 AI 时代的明星开源项目不再接受人类提交的代码 PR，转而用自己训练的智能体来修 bug、做审查。Vercel 的 AI SDK 甚至搭了一套“软件工厂”，让多个智能体分工干活，四周产出 200 多个 PR，合并率 70%。这个数据说明用 AI 处理 AI 生成的贡献开始有实际产出，不是概念验证。文章有多个项目的采访和具体做法，不是猜测。对 AI 从业者来说，这直接关系到开源维护的工作流会不会被重构。信息量和冲突感都够，但属于行业趋势报道而非硬产品发布，放在 featured 档合理。
Mithil Vakde 用一张 5090 显卡，花 1.5 小时、67 美分，从零训练了一个小 Transformer，在 ARC-AGI-1 公开评估集上拿到 44% 的正确率，跟 TRM/HRM 打平，在 ARC-2 上只有 7%。做法是把每个谜题的输入输出转成 token 序列，用 3D RoPE 和每个任务单独学的嵌入来做跨任务学习，推理时对...
推荐理由：44%的ARC-AGI-1正确率，成本只要67美分、1.5小时、单张5090——数字本身就是故事。3D RoPE和按任务学的嵌入给了可复现的技术钩子，不是泛泛而谈。ARC-2只有7%是硬伤，说明方法离通用推理还远，但也正是这个缺口让分数停在78分，没往上走。
Superagent 把 Claude Code 这类编程助手从命令行搬进了 Mac 风格的桌面应用。它给 AI 配了一台“电脑”：一个能操控你已登录网站的浏览器、一个能点击滑动的 iOS 模拟器，还能访问你的文件、维护一块看板、按定时任务自动干活。每个聊天会话跑在独立的 git worktree 里，重启后对话还在，侧边栏可以分组管理。和 iPhon...
推荐理由：产品形态有辨识度——给 AI 配浏览器和 iOS 模拟器，不是又一个 CLI 包装。独立的 git worktree 和定时任务增加了工程细节，但发布渠道是 Product Hunt，正文没披露用户量或实际使用反馈，所以我会先打个折：重要性给 72、放 featured 是合理的，但别急着当现象级产品看。
Konstantin Ryabitsev 给了硬数据：git.kernel.org 每天收到 600 万次请求，98% 来自 AI 爬虫。这些爬虫不直接克隆仓库，而是把每个提交渲染成 HTML 再抓取，光 linux.git 的 922 个分支就能生成几十亿个有效网址，抓回来的却是 148 万次提交的重复内容。封 IP、封整个 ASN 都失败了，因为爬...
推荐理由：Kernel.org 维护者首次公开 AI 爬虫冲击的硬数字：14 个 CPU 核 24 小时被浪费在给爬虫渲染提交页面。信息密度高，行业共鸣强。因为是基础设施运维话题而非模型或产品更新，我会稍微打个折，但选题和表达都到位。
智谱放出了 GLM-5.3 的模型权重，支持本地部署和商用。这个模型在 AA 综合智能指数上拿了 60 分，跟 Claude Fable 5、GPT-5.6 Sol 这些闭源旗舰差不多，和 Kimi K3 并列开源第一。它主要强在复杂编程、防御性网络安全和长链条任务上。因为网络安全能力太强，智谱在发布前专门多花了两周做安全评估。另外，年收入超过 100...
推荐理由：智谱把 GLM-5.3 的权重直接开源了，允许本地部署和商用。模型在 AA 综合智能指数上拿了 60 分，跟 Claude Fable 5、GPT-5.6 Sol 这些闭源旗舰打平，和 Kimi K3 并列开源第一。它主攻复杂编程、防御性网络安全和长链条任务，因为网安能力太强，发布前专门多花了两周做安全评估。正文没提模型参数量和具体推理成本，这点先别太激动。年收入超过 100 万的商用需要单独谈授权，小团队和个人开发者可以放心用。
Neil Alexander 直接点名了一种新乱象：有人用 Claude 等模型批量生成拼写修复 PR 和安全漏洞报告，只为在 GitHub 个人页上刷绿点和贡献者头像，好给招聘方看。他举了一个具体例子——一个从 2018 年底几乎零活动的账号，突然给项目提了三个修注释拼写的 PR，全是 AI 写的、AI 提交的，连 commit 签名都带上了 Cla...
推荐理由：一篇维护者第一视角的吐槽，有具体案例和模式分析，三个维度都打中了。扣到 78 分是因为它是一篇个人博客，不是行业事件，而且问题本身不算新发现。
AC2 协议解决了一个实际问题：AI 代理要替你付款、发消息或部署代码时，怎么确保它没乱来。它不把私钥交给代理，而是让代理发起请求，把具体操作推到你手机上的 AC2 钱包，你用指纹、人脸或 PIN 码在设备本地批准，生成一份密码学证明，记录谁在什么时间批准了什么操作。这套机制基于 FIDO2/WebAuthn 标准，能防钓鱼和重放攻击，不需要区块链或中...
推荐理由：AC2 解决的是真问题——怎么让 AI 代理替你花钱、发消息而不把钥匙交出去。方案基于 FIDO2，把批准动作留在用户设备上，思路清晰。但这是 Algorand 基金会的项目，目前只有网站和 GitHub 仓库，没有第三方验证或实际部署案例，所以我会先打个折。