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。
GLM-5.3 和上一代用的是同一个基座模型，所有提升全来自后期训练。编程能力在内部 Z.ai Code Bench 上比 5.2 高了 50%，Terminal Bench 3.0 从 4.6 分跳到 28.3 分。更意外的是漏洞利用能力涨得比预期快：ExploitGym 2 小时得分从 29 涨到 105，6 小时从 39 涨到 130。团队把原因...
推荐理由：GLM-5.3 和上一代用同一个基座，所有提升全靠后期训练。编程分涨了50%，终端操作从基本不会（4.6分）变成能干活（28.3分）。更扎眼的是漏洞利用：2小时得分从29跳到105，6小时从39跳到130。团队自己说这块能力涨得比预期快，我会先打个折——内部评测的绝对值不能直接跟外部基准比，但涨幅摆在那里。正文没披露后期训练具体用了什么方法和数据，这点信息缺口挺大。
xAI 一口气发了两个东西：新模型 Grok 4.6，和一个能直接登你的工具、像人一样操作、最后交活儿的早期测试版 Grok Bot。Grok 4.6 是个 1.5 万亿参数的模型，在 AA-Briefcase 这个知识工作基准测试里，分数跟 GPT-5.6 Sol Max 差不多，但便宜一大截：输入每百万 token 2 美元，输出 6 美元。训练上...
推荐理由：Grok 4.6 在知识工作基准上追平 GPT-5.6 Sol Max，价格却砍到零头，这个性价比信号很强。同时发布的 Grok Bot 直接杀进 AI 队友战场，背后是前 Cursor 团队，早期口碑还行。没给更高分是因为 Bot 还在早期测试，正文没披露具体完成率和稳定性数据，实际干活能力得再观察。
DeepSeek 在 8 月 13 日开源了它的第一个 agent harness，叫 DSH。它跟 Codex、Claude Code 这些现有工具最大的不同，是把 agent 的核心控制循环（agent loop）本身做成了一个可以在运行中随时替换的插件。这意味着，AI 在干活时不仅能调用新工具，理论上还能给自己换一套全新的思考或协作流程。为了支撑...
推荐理由：DSH 把 agent 的控制循环做成了运行时可替换的插件，这确实是个架构层面的新想法，不是营销话术。但这篇文章是第三方分析，不是官方发布，DSH 目前也没有任何生产环境的验证记录，所以按规则先打个折，归到较低一档。
阿里 Qwen 团队开源了 Qwen3.8-2.4T-A95B，这是他们第一次把云端最强模型级别的权重直接公开。模型用了混合专家架构，总共 2.4 万亿参数，但每次计算只激活其中的 950 亿，所以跑起来比同体量的稠密模型省算力。它原生支持 26 万多 token 的上下文，能一口气处理整本小说，还能扩展到 101 万 token。训练时加入了多 to...
推荐理由：阿里第一次把云端旗舰模型完整开源，2.4T MoE、激活95B、原生256K上下文，这几个指标放在一起分量很重。三个维度都踩中了：头部大厂罕见动作、技术上有具体新东西、对国内开发者生态有直接拉动。没给更高分是因为目前只有公告，还没看到第三方实测跑分和实际部署反馈，我会先打个折，等社区验证了再往上调。
Liquid AI 放出了 LFM2.5-VL-3B，一个 30 亿参数的视觉语言模型，可以直接在你自己的电脑或手机上跑。它不搞长链条推理，直接给答案，适合需要实时响应的场景。这次主要升级了四个能力：能看懂各种设备的屏幕界面、用自然语言圈出图片里的物体、同时理解多张图片，以及大幅强化了工具调用（不管带不带图片都能用）。官方给了跑分对比和 CPU/GPU...
推荐理由：Liquid AI 发了一个30亿参数的视觉模型，主打本地推理和实时响应，给了四个明确的能力升级和跑分对比。H 和 K 都踩中了，但品牌号召力在视觉领域偏弱，R 没起来，分数刚好卡在 featured 门槛上。
Nvidia 给 Nemotron 3 系列加了个新模型 Nemotron 3.5 Lightning，300 亿参数，用的是混合专家架构（MoE，把模型拆成多个小专家，每次只激活一部分，省算力）。它不负责统筹全局，而是在多智能体系统里干代码审查、安全告警监控这类专项高并发的活。官方说输出速度比同级模型快 4 倍，跑完一个智能体任务整体快 30%。模型...
推荐理由：Nvidia 这次没走通用大模型的路子，而是发了个 30B 的 MoE 模型 Nemotron 3.5 Lightning，定位是多智能体系统里的专项工人，比如做代码审查、监控安全告警。官方说输出速度比同级模型快 4 倍，跑完一个智能体任务整体快 30%，还开源了调度工具 NeMo Switchyard。我会先打个折——这些数字都来自 Nvidia 自己的博客，没有第三方实测，而且 Nvidia 的模型生态在开发者里的实际采用率远不如几家头部 lab。但“给智能体系统做专项加速”这个思路本身值得关注，对正在搭多智能体工作流的人是个可参考的选项。
Mistral 宣布 Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行，同时 Mistral Priority Tier 进入公开预览，提供自定义速率限制和带 SLA 的可用性承诺。
推荐理由：Mistral 把区域推理端点、SLA 服务层级与第三方开源模型接入放在同一套基础设施上，读者可据此判断欧洲主权 AI 的落地路径。
扎克伯格在内部会议上直接点名 OpenAI 和 Google，认为长期来看开源模型会赢。他确认 Meta 的下一代 Llama 会保持完全开源，同时把 AI 团队打散并入产品部门，想加快发布节奏。具体发布时间和模型参数都没说。
推荐理由：扎克伯格内部讲话直接点名 OpenAI 和 Google，确认 Llama 会继续完全开源，还透露 AI 团队正被并入产品组。冲突感、组织变动和明确立场，三条都占全了。不过具体发布时间和模型参数都没说，所以我会先打个折，给到 78 分。
Meta 发布了 Muse Glimmer，一个 300 亿参数的多模态模型，专门为在本地硬件上跑智能体工作流设计。SGLang 推理框架在发布当天就提供了支持，并做了针对性优化。在单张 RTX 5090 显卡上，用 NVFP4 量化格式搭配 DFlash 投机解码技术，每个用户的解码速度能达到每秒 236 个 token，总吞吐量冲到每秒 1452 ...
推荐理由：Meta 发新模型本身是行业事件，但这篇文章的重点是 SGLang 的推理优化，不是模型本身。好在性能数字够硬，236 tok/s 和 1452 tok/s 这两个数让它的信息密度够上 featured。不过受众窄，只对搞本地推理的人有吸引力，所以 r 给了 false。
Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议放出来了。这是一个 30B 参数的模型，专门为常驻本地的 agent 工作流设计，小到能在 Mac 或 PC 的单张消费级显卡上跑。用 4-bit 量化能把模型压到 20 GB 以下，在 24 GB 或 32 GB 显存里还能留出空间给 KV cache 和视觉编码器。训练上，...
推荐理由：Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议放出来了，一个 30B 参数、专为本地 agent 工作流设计的模型。4-bit 量化后不到 20 GB，能在单张消费级显卡上跑，还留出显存给 KV cache 和视觉编码器。定位很明确——不是通用聊天模型，而是常驻本地的 agent 引擎。我会先打个折：目前只有发布博客的信息，没有第三方跑分和实际部署反馈，所以分数没往上拉。但开源协议、显存占用和本地 agent 这个组合，对自部署和隐私敏感场景确实有吸引力。
NVIDIA 把 NemotronLabs VoiceChat 11B 的权重和代码都公开了。这是一个 110 亿参数、端到端的语音模型，不再走传统的“语音识别转文字、大模型思考、文字转语音”流水线，而是把听和说塞进同一个网络里流式处理。实测抢话反应延迟是 448 毫秒，基本跟人对话的节奏差不多。它支持全双工，也就是双方可以同时说话、随时打断，模型能实...
推荐理由：NVIDIA 这次把 NemotronLabs VoiceChat 11B 完整开源，448 毫秒的打断反应时间和全双工能力是硬指标，不是刷榜。但原文像产品发布稿，没有第三方对比测试，也没说清楚工具调用在嘈杂环境下的成功率。我会先打个折：技术方向对，实际落地效果还得等社区跑完分再看。
腾讯混元 AI Infra 团队把他们在生产环境里打磨的 Attention、Router GEMM 和 MoE 算子打包成 HPC-Ops 开源，并直接合入了 SGLang 的主分支。这些算子专门针对混合专家模型（MoE）推理里的三个性能瓶颈：解码时不同请求的上下文长度差异巨大，静态分配计算任务会导致 GPU 空等；路由计算对精度敏感，算得不准会选错...
推荐理由：腾讯混元把自家生产环境里打磨的 Attention、Router GEMM 和 MoE 算子开源，直接合进了 SGLang 主分支。三个优化分别解决 MoE 推理时不同请求混跑导致的 GPU 空等、路由计算精度与速度的取舍、以及内存搬运和计算串行的问题，每个点都给了具体的技术做法。对做推理部署的人来说，代码已经在主流框架里，拉下来就能用，实用价值高。不过正文没给出具体的性能对比数字，这点先别太激动，得自己跑一下看实际收益。
Oracle 给 OpenJDK 社区立了新规矩：你可以私下用大模型辅助调试和审查代码，但别把 AI 生成的代码提交到仓库或合并请求里，理由是安全、可靠性和知识产权风险。这跟公司内部的口径完全相反——创始人 Larry Ellison 刚说过 Oracle 的代码现在由 AI 模型来写，联席 CEO Mike Sicilia 也夸 AI 工具让小团队交...
推荐理由：这条新闻最抓人的点就是 Oracle 自己打自己脸——一边在财报会上吹 AI 写代码多牛，一边在开源项目里把 AI 生成的代码当毒药。禁令本身不是空泛的抵制，而是给了具体边界：私下调试审查可以，但别把 AI 吐出来的东西直接塞进仓库。理由也说得直白，就是怕安全漏洞、版权纠纷和代码不可靠。对从业者来说，这不是一个简单的政策更新，而是把大公司内部对 AI 代码的真实态度撕开了一个口子：嘴上说全用，实际在关键项目上根本不敢放行。正文没披露 Oracle 或 OpenJDK 维护者的直接声明，所以先别急着下结论说社区会炸锅，但这个矛盾本身已经够值得关注了。
Herdr 是一个让命令行编程 agent 持久运行、跨机器不掉线的运行时和终端界面。独立开发者 Can Celik 一个人把它做到了 2.5 万 GitHub 星标和 34 万次下载，现在决定加入 Y Combinator 的 F26 批次，把它做成一家公司。运行时本身继续用 Apache-2.0 协议免费开放，核心保持小巧，其他功能全走插件——目前...
推荐理由：独立开发者把命令行 agent 运行时做到 2.5 万星标、34 万次下载，然后加入 YC F26，同时核心继续用 Apache-2.0 开源。故事有对比、有数字、有开源承诺，对 agent 开发者有参考价值。扣分项：这只是一篇博客公告，不是产品发布，正文没披露 YC 之后的具体商业化路径。
Agent Plugins 1.0.0 是一个开源、不绑定厂商的规范，用来把智能体的技能（Agent Skills）和 MCP 服务器（给模型调外部工具的服务）打包成一个可移动的目录。谷歌加入了由亚马逊、Cursor、微软、OpenAI 和 Vercel 组成的核心维护组。这个格式刻意做得很轻：plugin.json 只声明名字和规范版本，技能放在 s...
推荐理由：五家大厂联手推一个统一的 agent 插件规范，跨源信号很强，对生态有实际影响。但毕竟只是规范发布，不是能跑的产品，落地效果还得看，所以分数先打个折，定在 78。
Prime Intellect 把 Prime Agent 完整开源了，一条 curl 命令就能装。这东西本质上是个给代码模型用的外挂框架，核心做了两件事：一是把上下文当成变量、把调用子代理当成函数，让模型在一个常驻的 IPython 环境里自己写程序操作自己的记忆和工具，这样跑再久也不会弄丢之前的信息；二是允许模型在运行过程中随时增删改自己的提示词、...
推荐理由：Prime Intellect 开源了一个代码代理框架，架构上有个明确的钩子：让模型在常驻 IPython 环境里把自己的记忆和提示词当成可编程的东西来操作。H 和 K 都打中了——安装门槛低、设计思路清晰，对 agent 开发者是实打实的参考。R 偏弱，因为 Prime Intellect 本身不是顶级实验室，身份带来的传播力有限。整体符合 featured 标准。
这个项目把训练循环整个塞进了一颗 8 美元的 ESP32-S3 芯片里，不是只做推理，连反向传播都是用 C 语言手写的。代码库只提交了 6 次，没公布参数量、数据集大小和训练时长，所以别把它当实用工具看。它更像一个极限工程演示——在单片机上把模型训练跑通，这件事本身就够疯。
推荐理由：在 8 美元的 ESP32-S3 上跑完整训练循环，连反向传播都用 C 手写，这是个极限工程演示，H 和 K 都拉满。但仓库只有 6 次提交，参数量、数据集大小、训练时长一概没提，实用价值几乎为零，R 不成立。给 72 分放在 featured 档，是因为这件事够疯，但信息缺口太大，我会先打个折。
Flowise 团队发公告说他们要关停项目了。他们观察到开发者现在更倾向用 Claude Code 这类能直接写代码的 AI 助手来处理复杂任务，而 Flowise 这种拖拽式的低代码工作流一碰到复杂逻辑就容易卡住。具体时间线是：7 月 29 号冻结代码，不再合并新功能；8 月 10 号把 GitHub 仓库归档，虽然代码还能看，但 issue 和 P...
推荐理由：Flowise 关停不是普通的产品下架，它是一个标志性开源项目主动承认被代码助手取代。团队没找借口，直接说拖拽式低代码处理复杂任务时力不从心，而 Claude Code 这类工具更灵活。这个判断来自一线开发者自己的观察，比第三方分析更有说服力。我会先打个折：公告里没提用户量、收入这些数据，所以关停到底是趋势使然还是项目自身运营问题，正文没披露。但即便如此，一个知名项目用关停来印证行业转向，对从业者的参考价值很高，值得放在 featured 位置。
Simon Willison 发布了 LLM 0.32，这是项目发布以来最大的一次更新。现在跑推理模型时，模型的“思考过程”会输出到 stderr，不会混进标准输出里，方便你把干净结果直接管道给其他工具。新默认模型换成了便宜够用的 GPT-5.6 Luna。工具调用方面，可以直接用 OpenAI 的代码解释器和网页搜索，Anthropic 插件也补上了...
推荐理由：LLM 0.32 是一次对开发者真正有用的更新，推理轨迹隔离和内容寻址日志都是实打实的体验提升。没给更高分是因为它属于工具层改进，不是模型能力或行业格局变化。
Soup 把大语言模型的微调流程打包成一个命令行工具，最低只要 4GB 显存就能跑。它底层用了 QLoRA（一种省显存的微调方法）和 Unsloth 加速，支持 Llama、Mistral、Qwen 这些主流的 8B 模型。你准备好 JSONL 格式的数据集，写一个 YAML 配置文件，敲一句 `soup run` 就开始训练了。训练完还自带一个 St...
推荐理由：一个把 QLoRA 微调压到 4GB 显存、一句命令跑通的工具，实用性和知识性都到位，正好卡在 featured 门槛。但项目太新，没有社区验证或真实场景的 benchmark，争议性为零。如果后续有人贴出训练效果对比或社区开始用起来，分数会更有支撑。