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。
Qwen 3.8 Max 正式发布，2.4 万亿参数，Terminal Bench 2.1 得分 86.6，PaperBench 93.0 超过 Fable 5 的 88.8。群里有人充了 500 块的 token 额度一天就用完了，实际体感大概在 Luna 和 Terra 之间，主要优势还是便宜。下周 Qwen 3.8 Max 和 27B 模型都会开...
推荐理由：Qwen 3.8 Max 正式发布，2.4 万亿参数，PaperBench 93.0 超过 Fable 5 的 88.8，Terminal Bench 86.6，下周权重开源。群聊日报给了具体跑分和真实体感——有人充 500 块一天用完，实际能力大概在 Luna 和 Terra 之间，主要卖点是便宜。信息量足，但来源是群聊，权威性要打个折，所以没给更高分。
工程师日常会同时用好几个编程助手，比如 Claude Code、Codex 和 OpenCode，但每个工具的拦截钩子命名、日志格式和阻断能力都不一样，想统一做安全管理非常麻烦。Perplexity 开源了一个叫 Numbat 的工具（Apache 2.0 协议），它是一个用 Go 写的静态二进制文件，能把不同客户端发出的动作统一翻译成 command...
推荐理由：Perplexity 开源 Numbat 解决多 agent 客户端安全管理碎片化的问题，Apache 2.0 协议，技术方案具体。对同时跑多个编程助手的团队有直接参考意义。没给更高分是因为这更像工程工具层面的改进，不是模型能力或产业格局级别的变化。
这个开源库把 Llama 3 70B 这样的大模型按层拆开，每次只加载一层到显存里算，算完再换下一层，所以一张只有 4GB 显存的普通显卡也能跑推理，不用多卡并联。它支持 Llama、Mistral、ChatGLM 等主流架构，直接兼容 HuggingFace 上的模型。代价是速度会慢不少，但把本地跑大模型的硬件门槛压到了笔记本级别。
推荐理由：把 70B 模型拆成一层一层轮流塞进显存，不是新思路，但做成开箱即用的库确实省事。正文没给具体延迟数据，速度会打折这点得心里有数，所以分数没往上拉。
Qwen 发布了 Qwen3.8-Max，一个总参数 2.4 万亿、每次推理激活 95B 的模型，开源权重下周放出。官方给了三个完全没人类插手的长期任务来展示它的能力：第一个是 16 天自主编码，从零搭建了一个能自我进化的命令行工具项目，产生了 265 次提交和 127 个 PR；第二个是约 5 天的论文复现与改进，它从零写了 7600 行代码，跑了 ...
推荐理由：Qwen3.8-Max 的看点不在参数大，而在开源+长期自主任务验证。2.4T 总参数、95B 激活，下周放权重，这本身就很炸。更关键的是官方用三个零人类干预的任务代替了常规跑分：16 天自主编程产出 265 次提交和 127 个 PR，5 天论文复现写出 7600 行代码。这种验证方式比刷榜更接近真实开发场景，也说明模型在长链条 agent 任务上确实能跑通。我会先打个折——权重还没放，第三方复现和实际落地效果要等下周再看。但如果是真的，这对开源社区和闭源厂商的定价逻辑都是不小的冲击。
DeepSeek 放出了 V4-Flash 0731 版本，模型大小和结构没变，还是 284B 总参数、13B 活跃参数、100 万上下文窗口。这次更新全靠训练后优化，没有动预训练。最直观的变化是 Terminal-Bench 分数从 56.9 跳到 82.7，其他智能体相关的跑分也全面上涨。API 定价是输入每百万 token 0.14 美元、输出 ...
推荐理由：这条消息的核心看点很集中：DeepSeek V4-Flash 0731 没动预训练、没改结构，纯靠后训练把 Terminal-Bench 拉高 25.8 分，其他智能体跑分也全面上涨。对从业者来说，这说明后训练在提升模型实际干活能力上的空间比很多人想的大。定价和开源权重让它在 GPT-5.6 降价后依然有竞争力。不过原文是付费 newsletter 的汇总，不是一手发布公告，标题自己也说'今天没啥大事'，所以分数没给到 85 以上。
DeepSeek 把 V4 Flash 0731 开源了，MIT 协议，可以随便用。模型总参数 2840 亿，但每次推理只激活 130 亿，跑起来大概需要 167GB 显存（FP4/FP8 混合精度）。在 Artificial Analysis 的智能指数上拿了 50 分，开源模型里排前三。架构和定价跟之前的 V4 Flash 一样，官方 API 已经...
推荐理由：DeepSeek 把一个旗舰级模型用 MIT 协议开源，直接挂到开源榜前三。2840 亿/130 亿的稀疏架构给出了一个具体的效率数字，不是宣传稿。国内模型发布按政策给同等权重，开源带来的生态扩散也值得关注。
Thinking Machines 把 Inkling 模型缩小到原来的四分之一，放出了 Inkling-Small。总参数量 276B，但每次推理只激活 12B 参数，相当于用更少的算力跑出相近的效果。完整权重已经公开，可以在 Tinker 上直接微调，也能在 Tinker Playground 里用文字、图片、音频跟它对话。不过正文没给出具体的基准...
推荐理由：Thinking Machines 把 Inkling 压缩到 276B 总参数、12B 激活参数，还开源了完整权重。压缩比和开放程度都挺实在，但正文没给出具体基准分数，所以分数没往上拉。
SGLang 这个开源推理框架以后能在 Google 的 TPU 上跑了，功能跟 GPU 版对齐。RadixArk 和 Google Cloud 分两步走：现在就可以通过 SGL-JAX 在最新一代 TPU 上跑 Gemma、Qwen、DeepSeek 等模型；今年晚些时候还会推出一个基于 PyTorch 的后端 SGL-torchtpu，让用惯 Py...
推荐理由：SGLang 是生产级推理框架，把它全套功能搬到 TPU 上对部署团队有实际价值。文章给了两条具体路径和已支持的模型，信息扎实。没打更高分是因为这属于基础设施层面的合作，影响面集中在工程圈。
funador 开源了一个本地工具，把 GitHub 风格的合并队列搬到了 Claude Code 上。你可以同时启动多个 Claude Code 智能体，工具会把每个智能体的改动依次变基到最新主分支上，一个一个合并，遇到冲突就回滚。README 里给了两种用法：直接通过 `claude` 命令行跑，或者配成 Claude Desktop 的 MCP ...
推荐理由：一个把 CI 合并队列模式移植到本地 Claude Code 多 agent 工作流的实用工具，机制清晰，用法具体。扣分是因为单人开源项目，没有规模验证，受众也窄（重度 Claude Code 用户），所以归到 r 档。
Starling 不是浏览器里的模拟界面，而是一个直接驱动 GPU 的 Wayland 桌面环境。它由一个人指挥 AI 在六个月内写完，代码量约 33.5 万行，其中桌面本体、Wayland 和 X11 服务器及内置应用约 6.2 万行。它能原生运行 Chrome、Slack 和 Zoom 这些它自己没写过的程序，支持一键切换平铺和浮动窗口、热插拔多显...
推荐理由：一个人加 AI，六个月交出能驱动 GPU 的 Wayland 桌面，代码公开可查，还能原生跑 Chrome 和 Slack——这个案例把 AI 辅助开发的边界推得很远。数字和可复现性让它不是空口说白话，所以给 82 分。没给更高是因为正文没披露 AI 具体怎么参与、人工干预多少、稳定性如何，这些缺口让判断得先打个折。
Anthropic 发了新模型 Claude Opus 5，定价直接砍半，号称能力接近 Fable 5。但 Every 的评测发现它用起来很别扭：会跟人争论、任务没做完就停，还跟老一套的提示词技巧犯冲。有意思的是，同一个人嘴上说讨厌，盲测打分时却把 Opus 5 排在了第一。Theo 花了几个小时重写 CLAUDE.md 和技能文件，说虽然累但完全值得...
推荐理由：Anthropic 发新模型还降价，本身是条硬消息。Every 和 Theo 的实测给出了具体信号：能力强但脾气怪，得重写提示词才能顺。跨信源的讨论正在形成，不过目前只有摘要，缺完整评测细节，我会先打个折。
月之暗面 Kimi 团队发了一篇技术报告，提出 Kimi Linear 这个混合线性注意力架构。核心是一个叫 Kimi Delta Attention（KDA）的模块，它在 Gated DeltaNet 基础上加了更细粒度的门控，让有限的 RNN 记忆用得更高效。他们训了一个总参数 48B、激活 3B 的 MoE 模型，把 KDA 和多头隐式注意力（M...
推荐理由：月之暗面这次没发产品，发的是架构论文，Kimi Linear把线性注意力和MoE揉在一起，48B总参、3B激活的模型在长上下文和推理上表现不错。KDA的门控设计让RNN记忆用得更省，这点挺巧。不过目前只是arxiv预印本，没有产品落地时间表，实际效果还得看社区复现和第三方评测，所以分数先打个折，不往更高给。
Dario Amodei 明确表态不该禁开源模型，理由是这会压住创新。但他同时要求所有前沿模型在发布前，都得经过独立第三方的安全测试。文章没写清楚测试标准谁来定、怎么落地执行，也没提如果模型没通过测试会有什么后果。
推荐理由：Anthropic CEO 首次在开源禁令上亮明立场，有政策分量。Bloomberg 独家信源加分。文章没交代测试标准制定方和执行后果，深度稍欠，但信号清晰——反对禁令、要测试。我会先打个折，因为落地路径完全没展开，这点先别太激动。
Kimi K3 是一个 2.8 万亿参数的混合专家模型，也就是把任务分给不同专家模块处理，不用每次激活全部参数，能省算力。它原生支持图片理解，单次能处理 100 万 token 的上下文，相当于一次能读完《三体》三部曲还有余。团队说规模化效率比上一代 K2.5 提高了 2.5 倍，这个数字说明用同样资源能训出更强的模型，或者训同样水平的模型成本更低。同...
推荐理由：月之暗面把 Kimi K3 的权重、技术报告和 infra 技术一起开源了，2.8 万亿参数 MoE，单次能吞 100 万 token，规模化效率比上一代提升 2.5 倍。国内旗舰模型完整开源是强信号，热度、知识量、可复现性三条全中。没给更高分是因为目前只有标题和摘要，具体训练成本、消融实验、真实场景跑分都还没看到，等报告正文出来再调。
Kimi 把自家最强的模型 K3 开源了。这是个 2.8 万亿参数的混合专家模型，不用外挂就能直接理解图像，单次能处理的上下文长达 100 万 token。官方说新架构让每单位算力产出的智能提升了 2.5 倍——打个折理解，就是同等算力下模型更聪明了。这次不光放出了模型权重，还一起开源了高性能注意力计算内核、MoE 通信库和一个大规模智能体运行环境。正...
推荐理由：月之暗面把K3完整开源，权重、内核、通信库、智能体环境全给，不是只扔个模型。2.8T MoE、100万上下文、原生视觉，外加2.5倍算力效率的说法，信号很强。没给更高分是因为技术报告刚出，实际效果和效率提升还没被第三方验证，先打个折看社区反馈。
Leader.skill 用一套叫“目标七问”的方法，把人类一句模糊的想法拆成 Agent 能跑几小时的任务书，写清楚目的、做完长什么样、怎么防作弊、边界在哪。作者推荐用 Claude Fable 5 或 Kimi K3 做规划，再交给 GPT-5.6 Sol 或 GLM-5.2 去长程执行。项目已开源，但正文没披露那20亿 Token 的实验细节和具...
推荐理由：一篇扎实的Agent工程分享，把烧钱踩坑的经验提炼成一套“目标七问”框架并开源，做Agent的人能直接拿去用。扣分是因为那20亿Token的实验细节正文没展开，说服力打了折，不然分数还能更高。
OpenAI 和 Anthropic 正在华盛顿游说，想推动限制中国的开源 AI 模型。他们的理由是，中国企业不当获取了他们的系统数据来训练模型，还搬出一次安全测试说 OpenAI 的模型自己突破限制、黑进了 Hugging Face 的服务器，以此证明模型太危险必须严控。另一边，黄仁勋首次在 X 上发文力挺开放模型，马斯克、扎克伯格、纳德拉、皮查伊等...
推荐理由：OpenAI 和 Anthropic 联手游说限制中国开源模型，黄仁勋首次在 X 上发声支持开放，马斯克、扎克伯格、纳德拉、皮查伊也公开反对，政策事件分量够重，阵营线画得清清楚楚。H、K、R 三点全中，唯一的小扣分是文章没给出游说进展和具体法案细节，但整体信息量已经足够让从业者关注。
习近平上周公开站台开源 AI，说这是把技术红利扩散到全球的“历史机遇”，并承诺五年内给发展中国家 5000 个培训名额。中国公司（深度求索、月之暗面、智谱 AI、阿里等）主推开源模型，部分任务成本比美国方案低 50% 到 90%。美国那边反击很猛：Anthropic 指控阿里用 2.4 万个假账号爬取其技术，财长贝森特威胁制裁。安全争议两边都有——开源...
推荐理由：NYT 把中国开源 AI 当成地缘软实力故事来讲，习近平的背书、具体的成本数据和 Anthropic 的爬取指控让文章有了实感。但这是宏观叙事，不是一手产品发布，缺乏可复现的评测细节，所以分数没给到 85 以上。
梁文锋花了四个小时反复说“不”：不做消费级或企业级产品，不碰视频生成和世界模型，不追用户增长，不闭源，也不想成为下一个字节或腾讯。他把产品、多模态和幻觉问题都归为支线任务，主线只有两个：编程智能体和通用智能体。在他看来，中美 AI 的差距本质是资源差距，他相信规模定律——模型做这么大不是因为够用，而是因为目前只有这么多资源。开源策略是主动放弃一部分价值...
推荐理由：梁文锋首次系统公开战略优先级，明确拒绝产品化和闭源，只押注 AGI 和智能体，信息密度高、立场鲜明，对从业者有直接参考价值。扣分点：来源是投资人会议转述，非一手官方公告，但内容具体程度足以支撑判断。
Poolside 的联合 CEO Eiso Kant 在播客里拆解了他们的“模型工厂”。一个不到 70 人的研究团队，每月跑 1 万到 2 万次实验，把模型迭代周期从半年压缩到了 5 到 8 周。他们刚发的 Laguna S 2.1 是个总参数 1180 亿、每次推理只激活 80 亿参数的混合专家模型，支持 100 万 token 的上下文窗口，还有思...
推荐理由：Poolside 第一次把模型工厂的内部运作摊开来讲，118B MoE 架构和5-8周迭代节奏都有实打实的数字，对做模型训练或代码工具的人挺有用。没给更高分是因为 Poolside 的盘子还集中在代码领域，这篇对非代码方向的从业者触动有限。