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。
Codeberg 会员投票通过了一项服务条款修订，禁止在平台上分享“主要由大模型生成且未经人工审核”的代码项目。提案给出的理由是这类项目版权归属模糊、缺乏基本的安全保障。我会先打个折：条款里没定义什么叫“主要由大模型生成”，也没说清楚“分享”是仅指公开仓库还是也包括私有仓库和 Pull Request，执行时间表同样没提。有成员在讨论中指出了这些模糊点...
推荐理由：Codeberg 会员投票修改服务条款，禁止分享未经人工审核的大模型生成代码。这事有实质性的治理动作，冲突感和新鲜度都够，但正文没给出“主要由大模型生成”的具体判定标准，也没说清私有仓库和 PR 是否在限制范围内，执行细节全是空白，所以分数没拉满。
月之暗面发了新模型 Kimi K3，在 Arena 前端编程榜上压过 Fable 和 GPT-5.6-Sol，其他跑分也咬得很紧。模型很大，有 2.8 万亿参数，支持图片输入，上下文窗口 100 万 token，权重会在 7 月 27 号开源。但它的 token 效率很差——每个 token 的价格只有 Sol 的一半，实际干活却要多用一倍的 toke...
推荐理由：月之暗面扔出 Kimi K3，在 Arena 前端编程榜上把 Fable 和 GPT-5.6-Sol 都挤下去了，其他跑分也咬得很紧。模型体量很大，2.8 万亿参数，支持图片输入，上下文窗口拉到 100 万 token，还定了 7 月 27 号开源权重，这几个信号都挺硬。但有个明显的坑：token 效率差。单价标得便宜，只有 Sol 的一半，实际干活却要多烧一倍的 token，算总账并不省钱。这个反差让整件事更有讨论价值，不是纯吹捧。分数没给到 85 以上，是因为正文只提了 Arena 前端编程榜这一个具体成绩，其他跑分只说“咬得很紧”，没给具体数...
这周 Moonshot 的 Kimi K3 和阿里的 Qwen 3.8 都发了，性能号称接近 Anthropic 的 Fable 5，而且模型权重马上要公开。文章算了笔账：Anthropic 自己不建数据中心也不发电，用的是租来的算力和电，所以推理成本会跟着用量涨。Fable 5 每完成一个任务，成本差不多是对手的 3 倍。开源模型追上来之后，这种高价...
推荐理由：K3 和 Qwen 3.8 发模型本身不算最大新闻，真正值钱的是那笔成本账：Fable 5 跑一次任务比对手贵三倍，而且 Anthropic 没自建机房，用的全是租来的算力和电，用量越大成本越高。文章把这个结构劣势讲得很清楚，等于给开源追上来提供了一个实打实的经济理由，不是空谈性能。我会先打个折，因为成本对比的细节正文没完全展开，但逻辑链条够硬，值得放进 featured。
MoE 模型里专家负载不均会让 GPU 空等，UltraEP 的做法是在每个 microbatch 和每一层动态复制热门专家，用精确路由信息实时调度。在 Qwen3-235B 上训练吞吐达到理想性能的 94.6%，比 Megatron-LM 高 42%；推理 prefill 吞吐是 SGLang 的 1.56 倍。正文没披露开源协议和部署条件。
推荐理由：小红书和北大联合开源的这个方案，解决的是 MoE 训推里 GPU 空等的实际问题，给出的性能数字很强：训练吞吐达到理想的 94.6%，推理比 SGLang 快 56%。技术路线也讲得明白，是逐层、逐 microbatch 的实时动态复制，不是事后补救。我会先打个折，因为正文没提开源协议和部署条件，这两个缺口会卡住很多想落地的人。整体上对做大规模训推基础设施的团队很有用，但对普通 AI 从业者来说场景偏窄。
小米机器人团队放出了一个开箱即用的机器人基础模型 XR-1，代码、权重和论文都公开了。它的思路分两步：先用 10 万小时不带真实机器人的操作视频做预训练，覆盖 1700 多个场景，让模型学会“看到画面变化该输出什么动作”；再用 7200 小时真机数据做后训练，把动作能力对齐到具体机器人上，并让模型能听懂自然语言指令。预训练阶段出现了干净的缩放规律——数...
推荐理由：小米机器人开源了 XR-1，一个带代码和权重的机器人基础模型。两阶段训练路线（10 万小时无真机预训练 + 7200 小时真机后训练）和预训练缩放规律是硬信号，直接对标 π 0.5。我会先打个折：正文没披露真机后训练的具体任务成功率和泛化测试细节，这点先别太激动。但开源全套这个动作本身，对行业来说比发一篇论文管用。
xAI 把 Grok Build 在本地管理文件、命令和权限的客户端 harness 用 Apache-2.0 协议公开了，代码可以看、可以自己编译。但 Grok 模型、云端服务以及官方安装包的构建链还是闭源的。仓库不接受外部 PR，官方二进制用的内部 commit 也不在公开历史里，所以下载到的程序不一定对应公开的源码。7 月初的上传争议发生在旧版，...
推荐理由：xAI 把 Grok Build 的客户端 harness 用 Apache-2.0 放出来，支持无头模式和 ACP，不算纯作秀。但模型和构建链还是闭源，仓库也不接外部 PR，所以上限到不了 85。三个 HKR 维度都踩中了，放 featured 合适。
月之暗面这周把 Kimi K3 开源了。公司自己承认模型还打不过最强的闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但 Arena.ai 和 Vals AI 的第三方评测显示，K3 已经能跟这些旗舰模型掰手腕了。发布正好赶上习近平在上海世界人工智能大会讲话，纳斯达克周五跌了约 1%，芯片股像英伟达被抛售。这波讨论很像 2025 年...
推荐理由：月之暗面把 Kimi K3 开源，第三方评测显示它能跟 GPT-5.6 Sol 和 Claude Fable 5 掰手腕，这是中国模型生态一个挺硬的信号。不过这篇是 TechCrunch 的评论稿，不是官方发布原文，所以重要性我打了 78 分，没再往上拉。
月之暗面推出了 Kimi K3，一个 2.8 万亿参数的模型，他们把它四舍五入叫成“首个开源 3T 级模型”。这个模型 API 定价是输入每百万 token 3 美元、输出 15 美元，跟 Anthropic 的 Claude Sonnet 系列一个价，是目前中国 AI 实验室里最贵的模型。它自己公布的跑分大多超过了 Claude Opus 4.8 和...
推荐理由：月之暗面发了 Kimi K3，一个 2.8 万亿参数的模型，他们管它叫“首个开源 3T 级模型”，API 定价输入每百万 token 3 美元、输出 15 美元，跟 Claude Sonnet 一个价，是目前中国 AI 实验室里最贵的。自己公布的跑分大多超过 Claude Opus 4.8 和 GPT-5.5 high，但输给 Claude Fable 5 和 GPT-5.6 Sol。Simon Willison 的测试里 K3 在长周期知识任务上比前代 K2.6 涨了 732 Elo，输出 token 数少了 21%，成本降了 27%，说明模型在...
Kimi K3 在 Frontend Code Arena 拿了 1679 分，压过 Claude Fable 5，七个前端领域赢了六个。模型有 2.8 万亿参数，支持 1M 上下文，定价是每百万 token 3 到 15 美元，完整权重会在 7 月 27 日前放出来。群友上手后评价两极：有人花 199 元月费让它重做了之前搞砸的粒子特效，效果惊艳；也...
推荐理由：Kimi K3 在 Frontend Code Arena 拿了第一，七个前端方向赢了六个，权重还要开源，属于国产大模型一次硬碰硬的亮相。群聊日报给了分数、参数量、价格和真实用户反馈，信息够用。没打更高是因为来源是社区整理，不是一手官方公告，我会先打个折。
SimbaStack 在 MIT 协议下开源了 Sentinel，一个会先通读代码库、自己梳理业务流程，再做端到端测试的 QA 智能体。他们拿自家酒店管理系统做实验，只给了代码仓库和管理员账号，没给任何测试计划。Sentinel 读完代码后判断这是个精品酒店系统，自动梳理出九条关键业务流，包括完整的预订生命周期、团队预订和夜审。它把最重要的两条流程各跑...
推荐理由：一个开源 QA agent 的新玩家，拿真实的酒店管理系统做了端到端实验，不是玩具 demo。分数没上 80，因为目前只有一篇博客，还没有第三方复现或横向对比。
作者在柏林 Local-First Conf 上发现一种普遍的矛盾：台上演讲者批评大模型，台下观众一边鼓掌一边开着 Claude Code。他承认所有批评都成立——产出大量信息垃圾、破坏开源社区的信任基础、打乱资深与初级工程师之间的带教循环、存在地缘政治断供风险——但自己依然重度使用。文章没有试图化解这种矛盾，而是把这种集体性的别扭感摊开来讲，并邀请大...
推荐理由：这篇文章没打算讲道理，就是把开发者圈子里那种'边骂边用'的集体拧巴摊开给你看。柏林会议上 Armin Ronacher 的回复是个好钩子，但全文没有数据支撑，也没有解决方案，就是一次诚实的自我暴露。我会给 featured，因为共鸣够强、传播力够好，但别指望从这里学到什么新东西。
xAI 在 GitHub 上公开了 Grok Build 的全部源码，包括智能体的工作循环（怎么拼上下文、怎么解析模型回复、怎么调用工具）、终端界面、以及技能、插件、MCP 服务器等扩展系统。你可以直接读源码搞清楚它的内部机制，也可以自己编译后连上本地模型跑起来，完全离线使用。
推荐理由：xAI 开源了 Grok Build 的全部代码，包括智能体循环、终端界面和扩展系统，还支持本地离线运行，在开发者圈子里同时踩中了好奇心、干货和实用价值三个点。目前只有官方公告，还没有第三方评测或实际跑通后的反馈，所以分数先定在 featured 这一档，等有人上手验证了再调整。
bitjaru 开源了一个叫 StyleSeed 的项目，专门给 Claude Code、Cursor 这类 AI 编程工具用。它不直接生成代码，而是教模型做设计判断。项目里打包了 74 条设计规则、48 个组件、7 套品牌皮肤（像 Stripe、Linear、Vercel 这些），还有一套命名过的动效系统和 15 个快捷指令。目前 MIT 协议开源，...
推荐理由：给 AI 编程工具加设计约束这事确实戳中刚需，74 条规则加品牌皮肤让项目不止于概念 demo。分数没给更高是因为刚在 Show HN 亮相，没有用户反馈和实际落地效果，目前只能按工具完整度打分。
OpenAI 在 6 月 5 日合并了一个 PR，把 Codex 里主 agent 派给子 agent 的任务指令从明文改成了密文。以前你在本地日志里能看到类似“Review the authentication changes”这样的具体任务，现在只剩一串 <ciphertext>。子 agent 调用了什么工具、跑了什么命令、改了哪些代码，这些执行...
推荐理由：这是一条有具体技术细节的产品变动报道，不是公关稿。PR 号、issue 链接、改动前后对比都给出来了。扣分是因为这属于功能调整而非新能力发布，影响范围也局限在 Codex 用户。我会先打个折：虽然对开发者体验的冲击不小，但本质上是一次安全加固，不是模型能力或架构的突破。
混元Hy3是个2950亿参数的MoE模型，现在出了1-bit和4-bit两个压缩版，用llama.cpp就能在单张显卡上跑，还支持MTP加速推理。官方说这个尺寸下它表现最好，能跟万亿参数的大模型掰手腕，适合让模型进业务流程干活。模型走Apache 2.0协议，可以商用，OpenRouter上还给了两周免费API。不过正文没披露量化后精度掉了多少，也没说...
推荐理由：腾讯混元把2950亿参数的Hy3模型压到单GPU能跑，对本地部署和做agent的人很实用。Apache 2.0协议加两周免费API，试错成本低。没给85分以上，是因为正文没披露量化后精度掉了多少，这点先别太激动。
Nous Research 正在敲定一轮新融资，估值 15 亿美元，至少融 7500 万美元。领投方是 Robot Ventures，USV 也跟了很大份额。三个消息源确认了这笔交易，但 Nous 拒绝评论，投资方也没回邮件。这家公司 2023 年成立，之前从 Paradigm、OSS Capital、Balaji Srinivasan 等人手里拿过 ...
推荐理由：Nous Research 的 Hermes agent 在开源圈确实有存在感，融资金额和投资方阵容都够硬。我会先打个折：目前只是'在谈'，还没 close，Nous 和投资方都没开口，所有信息都来自消息源。正文没披露这笔钱具体要花在哪、Hermes 的商业化进展到什么程度，估值逻辑暂时只能靠猜。如果是真的，这个估值对开源 agent 赛道是个信号，但先别太激动。
腾讯混元把 HyOCR-1.5 的训练代码、推理代码和模型权重全开源了，这在端到端 OCR 大模型里是头一个。模型只有 1B 参数，能处理文档解析、公式识别、表格还原等 8 种以上的文字任务。在 OmniDocBench v1.6 上拿了 94.74 分，排在端到端模型的第一名。推理速度这块，它用了一个叫 DFlash 的投机解码方法，在 Transf...
推荐理由：腾讯混元把一个端到端 OCR 模型从训练到推理全开源了，不是只放权重。1B 参数在 OmniDocBench v1.6 上拿了 94.74 分，端到端模型里排第一，还靠 DFlash 把推理速度提了 6.37 倍。这对做文档解析或 RAG 的人来说，是个能直接上手试、省训练成本的开源选项。我会先打个折：正文没提模型在复杂版面、手写体或噪声场景下的具体表现，也没说 6.37 倍提速是在什么硬件和 batch size 下测的，这点先别太激动。但整体看，这是国内大厂一次实打实的全栈开源，不是公关稿。
从 2025 年 7 月 1 日起，Cloudflare 对新域名默认开启 AI 爬虫拦截。更麻烦的是，被拦下来的请求会返回一个 403 状态码，但带着完整的网页内容——就是那个“稍等片刻”的验证页面。语言模型会把这当成真实内容，自信地总结出根本不存在的答案。作者用普通请求测了 8 个主流反爬网站，结果 0 次拿到真实内容，8 次都拿到了可被总结的拦截...
推荐理由：我会先打个折：文章没给出绕过工具在 Cloudflare 最新规则下的持续成功率数据，长期有效性存疑。但它的核心价值不在工具本身，而在于揭示了一个被忽视的数据污染路径——403 拦截页被当成正文喂给模型。这个发现对任何依赖网页抓取做知识库或 agent 的团队都是实打实的风险提示，加上有具体测试数字和开源代码，值得推荐。
蚂蚁灵波发布了 LingBot-Video，一个专门给具身智能用的视频生成模型，代码已开源。它用 MoE 架构（混合专家）替代了传统的密集模型，总参数量 30B，但生成视频时只激活约 3B 参数，推理速度比同规模的密集模型快 3 倍左右。训练数据是 7 万小时的机器人相关视频，包括灵巧操作、导航和第一人称视角交互，不是网上随便扒的风景片。为了让生成的动...
推荐理由：蚂蚁灵波开源了 LingBot-Video，一个用 MoE 架构做的具身智能视频基模。我会先打个折：这是刚发布的新东西，还没有外部复现报告，效果别急着全信。但亮点挺实在——30B 参数只激活 3B，推理快 3 倍，意味着本地跑或上机器人端成本低不少。训练数据是 7 万小时机器人相关视频，不是网上扒的通用素材，这点比很多视频模型更对口。代码已开源，做这行的人可以直接拉下来试。
ZML 推出了开源软件 ZML/LLMD，能让 Llama、DeepSeek 这类模型在 Nvidia、AMD、Google TPU、Apple Metal 和 Intel Arc 等不同芯片上跑得更快。创始人 Steeve Morin 说目标就是降低推理成本，目前免费。图灵奖得主 Yann LeCun 之前公开推荐过这家公司。不过正文没披露融资细节，...
推荐理由：跨芯片推理加速确实是刚需，ZML/LLMD 免费开源，又有 LeCun 背书，吸引力不低。但正文没给性能对比数据，也没披露融资情况，所以分数只能打到 72，不能更高。