#开源/仓库

蚂蚁 inclusionAI 开源 Ling-3.1-flash-base 基座模型，560B 参数激活 25B

蚂蚁 inclusionAI 在 Hugging Face 发布 Ling-3.1-flash-base，即 Ling-3.1-flash 的基座检查点，总参数 560B、每 token 激活 25B。

HumanLayer 开源核心代码，含桌面应用、CLI 与云 API

HumanLayer 宣布在 github.com/humanlayer/humanlayer 以 Apache 2.0 开源核心代码，与 HumanLayer Cloud 运行的是同一套代码。

Modal 发布开源 Tinker 兼容训练服务器 Spindle

Modal 发布开源、Tinker 兼容的训练服务器 Spindle，可在自己的 Modal 工作区部署，按 GPU 时间而非 token 计费，支持全参数训练与 multi-LoRA，可同时运行数百个训练任务。

Baseten 发布决策模型 mammoth-1（27B）和 elephant-1（9B），开源并免费试用一周

Baseten 研究实验室 Base Labs 发布开源决策模型 mammoth-1（27B）和 elephant-1（9B），基于 Qwen3.5-27B 和 Qwen3.5-9B 在 621 万决策样本上后训练而成。

蚂蚁集团与 vLLM 社区开源量化推理内核库 Humming

蚂蚁集团与 vLLM 社区开源通用高性能量化推理内核库 Humming，仓库为 github.com/vllm-project/humming。

RadixArk 联合 Google 与 Meta 开源 SGLang-TorchTPU，让 SGLang 在 TPU 上原生提供 PyTorch 生产级推理

RadixArk 的 SGLang 团队与 Google、Meta 合作开源 SGLang-TorchTPU，基于 Google 的 TorchTPU 让同一 SGLang 引擎可在 GPU 和 TPU 上提供生产级服务。

同一件事，精选收录的是《Google 发布 vLLM 与 SGLang 的 TorchTPU 原生推理引擎》

蚂蚁 inclusionAI 开源 Ming-3.0-asr-tiny 语音识别模型

蚂蚁 inclusionAI 在 GitHub 发布 Ming-3.0-asr-tiny，将 Ling-tiny-v3 语言模型与音频编码器结合，支持中英文转写、方言识别和上下文 ASR。

AWS 发布 TorchNeuron：Trainium 的原生 PyTorch 后端开源

AWS 宣布推出 TorchNeuron，一个面向 Trainium 的开源原生 PyTorch 后端，10 月 20 日以 Apache 2.0 协议在 PyTorch Conference North America 开启公测。

Reflection 发布首个开源权重模型 Beam，501B 参数 MoE 采用 Apache 2.0 协议

Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 协议放出。Beam 为稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，提供 BF16、FP8、NVFP4 精度权重和投机解码 drafter 模型。

同一件事，精选收录的是《Reflection 开源权重模型 Beam 上线 Ollama Cloud，限时免费使用》

Meta 发布开放权重模型 Muse Spark Open，上线 Baseten 支持 coding agent

Meta 开放 Muse Spark Open 权重，模型上线 Baseten Model APIs 和 Dedicated Inference。

同一件事，精选收录的是《Meta 发布开源权重模型 Muse Spark Open，816B 参数、1M 上下文》

蚂蚁百灵开源 Ling-3.1-flash：总参数约 560B、每 Token 激活约 25B，支持 1M 上下文

蚂蚁百灵正式开源 Ling-3.1-flash，权重可在 Hugging Face 和 ModelScope 获取。模型总参数约 560B、每 Token 激活约 25B、最高支持 1M 上下文；经 MXFP4 与 block-FP8 量化后权重占用从约 534GB 降至 292GB，Hopper GPU 测试中服务部署由 8 卡降至 4 卡。

蚂蚁 inclusionAI 开源视觉取证基础模型 DefakerOne2 及 RRVBench 基准

蚂蚁集团 GuangJian 团队发布 2B 参数视觉取证基础模型 DefakerOne2，统一覆盖 AI 生成内容检测、DeepFake 人脸检测、文档篡改、自然图像篡改、人脸/证件防伪和 AI 生成视频检测，基于 Qwen3.5-2B 多模态骨干。

蚂蚁 inclusionAI 开源 TorchTurbo：面向 SuperNode 的后训练训练引擎

蚂蚁 inclusionAI 在 GitHub 开源 TorchTurbo，一个面向 SuperNode 的后训练分布式训练引擎，基于 PyTorch FSDP2 与 Hugging Face Transformers，融合 FSDP、专家并行（EP）和 Ulysses 序列并行（SP）。

Databricks 推出 Funke：原生 HL7v2 解析

Databricks 发布 Funke，一个 Python 和 PySpark 库加可部署 pipeline，可将 HL7v2 消息直接解析为原生 Spark 类型并保留完整层级结构。它是 2021 年开源的 Scala 数据源 Smolder 的继任者，支持所有 HL7 消息类型和版本，通过 Declarative Pipeline 摄取并存储在 Unity Catalog 中。

Google 开源 ML Drift 端侧 GPU 推理引擎，接替 TFLite GPU delegate

Google AI Edge 团队以 Apache 2.0 许可开源 ML Drift，一个跨平台端侧 GPU 推理计算引擎，作为 LiteRT 的核心 GPU 加速层。

英国 AISI 开源 Transect：让大规模智能体评测更易解读

英国 AI Security Institute 联合 Meridian Labs 发布开源 Python 包 Transect，基于 Inspect Scout 构建，可将智能体评测的 transcript 转化为单一交互式报告。

Ai2 开源 8B 科学报告生成模型 AstaBrief

Ai2 开源 AstaBrief 8B，一个基于 Qwen3-8B、将研究问题和检索文献片段转化为带引用报告的科学报告生成模型，现已在 Asta 的 Generate a report 功能中作为 Fast mode 上线，并连同训练数据开放下载。

Ai2 发布 Olmo-core 3 开源 MoE 训练框架

Ai2 发布 Olmo-core 3，这是支持大规模混合专家（MoE）训练的开源框架，已验证可扩展至万亿参数级别。在 8 张 NVIDIA B300 GPU 上，47B 参数 MoE 吞吐达 52,000 tokens/秒/GPU，约为旧 FSDP 实现的 2.7 倍；专家池从 8 扩至 128 而训练吞吐下降不足 5%。

InternLM 推出 ResOPD：稀疏在线策略蒸馏的尾部残差化方法

上海人工智能实验室 InternLM 项目发布 ResOPD，一种仅用教师模型 Top-k 概率和学生采样 token 概率即可估计全词表 reverse-KL 梯度的稀疏在线策略蒸馏方法，教师传输量和前向次数与稀疏 OPD 持平。

GitHub Security Lab 发布 LLM 驱动的 Fuzzing Taskflow，自动完成 C/C++ 项目模糊测试全流程

GitHub Security Lab 的 Antonio Morales 开源了基于 Taskflow Agent 的 Fuzzing Taskflow，指向 GitHub 仓库即可自动识别入口点、编写 harness、运行 AFL++、读取覆盖报告并分诊崩溃。

Meta 开源通用高性能分配问题求解库 Rebalancer

Meta 宣布开源 Rebalancer，一个用于解决资源分配问题的通用求解库，已在 Meta 内部使用超过九年，目前每天解决约 4000 万个分配问题，涵盖 30 多种问题建模。

小米开源 MiMo-V2-Flash：309B 总参数 MoE 模型，主打推理、编码与智能体

小米于 12 月 16 日发布并开源 MiMo-V2-Flash，一款 309B 总参数、15B 激活参数的 MoE 基础语言模型，权重以 MIT 许可上传 Hugging Face。

蚂蚁 inclusionAI 开源 Realtime-Venus 全双工交互系统

蚂蚁集团 Venus 团队与清华大学在 GitHub 开源 Realtime-Venus，一个支持全双工对话与异步任务委托的实时交互系统。系统包含三个组件：Realtime-Venus-Omni（9B，流式音视频对话与主动交互）、Realtime-Venus-Audio（9B，语音交互与音频理解）以及负责后台任务执行并将结果返回同一对话的 Harness 运行时。

Berkeley RDI 发布开源平台 CUA-Lite，面向计算机使用智能体

Berkeley RDI 推出开源平台 CUA-Lite，为计算机使用智能体提供三个标准化抽象。其环境接口下运行 15+ 个覆盖桌面、浏览器和移动端的基准，并提供含 30k+ 可验证任务的免 VM 桌面沙箱；统一监督数据格式已转换 10+ 个公开 CUA 数据集；每模型一个 harness 在评测、SFT 和 RL 间共享，支持 14 个模型族。

蚂蚁开源金融模型 Ling-3.0-flash-Fin 与评测基准 FinFIRST

蚂蚁集团正式开源首个金融增强模型 Ling-3.0-flash-Fin（124B A5.1B，MoE 架构，最长约 256K 上下文），并同步开放面向金融搜索 Agent 的评测基准 FinFIRST。

OpenClaw 走红后，维护者如何构建并保障其安全

OpenClaw 是 Peter Steinberger 于 2025 年 11 月发起的个人 AI 助手项目，截至 2026 年 8 月已获约 388,000 星标、81,000 fork 和超 80,000 次提交。维护者在访谈中分享了应对海量拉取请求、重构贡献者信任与代码审查、应对供应链风险及平衡智能体能力与安全的经验，并总结了 GitHub 安全开源基金带来的教训。

Mooncake 如何为 Miles 强化学习系统实现高效批量 Rollout 数据传输

大规模 LLM 强化学习采用解耦架构后，rollout 数据从推理侧到训练侧的传输成为瓶颈。Mooncake 针对 Miles 系统中异构、碎片化的 rollout 数据（如 list[np.ndarray] 形式的 tokens、loss_masks、rollout_log_probs），通过批量 I/O 优化实现高效传输，同时满足效率、正确性、可扩展性、灵活性和可预测的交接延迟等要求。

蚂蚁百灵开源 Ling-3.0-tiny-base 与 Ling-3.0-flash-base 基座模型及 6 个训练 checkpoints

蚂蚁百灵正式开源 Ling-3.0-tiny-base（总参数 7.9B，激活 1.3B）与 Ling-3.0-flash-base（总参数 124B，激活 5.1B）两个基座模型，并同步开放预训练、中期训练和 WSM 合并阶段共 6 个 checkpoints。

inclusionAI 开源 ConceptEdit：基于概念缩放与密集监督的图像编辑数据生成管线

蚂蚁集团 inclusionAI 开源 ConceptEdit，一个基于概念缩放与密集监督的图像编辑数据生成管线。该管线通过三阶段流程（VLM 生成指令、FLUX 执行编辑、VQA 评估筛选）构建大规模、基于分类法的图像编辑数据集，并提供单概念与多概念两种变体。项目采用 MIT 许可证，支持断点续跑，需 OpenAI 兼容 VLM 端点与本地 FLUX 检查点。

蚂蚁 inclusionAI 开源 SingProbe：基于冻结基座模型隐藏状态的 token 级探针训练框架

蚂蚁 inclusionAI 在 GitHub 发布 SingProbe，一个基于冻结 Base Model（如 Ling-3.0-flash）多层隐藏状态的轻量 token 级探针训练框架。

NVIDIA 发布 Nemotron 3.5 Lightning 与 NeMo Switchyard，提升智能体 AI 效率

NVIDIA 扩展 Nemotron 3 模型家族，推出 300 亿参数混合专家模型 Nemotron 3.5 Lightning，面向高吞吐智能体工作负载，输出速度最高提升 4 倍，智能体任务完成速度提升 30%。同时发布开源模型路由库 NeMo Switchyard，可将任务成本降至 Opus 4.8 单独运行的近三分之一，并支持在 RTX PC、DGX 等本地设备部署。

蚂蚁百灵开源 Ling-3.0-tiny：7.9B 总参数、每 Token 激活 1.3B

蚂蚁百灵正式开源 Ling-3.0-tiny，总参数 7.9B，每 Token 仅激活 1.3B，同步提供 BF16、FP8 和 INT4 三个版本。

蚂蚁百灵开源 Ling-3.0-flash：124B 总参数 MoE 混合推理模型

蚂蚁百灵正式开源原生混合推理模型 Ling-3.0-flash，采用 124B 总参数、5.1B 激活参数的 MoE 架构，同步提供基础版及 FP8、FP4、INT4 多个精度版本。

Cloudflare OS：面向智能体、应用与工作的开放平台

Cloudflare 开源新版 Cloudflare OS，任何组织均可部署并连接内部系统。该平台为每位员工提供基于公司上下文与技能的智能体工作区，包含隔离运行时、安全治理框架及可共享修改的个人应用。此前内部版本已供数千名员工日常使用，新版针对协作中的信息暴露风险重建了安全基础。

Mixture-of-Kittens：面向 NVL72 的开源 MoE 兆内核

Cursor 开源 Mixture-of-Kittens（MoK），一个为 GB300 NVL72 从零设计的 MoE 训练兆内核，将所有通信与计算融合进单一确定性内核。

Cloudflare 如何用软件工厂将 Astro 的 GitHub issue 数降至零

Cloudflare 在 Astro 仓库上运行自动化 triage 流水线，通过隔离的 AI 子代理复现、诊断并修复 bug，将开放 issue 从 200 多个降至约 30 个，预计下月归零。该流水线由 issue 标签驱动，修复后自动发布预览版本供用户验证。其底层引擎已发展为 Flue，一个开源的平台无关框架，用于构建持久化智能体与工作流。

Tibo@thsottiaux· 07:24精选AI 评分7777

更多开源福利。我们刚刚发布了一个 CLI 和 TypeScript SDK，用于查找、验证和修复代码中的安全漏洞。扫描仓库、审查变更、随时间追踪发现，并在 CI 中运行安全检查。 https://github.com/openai/codex-security

SGLang 和 Miles 为月之暗面 2.8T 参数 Kimi K3 模型提供发布当日支持

SGLang 和 Miles 为月之暗面开源的 2.8T 参数模型 Kimi K3 提供发布当日支持，分别负责推理和 RL 训练。K3 采用 69 层 KDA 线性注意力与 24 层 MLA 交错的混合架构，在 SGLang 上单卡 batch-1 解码速度达约 113 tok/s，结合 DSpark 推测解码可达约 423 tok/s。

SGLang 提出量化栈重构方案，拆分检查点解析与内核执行

SGLang 在 issue #15194 中提出量化栈重构，将检查点解析、参数注册、权重加载、后处理与内核执行拆分为独立可复用组件。新架构以 Quant Config、Method、Scheme、Kernel 四层划分，使 AWQ、GPTQ、Compressed-Tensors 等检查点格式可共享同一后端内核，并支持 CUDA、Ascend NPU、CPU 等硬件独立演进。

蚂蚁 inclusionAI 开源多模型深度研究系统 PanelWise

蚂蚁 inclusionAI 开源自管多模型深度研究系统 PanelWise，多个研究 agent 独立检索撰写后经分析与合成生成最终结果。在 100 任务历史实验中，前沿组合得 73.68，超过当时记录的 OpenRouter Fusion 68.3；budget 组合得 66.42，成本约 $1.31/题，约为外部估计 $7/题的 19%。