上海海思 HiSpark Studio 正式在 GitCode 平台开源。该 IDE 基于 VS Code 扩展架构，集成工程管理、代码编辑、编译构建、烧录调试、图形化配置等全链路开发能力，支持智能设备、星闪（NearLink）、嵌入式 AI 开发。核心亮点包括 SDK 一键下载、一键编译与烧录、GDB 调试、图形化工具集（图片解压缩、视频首帧提取、3D 建模、蒙版工具）、系统配置工具、AI 模型处理（量化压缩、格式转换、一键部署验证）及远程开发模式。
Datasette Agent 推出的新子项目 datasette-agent-micropython 0.1a0 发布，旨在让 Datasette Agent 能够安全地生成和执行 Python 代码。该 alpha 版本采用沙箱隔离机制，目前 GPT-5.5 尚未能逃逸出沙箱。
Nous Research 推出开源 AI 智能体应用 Hermes Desktop，采用 MIT 许可证，可跨平台运行。
智元正式开源 AGIBOT WORLD 2026 数据集第二期“多样交互（Rich Interaction）”。这是行业首个聚焦物理交互的开源具身数据集，系统记录机器人与真实物理世界之间复杂、高密度的交互过程，面向世界模型、神经仿真器等具身智能研究。该数据集将数据范式从“学习成功动作”推进到“理解完整的物理分布”，目前已在 Hugging Face 平台开放下载。
微软认为，企业成功的关键在于围绕AI构建一个集成的智能体平台，而非仅拥有强大模型。该平台需遵循三大原则：单一集成系统、安全与治理内建、持续改进。微软正构建一个支持多种模型、以开发者为中心的开放平台，让智能体在软件交付、支持、财务等职能中执行长期工作。
推荐理由：微软把agent平台从散装工具升级成统一系统，这个「企业AI操作系统」的思路让治理和持续进化成为内置能力，而不只是模型和算力。
微软发布了一项AI智能体控制规范，允许开发者、合规与安全团队在可移植的策略文件中为智能体定义行为准则。
Gemma 4 12B 是 Google DeepMind 最新推出的中等规模多模态模型，采用无编码器统一架构，原生支持音频输入。其基准测试性能接近 26B MoE 模型，但内存占用不到一半，仅需 16GB 显存或统一内存即可在消费级笔记本上本地运行。模型内置多 token 预测（MTP）drafter 以降低延迟，基于 Apache 2.0 开源许可发布，已累计超过 1.5 亿次下载。
推荐理由：统一无编码器架构让 12B 模型在消费级笔记本上跑出接近 26B 的多模态 Agent 体验，开源 + Apache 2.0，本地部署门槛又压低了。
SenseTime@SenseTime_AI精选AI 评分8181推荐理由：商汤掏出了一套开箱即用的 agent 技能包，从做图到写报告都能一键接，而且代码全在 GitHub 上。想做 agent 产品的可以直接 fork 当乐高用，比等 API 发布快多了。
Holo3.1 是基于 Qwen 模型家族的计算机使用智能体系列，旨在提升在桌面、网页和移动环境中的鲁棒性。新模型提供 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次发布量化检查点，包括 FP8、Q4 GGUF 和 NVFP4，以优化本地推理。在 AndroidWorld 基准测试中，35B-A3B 模型得分从 67% 提升至 79.3%。在 DGX Spark 上，NVFP4 量化相比 BF16 实现 1.74 倍 token 吞吐量提升，并将平均步骤时间从 6.8 秒缩短至 3.3 秒。模型支持函数调用协议，可在第三方智能体框架中部署。
推荐理由：Holo3.1 把计算机使用代理从桌面扩展到了移动端，还首次放出了量化版，让本地运行真正快了起来。想做 GUI 自动化的开发者可以立刻跑起来了。
StepFun@StepFun_aiAI 评分7373The open-weight labs did not come to play this week. StepFun dropped Step 3.7 Flash. MiniMax dropped M3. Both with open weights, both already live in Kilo. The "model wars" just got a lot more interesting.
StepFun@StepFun_aiAI 评分6969Many research labs only consider inference efficiency after the fact. Step 3.7 Flash is a 196B MoE model, and built for inference from the start by @StepFun_ai. Multi-Matrix Factorization Attention (MFA) → KV-cache at ~22% of DeepSeek. Attention-FFN Disaggregation (AFD) → decoupled attention + FFN for hardware-optimized serving. Try it now on Fireworks. Apache 2.0 license → http://fireworks.ai/models/fireworks/step-3p7-flash-nvfp4
作者基于 Codex 创建并开源了“清理垃圾.skill”，可对 Mac 和 Windows 电脑进行只读扫描，自动生成可交互的 HTML 报告，将文件按优先级分为绿灯（可自动清理）、黄灯（建议手动）、红灯（跳过）。在作者的 MacBook Air 上扫出近 120 GB 垃圾，其中 96.7 GB 为 B 站离线缓存视频，而 CleanMyMac 仅检出 15.8 GB。用户可在网页上逐项或一键清理，全程需二次确认，项目已开源至 GitHub。
推荐理由：卡兹克这个开源skill直接用Agent清理电脑垃圾，比CleanMyMac更透明、可定制，而且马上就能用，是AI冲击工具软件的活案例。
MiniMax (official)@MiniMax_AI精选AI 评分8181M3 on Cloudflare AI Gateway, day one ⚡ 前沿编码能力，1M 上下文，原生多模态，现在一次 fetch 即可调用。 是时候构建些东西了。 🦞
来自 @MiniMax_AI 的 M3 现已在 Cloudflare AI Gateway 上线： - 首个推动 SOTA 编码前沿的开放模型 - 1M 上下文与原生多模态理解 - 首周内，上下文 ≤ 512K 的请求享受 50% 折扣 今天就通过 AI Gateway 试用吧！ https://developers.cloudflare.com/ai/models/minimax/m3/
推荐理由：MiniMax的M3把开源编码模型拉到新高度，1M上下文加原生多模态是惊喜，上线首周5折，值得跑一下看是不是真能干翻闭源。
jason@jxnlcoAI 评分5252你将构建什么？ [引用 @jxnlco]：哇，我们刚刚发布了 Codex 的 Python 应用服务器 感谢 @ah20im
wow we just shipped codex app server for python shoutouts to @ah20im
MiniMax (official)@MiniMax_AIAI 评分6969MiniMax M3 @MiniMax_AI is now live on Happycapy 🎉 A major upgrade for agent workflows, especially when the task is messy, multimodal, and too large for a normal chat. Now you can give the agent more context upfront and let it work across everything in one run: • Native multimodal input: PDFs, videos, images, screenshots, and long docs • Strong coding and agent work: useful for repo level debugging, issue tracing, and Connect My Mac tasks • Open weights and about 3x cheaper than Sonnet. Build more, pay less! We put it to the test below 🧵
MiniMax (official)@MiniMax_AIAI 评分7676@MiniMax_AI M3 is now live on Qubrid AI. https://platform.qubrid.com/model/minimax-m3 - 1M-token context. - Native multimodality. - Frontier coding performance. - Long-horizon agentic workflows. One of the most technically interesting open-weight model releases of the year. We're proud to be a Day 0 launch partner and are offering 50% off for early adopters. More on the launch, benchmarks, architecture, API access, pricing, and partnership: https://qubrid.com/blog/minimax-m3-is-now-available-on-qubrid-ai
Memory OS是一个开源项目，它通过一个六层结构为Hermes Agent添加了本地持久记忆功能。该记忆栈包含门控检索机制和一个wiki系统，旨在增强智能体的记忆能力。
Nvidia在GTC台北大会上发布了一系列面向机器人、自动驾驶和视频系统的模型。核心发布包括升级版世界模型Cosmos 3、显著扩展规模的驾驶模型Alpamayo 2 Super，以及一个开源的人形机器人参考平台。这些产品共同推进了其在物理AI领域的布局。
OpenBMB@OpenBMB精选AI 评分7878推荐理由：面壁开源了两个王炸数据集，预训练的 600B+ token 中文合成数据史上最大，SFT 那边 1500 万条带思考链的指令更是头一回见，做中文基础模型的可以无脑下载了。
MiniMax (official)@MiniMax_AIAI 评分7373跟祖传的 20K context 说 bye bye 了。 MiniMax M3 发布了，三个亮点： 1M context、原生多模态、Agentic。 我这次做了一次完整评测，使用CC workflow 、 @ZenMuxAI和MiniMax M3： 给一张截图，做一个“凡人修仙剑阵对决手势游戏”。 要求是：支持双人对决 、使用 workflow 拆解任务、加入石头剪刀布机制。 2 小时后，游戏真的跑起来了。 这一代LLM的版本答案我知道了： 1M 上下文 + 多模态+ agent 模式。 1M context 是推理深度的基础，多 agent 负责拆任务和执行。
MiniMax (official)@MiniMax_AIAI 评分5353Blown away by MiniMax M3 I’ve been using it for free inside @orca_build with the @opencode agent Mostly UI tasks & code review so far, but so far it feels on par with Opus-4.7 Didn’t expect it to be this good. (also free while it lasts)
MiniMax (official)@MiniMax_AIAI 评分7474这很火🔥 M3 首日上线 @OrcaRouter 快去跑起来（首周五折👀）
🚀 @MiniMax_AI M3 is now available on OrcaRouter. One of the most anticipated open model releases, bringing next-gen sparse attention, ultra-long context handling (up to 1M tokens of context with a guaranteed minimum of 512K), faster inference, and stronger agentic workflows. Try it out here: https://www.orcarouter.ai/models/minimax/minimax-m3
Artificial Analysis@ArtificialAnlysAI 评分8181MiniMax (official)@MiniMax_AIAI 评分7878Congrats to the @MiniMax_AI team on the release of M3! 👉 A frontier-class open-weight model 👉 1M context window 👉 Native multimodality (image & video)
MiniMax M3 是一个开源前沿模型，具备先进的编码与AI智能体能力。它支持100万token的超长上下文窗口，并采用名为MSA（MiniMax Sparse Attention）的新型稀疏注意力架构。该架构使模型在100万token上下文下的每token计算成本降至前代的1/20，预填充速度提升9倍以上，解码速度提升15倍以上。在SWE-Bench Pro编码基准上，MiniMax M3得分59.0%，超越GPT-5.5和Gemini 3.1 Pro，性能接近Opus 4.7。该模型可通过MiniMax Code、Token Plan和API服务使用。
推荐理由：MiniMax M3 把开源模型的编码能力推到了 GPT-5.5 和 Opus 4.7 这条线上，还附带 1M 上下文和原生多模态，这是开源社区真正能打的前沿选项，做 Agent 的值得立刻跑一下。
MiniMax (official)@MiniMax_AIAI 评分7171M3现已在@AskVenice上线，支持匿名使用🔥 开源权重，前沿编码与智能体能力，1M上下文，原生多模态。 首日即上线
MiniMax-M3 by @MiniMax_AI is now live on Venice. The first open-weight model to deliver frontier coding and agentic performance with native multimodality. Built for long-horizon, complex workflows. Available anonymously.
Trajectory 联合 UC Berkeley Sky Lab 和 Anyscale 发布了一个面向强化学习实验持续学习的并发多 LoRA 训练栈。该系统将每个 RL 实验映射到一个专属的 LoRA 适配器，并在常热引擎上运行，相比单租户基线，报告实现了 2.81 倍的端到端实验吞吐量提升，且没有奖励回归问题。代码已在 NovaSky-AI/SkyRL 开源。
这是一款定制化的 Markdown 渲染工具，可对围栏代码中的 SVG 块进行特殊处理，既能渲染图像，也提供切换到代码视图的标签页。用户可直接粘贴 Markdown 内容，或提供一个 CORS 支持的 Markdown 文件或 Gist 的 URL。示例中加载了一个关于 Claude Opus 4.8 的 LLM 相关日志的 Markdown 文件。
StepFun@StepFun_aiAI 评分6262I've been waiting for this! They managed to do it before June, and they open sourced it right away! @antirez I've been saying. Look at this model. It's much smaller than V4-Flash, it's multimodal, it's fast. It deserves to be added.
Nous Research 的 Hermes Agent 为 MCP 添加了工具搜索功能，以解决上下文膨胀问题。该功能采用 BM25 渐进式模式披露机制。根据 Anthropic 的评测，在 Opus 4 模型上，此功能实现了 49% 到 74% 的准确率提升。
StepFun@StepFun_aiAI 评分6868Step 3.7 Flash 现已在 @kilocode 上线！ 开放权重，随时可运行。感谢快速集成 🙏
StepFun’s Step 3.7 Flash is one of the best open-weight models you can run right now, and it’s live in Kilo. A multimodal agent model on open weights, running at 400 tok/s, now in Kilo. @StepFun_ai shipped Step 3.7 Flash with the weights and quants ready to go.
加州大学伯克利分校的 UCCL 团队发布了 mKernel，该工具将节点内 NVLink 通信、节点间 RDMA 通信以及密集计算融合成一个持久化 CUDA 内核。
Hexo Labs 开源了 SIA，这是一个遵循 MIT 许可证的自我改进循环。其中的反馈智能体会读取每次执行的轨迹，然后重写运行框架或触发对 gpt-oss-120b 模型的 LoRA 权重更新。结合这两种调整方式，在 LawBench、TriMul GPU 内核以及 scRNA-seq 去噪任务上，效果均优于仅迭代框架。
StepFun@StepFun_aiAI 评分7272Thrilled to welcome Step 3.7 Flash landing on ModelScope, a 198B sparse MoE VLM from @StepFun_ai 🔥🤖 https://modelscope.cn/collections/stepfun-ai/Step-37-Flash 198B total, 11B active per token, up to 400 tok/s. 256K context. Three reasoning levels (low/medium/high) to balance speed, cost, and depth. 🥇 #1 on ClawEval-1.1 (67.1), leading Kimi K2.6 by 9.3pts 🥈 #2 on SWE-bench Pro (56.3) 🥇 #1 on SimpleVQA Search (79.2) 🖼️ Multimodal: 196B language backbone + 1.8B vision encoder. Parses dense UI, charts, and financial reports natively. 📄 Apache 2.0. vLLM / SGLang / llama.cpp / Transformers supported. Hermes Agent / OpenClaw / Kilo Code compatible. Runs locally on Mac Studio or DGX Station with 128GB+ memory.
面壁智能联合清华大学、OpenBMB发布并开源两大数据集：Ultra-FineWeb-L3（超600B Tokens，中文200B+，为当前最大中文预训练合成数据集）和UltraData-SFT-2605（国内首个千万级同时含深思考与非思考标注的SFT数据集）。两者基于UltraData数据分级治理体系构建，在MiniCPM5-1B训练流程中得到完全验证，覆盖预训练退火到后训练SFT全链路。已上线UltraData网站与HuggingFace，免费开放。
推荐理由：填补了中文大规模合成数据空白，三年前还在用英文数据做中文模型的日子可以翻篇了，做端侧模型的可以直接拿这份数据跑一版 MiniCPM5-1B 级别的效果。
华为鸿蒙开源了高性能GPU加速框架 SimpleGPULayer（SGL），以简化图像处理、AI推理、2D/3D渲染等场景的GPU调用。开发者无需处理底层设备初始化、显存管理等复杂细节，仅需几行代码（如示例中的3行C++代码）即可接入GPU加速。该框架提供C API和NAPI接口，方便集成到鸿蒙应用中。其图像处理能力已在悟空图像等应用中落地使用。
