Forge 是一个为自托管大语言模型设计的可靠性层，专注于提升工具调用能力。它通过错误解析、重试提示、步骤强制等防护机制以及高效的上下文管理，成功将8B参数模型在复杂多步骤智能体任务中的表现从53%大幅提升至99%。其核心配置（Ministral-3 8B模型）在自建的26项评估中综合得分达86.5%。Forge 提供三种集成方式：作为全托管工作流运行器、多智能体架构的共享调度器，或嵌入自有编排循环的防护中间件，并附带一个可透明接入的OpenAI兼容代理服务器。
推荐理由：这个小工具用 guardrails 把本地 8B 模型从 53% 拉升到 99% 的稳定度，对玩自托管 Agent 的人来说像是换了条命，值得一试。
OlmoEarth v1.1 是新一代地球观测模型家族，将计算成本降低最多 3 倍，同时保持与 v1 相近的性能。通过将 Sentinel‑2 不同分辨率（10m、20m、60m）的 token 合并为单个 token，大幅缩短输入序列长度，从而减少预训练、微调和推理所需算力。提供 Base、Tiny、Nano 三种尺寸，权重与训练代码已开源。该模型已在红树林变化追踪、森林退化成因分类、国家级作物图绘制等任务中得到验证。
InsForge是一个专为AI编码智能体设计的一站式开源后端平台。它通过MCP Server和CLI+Skills两种接口，让智能体能像后端工程师一样直接操作数据库、认证、存储、边缘函数、模型网关等全套后端服务，从而端到端地构建全栈应用。平台支持云托管与基于Docker的自托管，可一键部署至Railway、Zeabur等主流平台。
推荐理由：这个项目把后端全家桶变成 MCP 工具，AI 代理可以直接管理数据库和部署，对于正在折腾 agent 的团队，比东拼西凑要快得多。
Hugging Face 发布六个 Ettin Reranker 重排序模型（17m、32m、68m、150m、400m、1b），基于 Ettin ModernBERT 编码器，蒸馏 self-mxbai-rerank-large-v2 分数训练，在 MTEB(eng, v2) Retrieval 达各自规模 SOTA。模型以 Sentence Transformers CrossEncoder 接口提供，三行代码可调用。同时发布 train-sentence-transformers Agent Skill（v5.5.0），允许 AI 编码智能体在用户数据上微调模型。训练配方、数据集和脚本已全部开源。
推荐理由：从17M到1B的全尺寸reranker家族，每个量级都是SOTA，而且训练数据和代码全开放，做搜索和RAG的开发者可以无痛替换旧模型。
Rohan Paul@rohanpaul_ai精选AI 评分7878
我们构建了一个技能，可以将任何 agent 连接到任何 API。 Stripe。NASA 火星车。国际空间站追踪器。Evil Insult Generator。全部即时连接。 在回复中丢出你能找到的最冷门的 API。我们会挑选出令人惊喜的那些，展示它们如何运作——并送你 25 美元的免费 Membrane 额度。 越极客越好。 npx skills add membranehq/agent-skills@integrate-anything
推荐理由：Membrane 把十万个 API 集成压缩成一行命令，做 agent 的人不用再写胶水代码，直接拿来用就行，省心。
Elon Musk@elonmusk精选AI 评分7171呼，Grok Build 真的很彻底，相当不可思议。 PasteLocal 的 Relay 功能完成了，现在推送到 Github。 如果你想了解这增加了什么，这里有一些更多信息，这是我真的很想加入的功能，老实说，我没想到这周能完成。 • 对等端到端加密：剪贴板数据会针对每个已配对设备单独加密，使用 X25519 + HKDF + AES-GCM（明文永远不会离开客户端） • 持久化存储：relay 状态现在存储在原子性的 state.json 中，并带有适当的 TTL 处理和压缩。待处理的剪贴内容能在 relay-server 重启后保留 • 安全压缩：修复了过期/压缩期间不安全的 map 变更，这可能导致数据丢失或未定义行为 • 完整的双向 CLI：新命令：pastelocal relay send、inbox、fetch 和 status，以及 pastelocal-remote --relay --peer --send • 自动同步：当 watch.enabled + http://relay.auto_upload 开启时，有意义的剪贴板变化会自动推送到已配对设备 • 改进的 DX：doctor 检查现在只在启用 relay 时显示，TUI 会显示基本的 relay 状态 • 多轮审查：经历了完整的实现 → 审查 → 修复 → 再审查（工作量 4），外加最后一轮有针对性的回归修复 试试看，请发送任何和所有反馈！
推荐理由：below_threshold:T2 推文门槛 75,当前 finalScore=71
Hugging Face 发布开放 AI 智能体排行榜，用于比较完整智能体系统而非仅底层模型，并同时报告成功率和每次任务成本。排行榜统一了六项已有基准测试（SWE-Bench Verified、BrowseComp+、AppWorld、tau2-Bench Airline & Retail、tau2-Bench Telecom），覆盖代码修复、网络研究、个人任务、客服和技术支持。通过统一协议，各智能体系统以相同接口连接所有基准。结果显示相同模型搭配不同智能体系统会产生显著不同的分数和成本。配套 Exgentic 框架用于运行和复现评估，相关论文开源。
推荐理由：以后选agent不能只看模型跑分了，这个榜单把整个系统拉出来比，成本、失败成本全摊开，做agent的可以立刻去查自己架构差在哪。
Prime Intellect 开源 general-agent 环境 v1，通过 Synthesizer 与 Solver 双智能体博弈生成自进化任务语料，目前包含 4,504 个任务、1,040 个领域和 8,159 个独特工具，每个任务经求解器按难度带实证校准。
推荐理由：原文给出了任务规模、难度校准方法和早期 SFT/RL 结果，读者可以评估这个自进化合成环境对智能体训练的参考价值。
Oppo 的 Multi-X 团队发布了开源 AI 代理 X-OmniClaw，该代理可直接在 Android 设备上运行。它整合摄像头、屏幕和语音输入，在真实应用程序中实时处理任务。系统主要依赖本地传感器执行操作，仅将推理任务交由云端计算。用户的操作路径可被克隆为可复用技能，代理下次能通过深度链接直接跳转到应用深层页面，无需重复操作。
Ant Ling@AntLingAGIAI 评分7474🎉 Congrats on the release of Ring-2.6-1T, a trillion-parameter flagship for complex, real-world tasks. Day-0 support is now live in SGLang! ☑️ Enhanced Agent Execution: stable multi-step, tool-calling & long-horizon workflows ☑️ Reasoning Effort Control: high & xhigh modes to tune depth, speed & cost ☑️ Async RL + IcePop: efficient, stable trillion-parameter RL training Run it now with SGLang!
Greg Brockman@gdbAI 评分4545CODEX SKILL THAT FINDS COMPLEXITY HOTSPOTS IN YOUR CODEBASE! I made a Codex skill that analyzes your codebase and reports where performance can be improved safely. Scan your project while Codex checks loops, repeated lookups, render-heavy code, N+1 patterns, and places where complexity can potentially be reduced without breaking behavior. -> codebase complexity analysis -> O(n²), O(n*m), repeated scan detection -> before/after complexity estimates -> safe optimization suggestions -> risk level + tests needed -> report-only mode by default -> one-command install Install: npx --yes codex-complexity-optimizer 100% open source. Repo in Bio.
Rohan Paul@rohanpaul_aiAI 评分7070The latest 𝕏 algorithm has been published to GitHub https://github.com/xai-org/x-algorithm
Microsoft Research@MSFTResearch精选AI 评分6767
推荐理由：微软研究院这波把 agent 工具链摊开了，MagenticLite 轻量框架和 verification-first 思路值得跟，做智能体的可以去 GitHub 翻翻。
高德发布鸿蒙系统首个生成式UI开源框架AGenUI。该框架基于谷歌A2UI协议，以C++为核心，能将AI大模型生成的界面意图直接转化为鸿蒙原生组件，实现手机、平板、车机等多终端无缝适配。它深度适配鸿蒙全场景架构，直连系统渲染与分布式能力，无中间层损耗。性能上，相比iOS和Android版本，其渲染性能提升20%，内存占用降低18%。AGenUI已全面开源，旨在推动生成式UI成为鸿蒙生态的系统级标准能力。
Greg Brockman@gdbAI 评分6969CODEX SKILL THAT TURNS LOCAL SEARCH INTO CLIENT LEADS! I made a Codex skill that helps find local businesses that may need a website. Search nearby shops, gyms, restaurants, salons, and local activities while Codex checks who has a real website and who only has socials. -> local business prospecting -> website vs social-only checks -> lead scoring -> phone/contact fields -> chat or CSV-style output -> one-command install Install: npx --yes local-client-prospector-skill 100% open source. Repo in Bio.
蚂蚁集团推出 ARGenSeg-8B，一种将多模态理解与像素级感知统一的自回归图像生成分割框架。它利用多模态大语言模型（MLLM）输出视觉 token，并通过通用 VQ-VAE 解码为分割掩码，使分割完全依赖 MLLM 的像素级理解。采用 next-scale-prediction 策略并行生成视觉 token，降低推理延迟。在多个分割数据集上超越此前最优方法，推理速度显著提升。论文已被 NeurIPS 2025 接收，模型已发布在 HuggingFace。
推荐理由：蚂蚁提出用自回归生成做分割，把理解和像素级感知统一到一个框架里，多个数据集SOTA且速度更快，做CV的值得看看。
为解决datasette.io网站遭受恶意爬虫频繁访问的问题，作者借助Codex开发了一款可配置的IP速率限制插件。该插件能够监控并阻止在设定时间窗口内对特定路径发起过多请求的IP地址。文中给出了当前生产环境的配置示例：通过Fly-Client-IP请求头识别IP，设置最大跟踪键值数为10000，并豁免静态文件等路径；针对“/global-power-plants/*”和“/legislators/*”两类路径，规则限定60秒内最多允许60次请求，违规IP将被封锁20秒。
蚂蚁 inclusionAI 发布旗舰推理模型 Ring-2.6-1T，参数规模达万亿，面向智能体工作流、工程开发、科研分析等复杂场景。模型从“能回答”升级至“能执行”，在多步任务与工具协作中表现更优；支持 high/xhigh 两档推理强度，可灵活平衡效果与成本；采用异步强化学习结合 IcePop 算法提升训练效率。基准测试中，high 模式 PinchBench 得 87.60、ClawEval 63.82、Tau2-Bench 电信场景 95.32；xhigh 模式 ARC-AGI-V2 得 66.18、AIME 26 达 95.83、GPQA Diamond 88.27。上下文长度支持 128K 扩展至 256K（YaRN），已通过 HuggingFace 和 ModelScope 开放下载。
推荐理由：蚂蚁放出的万亿参数推理模型，Agent执行能力在PinchBench上超GPT-5.4，异步RL训练和可调推理强度对工程落地有参考价值，开源可试。
SenseTime@SenseTime_AI精选AI 评分7777自豪地宣布发布 SenseNova U1 技术报告——以及一套基于 MoE 的全新模型权重。 我们希望这次开源发布能促进透明度、可复现性以及整个 AI 社区的进一步创新。 非常感谢团队让这一切成为可能。🚀
推荐理由：商汤这次把SenseNova U1的MoE权重和完整技术报告一起开源，比常规PR多了些诚意，做模型选型和微调的值得翻翻。
腾讯云开源了TencentDB Agent Memory，旨在解决Agent长任务中上下文窗口易满、Token成本高的问题。该方案采用“上下文卸载”与“Mermaid任务画布”两项核心技术，将完整信息卸载至外部存储，同时用结构化任务图保留关键状态与执行路径。实验显示，该方案在多任务连续会话中最高可降低61%的Token消耗，并提升任务成功率。项目已适配OpenClaw等主流框架，支持一键集成与本地SQLite存储。
推荐理由：腾讯开源的这个 Agent Memory，用 Mermaid 画布加上下文卸载，把长任务 Token 省了 61%，而且所有中间信息都可追溯，做复杂 Agent 的开发者可以直接抄作业了。
Together AI 发布全开源视频翻译工具 Violin，代码以 MIT 许可证开放在 github.com/shang-zhu/violin。流程分三步，用 Together 的 Whisper V3 做多语言转写，DeepSeek V4 Pro 做翻译，Together 托管的 Cartesia Sonic 3 合成多种母语语音，且不支持声音克隆。
推荐理由：原文完整给出了 ASR、LLM 翻译、TTS 三段流水线所用模型和 MIT 开源仓库入口，读者可以照着部署或改造成自己的翻译流程。
SenseTime@SenseTime_AI精选AI 评分7272推荐理由：商汤把原生多模态模型的训练细节全公开了，无视觉编码器、原生MoE架构，还开源了38B-A3B权重，做多模态模型的可以直接照着技术报告复现。
面壁智能联合清华大学及 OpenBMB 开源社区发布新一代端侧多模态大模型 MiniCPM-V 4.6。该模型参数为 1.3B，仅需约 6GB 内存即可在端侧设备运行。其在通用图文理解、STEM 推理等任务上超越同尺寸模型，Artificial Analysis 评测得 13 分。效率方面，Token 吞吐量为竞品的 1.5 倍，计算消耗仅为其 2.5%。模型采用 LLaVA-UHD v4 架构，图像编码计算量降低 55.8%，并支持高分辨率图像快速处理。目前已全面开源，提供完整工具链，适配主流微调与推理框架。
LLM 命令行工具发布了 0.32a2 alpha 版本。本次更新的核心是，大多数具备推理能力的 OpenAI 模型将改用新的 `/v1/responses` API 端点，替代原有的 `/v1/chat/completions` 端点。这一变更为 GPT-5 级别的模型启用了跨工具调用的交错推理能力。现在，用户在使用 OpenAI 模型运行提示词时，可以看到以不同颜色高亮显示的、经过汇总的推理令牌。如果不想显示这些推理信息，可以使用 `-R` 或 `--hide-reasoning` 标志来隐藏。
datasette 发布了 1.0a29 版本。本次更新新增了用于创建“_r”字典的 TokenRestrictions.abbreviated() 工具方法。界面改进方面，现在即使表格行数为零，表头和列选项也会正常显示，并修复了移动版 Safari 上列操作对话框的显示问题。此外，还解决了一个严重的段错误 bug，该问题源于 Datasette.close() 方法在多线程环境下可能引发的竞态条件。开发者通过 Codex CLI 配合 GPT-5.5 xhigh 创建了能复现问题的 Dockerfile，从而定位并修复了此问题。
Prime Intellect 开源独立 Python 库 renderers，将对话模板变为可编程对象，支持将消息渲染为 token id、解析补全、按消息归因 token 以构造 loss mask，并通过 bridge_to_next_turn 在多轮 rollout 中逐字节保留已采样 token 流。
Runway开源了Python库confingy，旨在解决机器学习系统配置的长期痛点。该库允许开发者用纯Python代码（支持懒加载、类型检查和序列化）替代传统YAML配置文件，从而摆脱YAML作为图灵完备领域特定语言所带来的维护困境。confingy无需重构现有代码，即可满足跟踪构造函数参数、避免实例化昂贵对象（如大语言模型）等核心需求，有效改善了因复杂YAML配置导致的无法跳转定义、类型提示失效和重构困难等开发体验问题。
推荐理由：Runway把自家ML训练的YAML坑填平了，开源了confingy。如果你还在用YAML管实验参数，这可能是今年最该装的pip包。
MachinaCheck是一款基于多智能体AI的系统，旨在革新小型CNC机加工车间的报价分析流程。传统上，车间经理需花费30-60分钟手动分析图纸，而该系统在上传STEP文件及材料、公差等简单输入后，能在30秒内生成完整的可制造性报告，明确指出零件能否制造、所需工具及生产前需采取的行动。其核心在AMD MI300X加速卡上本地运行Qwen 2.5 7B模型，利用192GB HBM3显存确保客户设计数据无需离开本地，满足了制造业对数据隐私的严格要求。系统采用五组件流水线，结合精确的几何特征提取与LLM的制造知识推理，最终输出结构化报告。
推荐理由：虽然是hackathon项目，但用多Agent做CNC可行性分析，把推理全压在本地AMD显卡上保护图纸隐私，还给了可跑的代码和Space，制造业AI落地就该这么直接。
英伟达实验室发布了实验性开源项目CUDA-Oxide 0.1编译器，允许开发者使用Rust语言直接为NVIDIA GPU编写CUDA内核。该编译器将标准Rust代码输出为CUDA生态的底层中间表示PTX，支持单源码编译并提供设备端抽象，旨在通过Rust的类型系统和内存安全优势，减少传统CUDA开发中的常见错误。项目采用自定义的rusc编译器后端，首个版本已开源发布。
Rohan Paul@rohanpaul_ai精选AI 评分7878为 LLaMA.cpp 实现多 Token 预测（MTP）！ 本地运行 Gemma4 模型速度提升 1.5 倍。 我们给 LLaMA.cpp 打了补丁。将 Gemma 4 助手模型量化为 GGUF 格式。我们在 MacBook Pro M5Max 上进行了测试。Gemma 26B 配合 MTP 起草 Token 速度提升 40%。基准测试、源代码和模型 👇
推荐理由：在笔记本上把 Gemma 26B 的生成速度拉高 40% 是个真实的体验提升，atomic.chat 把 MTP 带入 LLaMA.cpp 生态，本地 AI 玩家可以直接拿去用。
Simon Willison 为配合其“氛围编码”macOS演示工具，快速开发了一个名为“Big Words”的网页工具。该工具通过URL参数（如文本、渐变、大小）动态生成可自定义的幻灯片页面，解决了演示工具仅能嵌入URL内容的需求。用户可双击页面访问设置表单，自由调整文本内容、颜色、背景（支持纯色或渐变）、字体、字重、大小等多种视觉选项。所有设置均可生成一个特定的URL以便保存和分享，从而快速创建用于演示的文本幻灯片。
Rohan Paul@rohanpaul_aiAI 评分6868http://x.com/i/article/2052027135619919876
SenseTime@SenseTime_AI精选AI 评分7171推荐理由：从100步到8步，23秒压到2秒，商汤这个蒸馏LoRA把U1的推理成本打下来了，做实时图像应用的可以认真看看，ComfyUI一接就能跑。
Xiaomi MiMo@XiaomiMiMoAI 评分5959BREAKING: MiMo-V2.5 by @Xiaomi is #6 overall out of open weight models on Design Arena! This has an Elo of 1297 and is in the same performance band as Kimi K2.5 (Thinking) by @Kimi_Moonshot Congrats to the @XiaomiMiMo team on the launch!
Hugging Face 的 Open ASR Leaderboard 加入了来自 Appen Inc. 和 DataoceanAI 的高质量私有英语 ASR 数据集，涵盖多种口音及脚本式/会话式语音，总时长约 28.7 小时。数据集保持私有以降低 benchmaxxing（针对基准的过度优化）或测试集污染风险。默认平均 WER 仍基于公开数据集计算，用户可通过切换查看私有数据集影响。标准化采用基于 Whisper 的标准化器，UI 代码和评估脚本已开源。自 2023 年 9 月上线以来，该榜单访问量已超过 71 万次。
Datasette 新插件 datasette-referrer-policy 0.1 发布，旨在解决 global-power-plants 演示中 OpenStreetMap 地图瓦片无法显示的问题。问题由两个原因导致：一是站点此前添加的 CAPTCHA 错误拦截了地图插件发起的 .json 请求，该问题已修复；二是 OpenStreetMap 会屏蔽使用了 `Referrer-Policy: no-referrer` 头部的站点请求。此插件允许用户将 Datasette 默认的此头部策略更改为其他值，从而确保地图正常加载，同时不影响默认安全设置。插件的开发过程得到了 Codex 与 GPT-5.5 的辅助。
Artificial Analysis@ArtificialAnlysAI 评分5252A new anonymous model debuts at #8 in the Artificial Analysis Text to Image Arena! Peanut’s weights are expected to be released soon, which would make it the leading Text to Image Open Weights Model. Peanut is positioned to be the new leading open weights Text to Image model, surpassing Z-Image Turbo, Qwen-Image, and FLUX.2 [dev]. Further details (and weights) coming soon. See example generations from Peanut in the Artificial Analysis Image Arena below 🧵
