Greg Brockman@gdb精选AI 评分7171CODEX 技能，残酷检验任何创业点子！ 大多数创业点子听起来都不错。 这个 Codex 技能会告诉你它们为什么很可能行不通。 只需把你的点子交给 Codex，它就会替你进行压力测试 -> 找出核心假设 -> 暴露致命缺陷 -> 检查问题是否真实存在 -> 梳理真正的竞争对手 -> 规划你的前 10 个客户 -> 定义 2 周 MVP 安装： npx --yes codex-startup-pressure-test-skill@latest 100% 开源。 仓库在个人简介里
推荐理由：我觉得种子轮前用它榨干想法很值，Greg Brockman 转发的开源技能，输入创业想法就能自动找出核心假设和致命缺陷。
Rohan Paul@rohanpaul_aiAI 评分6363
The future belongs to proactive agents. But without real-time perception, they're stuck reacting. "World2Agent" isn't a product. It's an open protocol and an invitation — to build the perception layer for AI agents, together. We're open-sourcing everything: the protocol, the SDK, and first sensors. GITHUB + DEMO in comments.
小米发布开源模型 MiMo-V2.5-Pro，其编程基准测试成绩接近 Anthropic 的 Claude Opus 4.6，同时令牌消耗量减少 40% 至 60%。该模型能持续数小时自主处理单一任务，标志着中国开源模型竞争焦点正从单纯追求基准分数，转向降低运行成本与提升任务持久性。小米借此进一步深入与 DeepSeek 等国内开源提供商的竞争。
Greg Brockman@gdb精选AI 评分7272codex宠物分享的图库： 提交入口已开放，可通过下方链接提交👇
构建了 Petdex，一个公开画廊，用于发现、分享并通过一条 curl 命令安装 Codex 宠物。 提交入口在下方链接开放 👇
推荐理由：Greg Brockman 亲自转发的社区画廊，把 Codex pets 的发现和安装简化成一条 curl 命令，对于正在玩 Codex Agent 的开发者来说是个实用的工具箱。
Agent-desktop 是一款基于 Rust 构建的原生桌面自动化命令行工具，专为 AI 代理设计。它通过操作系统无障碍访问树为任何应用程序提供结构化访问，无需依赖截图、像素匹配或浏览器。该工具包含快速单二进制 CLI 和 C-ABI 动态库，支持 Python、Swift、Go 等多种语言直接调用，避免每次命令 fork 进程。核心特性涵盖 53 个命令，包括观察、交互、键盘鼠标操作；采用渐进式骨架遍历，在密集应用中可减少 78–96% 的令牌使用；工作流经 AI 优化，使用确定性元素引用，且所有交互优先尝试纯无障碍 API。目前支持 macOS 13.0+ 系统，需授予无障碍权限。
Qwen@Alibaba_Qwen精选AI 评分7373推荐理由：可解释性工具从学术走向工程，Qwen-Scope 把内部特征操控、数据合成、问题溯源打包成套装，做模型调试和长尾优化的团队值得立刻上手试试。
Artificial Analysis@ArtificialAnlysAI 评分5656初代《任天堂明星大乱斗》的PC原生移植版《BattleShip》发布，其全部代码完全由AI生成。开发者仅用25天，借助Opus和GPT等大模型独立完成。该项目基于C/C++源码，需用户提供原版ROM以提取版权数据方可运行。开发者旨在验证AI能胜任此类开发，并展示结合现有技术积累与AI可大幅降低创作门槛。游戏制作人樱井政博也曾认同利用AI提升开发效率有助于行业可持续发展。
阿里千问开源可解释性模块 Qwen-Scope，该模块基于 Qwen3 和 Qwen3.5 系列模型训练，通过稀疏自编码器提取可解释特征以分析大模型内在机制。开源权重覆盖 7 个大模型，包含 14 组稀疏自编码器，训练数据规模达 0.5B 词元。Qwen-Scope 能实现推理结果的定向控制、数据分类与合成、模型训练优化及评估冗余分析，在数据合成中使训练能效比提升约 15 倍。
Greg Brockman@gdbAI 评分6161The Codex App Server is massively underrated. You can inject Codex-level intelligence into any platform using your ChatGPT account. I embedded it into Chrome… and it works flawlessly. And yes… it’s 100% open source. https://github.com/GENEXIS-AI/chromex
LLM Python库和CLI工具发布0.32a0 alpha版本，进行了两项核心架构升级。首先，模型输入现支持表示为消息序列，能直接处理包含多轮对话历史的完整上下文，解决了此前难以载入已有对话的局限。其次，模型响应升级为支持由不同类型部分组成的流式输出，以更好地适配现代前沿模型处理多样化输入（如图像、音频）和输出（如结构化JSON、工具调用）的能力。此次重构旨在让该库的抽象层跟上LLM技术自2023年以来的快速演进。
Ant Ling@AntLingAGIAI 评分5555Today, Ling-2.6-1T is officially open-sourced (from @AntLingAGI) 1T total parameters · 63B active parameters Built for real production: Token-efficient and designed to make testing, deployment, and customization easier for developers. From Ling-2.6-flash → 1T scale. From fast inference → stronger reasoning. Ready to build. 🧠⚡
Ant Ling@AntLingAGIAI 评分5353谢谢Adina~ Token效率是引领下一阶段的关键特性。我们需要明智且高效地消耗token，才能使整个行业可持续发展。🤗🤗
Ling-2.6-1T just dropped by @AntLingAGI , one day after Ling 2.6 Flash. Both optimized for the same goal: usable intelligence at the lowest token cost 💰 ✨ MLA + Linear Attention hybrid for long context efficiency ✨ Answers without verbose CoT, lower token cost ✨ 1T / 63B active ✨ MIT license
Ant Ling@AntLingAGI精选AI 评分7171
🚀 今天，我们推出 Ling-2.6-1T，一款专为精确执行指令任务而设计的万亿参数旗舰模型。通过优先采用“快速思考”机制，它以超低 token 开销实现 SOTA 智能，让 token 效率成为一等公民。
推荐理由：蚂蚁把万亿参数模型开源了，但强调的不是大，而是省 token，这对成本敏感的生产环境是真正的性价比之选，做 agent 的可以上手测测。
Qwen@Alibaba_Qwen精选AI 评分6060推荐理由：2 倍加速的背后是 Warp 特化流水线和自动 Copy 策略，像给手机 GPU 开了条专用跑道，做端侧 Agent 的可以直接拉代码试试。
Qwen@Alibaba_Qwen精选AI 评分6666推荐理由：Qwen 把线性注意力的推理效率压到了新台阶，2-3 倍加速对想做本地 Agent 的开发者是实打实的，不是论文灌水，是能跑在设备上的代码。
Ling-2.6-flash 今日正式开源，同步提供 BF16、FP8、INT4 等多个版本。该模型两周前以匿名身份登陆 OpenRouter，一周前正式发布并开放为期一周的免费 API 调用服务。过去两周内，团队基于开发者反馈进行多轮优化，改善了中英文自然切换能力，并提升了主流 Coding 框架的适配效果。开发者可通过 Hugging Face 和 ModelScope 获取模型。
Ant Ling@AntLingAGIAI 评分5959Ling-2.6-flash is now officially open-sourced 🚀 (from @AntLingAGI) Was “Elephant Alpha” on OpenRouter. Now fully open for everyone to build with. 104B total · 7.4B active ~215 tokens/s output speed (Artificial Analysis) BF16 / FP8 / INT4 ready Special thanks to @lmsysorg SGLang team and @vllm_project for day-0 support. Powered by Novita.
inclusionAI团队宣布推出Ling-2.6-flash-int4模型，作为其通过开源与开放科学推动人工智能技术进步与普及的重要举措。该版本延续了团队降低AI应用门槛、促进技术民主化的核心使命，以轻量化技术方案进一步优化模型性能与部署效率。
ChatGPT@ChatGPTappAI 评分4242gpt-5.5 prompt for codex seems to have a duplicated line trying to get it to not talk about creatures? Never talk about goblins, gremlins, raccoons, trolls, ogres, pigeons, or other animals or creatures unless it is absolutely and unambiguously relevant to the user's query. [...] Never talk about goblins, gremlins, raccoons, trolls, ogres, pigeons, or other animals or creatures unless it is absolutely and unambiguously relevant to the user's query gh link: https://github.com/openai/codex/blob/main/codex-rs/models-manager/models.json#L55
Symphony 是一个用于 Codex 编排的开源规范，能够将问题跟踪器转化为持续运行的智能体系统。该系统通过自动化任务协调与执行，显著提升工程团队的产出效率，同时减少开发者在不同任务间频繁切换带来的认知负担。其核心在于以标准化、可扩展的方式，将日常开发流程转化为由智能体持续驱动的工作流。
推荐理由：OpenAI 把 Codex 的编排层抽成开源规范，等于告诉所有做 coding agent 的团队，底层调度逻辑不用自己造轮子了。做 AI 编程工具的值得花半小时看架构思路。
inclusionAI 团队发布了 Ling-2.6-flash-fp8 模型，致力于通过开源与开放科学推动人工智能的发展与普及。该版本采用 FP8 精度优化，显著提升了推理效率并降低了计算资源消耗，是其在推进技术民主化进程中的最新实践。
inclusionAI发布了Ling-2.6-flash模型。该模型是其开源语言模型系列的最新成员，旨在通过开源与开放科学推动人工智能的进步与民主化。此次发布延续了团队降低AI技术使用门槛、促进更广泛社区参与开发的使命。
推荐理由：蚂蚁 inclusionAI 的 Ling-2.6-flash 上线 HuggingFace，名字带 flash 大概率是轻量推理模型，但官方描述几乎空白，没有 benchmark 也没有用例，建议等社区实测再决定是否投入精力。
Nick Levine、David Duvenaud 和 Alec Radford 发布了 talkie，这是一个基于1931年前历史英文文本训练的130亿参数语言模型。其基础版本在2600亿token的已过版权数据上训练，而指令微调版本则用于驱动聊天界面。该版本借助Claude等现代模型生成合成数据进行训练，可能导致年代错位的知识污染。项目旨在探索此类模型预测未来、超越知识截止点进行发明等能力，并希望最终构建一个完全由复古模型自举的训练流程。模型采用Apache 2.0许可。
微软于2026年1月发布开源语音转文本模型VibeVoice，采用MIT许可证并内置说话人日志功能。社区提供的4位量化MLX版本约5.71GB。实测在128GB内存的M5 Max MacBook Pro上，使用mlx-audio工具处理一段60分钟音频耗时约8分45秒，峰值内存占用达30.44GB。模型默认支持最长25分钟音频，通过调整参数可处理至多1小时音频，输出为带时间戳和说话人ID的JSON格式，便于用Datasette Lite浏览分析。
Fuli Luo@_LuoFuli精选AI 评分7676小米 MiMo-V2.5 现已正式开源！ 采用 MIT 许可证，支持商业部署、继续训练和微调——无需额外授权。 两个模型均支持 1M 模型 token 上下文窗口： • MiMo-V2.5-Pro：专为复杂智能体和编码任务构建，在 GDPVal-AA 和 ClawEval 上排名开源模型第一 • MiMo-V2.5：原生全模态模型，具备强大的智能体能力 模型的价值不由排名衡量——而由它解决的问题来衡量。 现在就与 MiMo 一起构建吧！ 🤗 权重：https://huggingface.co/collections/XiaomiMiMo/mimo-v25 📄 博客：https://mimo.xiaomi.com/index#blog
推荐理由：小米这次把 1T 参数的 Code Agent 模型直接 MIT 开源，还送 100T 免费 token，诚意拉满。做 coding agent 的团队值得认真看看，这可能是目前开源阵营里最强的代码智能体基座。
SGLang团队宣布，在DeepSeek-V4发布首日即通过SGLang推理引擎和Miles训练框架为其提供全栈支持。该开源技术栈针对DeepSeek-V4的混合稀疏注意力、流形约束超连接和FP4专家权重等新架构特性进行了系统优化。在推理侧，推出了ShadowRadix前缀缓存、HiSparse分层内存加速、多令牌预测推测解码等关键技术。在强化学习训练侧，Miles支持包括DP/TP/SP/EP/PP/CP在内的全并行策略、TileLang注意力及FP8训练，显著提升了训练稳定性。该技术栈支持多种主流硬件平台。
WUPHF 是一个为 AI 员工设计的协作办公平台，通过一个命令即可启动，在本地提供 Web 界面。它将不同角色的 AI 智能体置于一个共享的虚拟办公室中，使其可见、可争论并协作完成任务。平台为每个智能体提供私人笔记，团队共享一个基于 Markdown 和 Git 的本地维基，智能体可自主将可靠信息同步至团队知识库。项目目前处于 1.0 版本前的预发布阶段，默认使用 Claude Code，支持通过命令行参数灵活配置。
Rohan Paul@rohanpaul_aiAI 评分6565该项目致力于通过开源与开放科学推动人工智能的发展与普及。团队正持续推进技术民主化进程，旨在让更广泛的群体能够接触并利用先进AI工具。其核心路径是依托开放协作模式，降低技术门槛，促进创新生态的构建。
Gas City 是 Gas Town 的彻底重写版本，作为构建自定义智能体工厂的 SDK 于本周发布 v1.0.0。它将技术栈解构为可组合的、声明式的 “pack” 构建块，用于部署任意拓扑的协作智能体团队。系统默认包含一个完整的 “Gas Town” pack，可作为原版的直接替代品。Gas City 基于 MEOW 栈和 Dolt 构建，提供智能体身份、消息传递、上下文、状态等开箱即用的服务，并暴露 Factory Worker API，完全开源并采用 MIT 许可证。
Google 开源了其 AI 设计工具 Stitch 背后的代理提示，以 DESIGN.md 格式发布。该格式专门构建用于教导 AI 代理如何遵循品牌规则，为生成品牌一致的设计提供标准化蓝图。通过这一开源举措，开发者可以直接利用提示模板训练 AI 代理，确保设计输出自动符合特定品牌指南，提升设计流程的效率和一致性。DESIGN.md 作为即时可用的资源，简化了 AI 代理在创意任务中的集成和应用。
OpenAI 推出开源模型 Privacy Filter，专门用于检测和编辑文本中的个人数据。该模型能自动识别敏感信息并进行处理，以帮助减少隐私泄露风险，适用于需要数据脱敏的场景。
推荐理由：OpenAI这个开源隐私过滤器能在本地自动脱敏8类个人数据，对需要清洗训练数据的团队是个实用的基建工具，不过它不保证合规，别当法律盾牌用。
腾讯混元发布并开源Hy3 preview，这是其重建预训练与强化学习基础设施后训练的首个模型，也是迄今最智能的版本。该模型为快慢思考融合的混合专家架构，总参数295B，激活参数21B，支持256K上下文，在SWE-Bench Verified等代码与搜索智能体基准上取得强竞争力结果。模型权重已开源，腾讯云API个人版定价最低28元/月。
推荐理由：混元重建后的第一枪，Agent能力大幅提升且直接开源，虽然已过首发热度，但对关注国产模型Agent能力的人还是个值得拉下来跑的repo。
腾讯云发布安全通告，披露AI模型部署工具Xinference存在供应链投毒高风险。受影响版本为2.6.0至2.6.2，攻击者通过入侵贡献者账户在软件包中植入恶意代码。用户安装或导入这些版本时，恶意代码会自动执行，窃取云凭证、API密钥、数据库密码等多种敏感信息并回传至攻击者服务器。建议受影响用户立即卸载恶意版本，降级至2.5.0或以下的安全版本，并轮换所有可能泄露的凭证。
Tibo@thsottiauxI've embarked on a new sprint. My mission is to make OpenAI models feel magical in OpenClaw in the next few weeks. Diving in today, I noticed a bug. When you configured OpenClaw to use the Codex harness with OpenAI models, auth was broken, and the system was silently falling back to the Pi harness. So nobody knew it was broken. Two PRs later (fix the auth bridge, stop the silent fallback), the Codex harness actually works. And the difference is night and day (pic related). Before: the agent didn't feel magical or proactive. It did the exact same shallow loop every heartbeat. Read the heartbeat file, check Discord, see nothing, say HEARTBEAT_OK. It ignored the rest of its instructions. Sometimes it would even reason about doing work and then just... not issue the tool calls. After: full agent loops. It reads its workspace context, interprets the entire checklist, inspects the repo, makes real edits, tries to verify them, and gives honest status reports when things are blocked. Later heartbeats show continuity, it doesn't repeat work, it picks up where it left off. I didn't change any prompting or scaffolding. Just swapped in the codex harness for pi. Lesson here is use the codex harness if you're building with OAI models. A lot more to do but this is a strong start.
