#开源/仓库

inclusionAI/LLaDA2.0-Uni

inclusionAI团队发布了LLaDA2.0-Uni模型。该版本在统一的多模态理解与生成能力上取得显著进展，支持图像、文本、音频等多种输入与输出模态。模型参数量达到约70B，在多项基准测试中，其综合性能较前代提升超过15%。此次发布延续了通过开源与开放科学来推动人工智能民主化的核心使命。

OpenAI 推出 Privacy Filter

OpenAI 发布 Privacy Filter，一款用于检测和脱敏文本中个人身份信息（PII）的开源权重模型。该模型在 PII 识别任务上达到业界领先的准确率，支持开发者本地部署和定制。作为开放权重模型，它可自动识别并编辑敏感个人信息，为企业数据隐私保护和合规处理提供高效的技术解决方案。

移除视频中出现的路人，小米开源 CVPR 2026 夺冠技术 SVOR

小米技术宣布开源视频消除技术SVOR，可精准移除视频中的路人。该技术针对真实世界视频中掩码边缘不准、阴影残留、快速移动目标闪烁等痛点，采用MUSE窗口化联合策略、DA-Seg去噪感知分割及课程式两阶段训练方案。SVOR在CVPR 2026物理感知视频实例消除挑战赛中从18支队伍中夺冠，并在多个标准数据集上达到SOTA水平。目前相关论文与代码已开源，并提供可直接调用的skill。

Rohan Paul@rohanpaul_ai· 04:45

ROBOTIS 本周发布了 AI Sapiens：一款 34 公斤的人形机器人，即使在动态移动和快速抬腿时也能保持平衡。该开源系统旨在作为实体 AI 工作的共享平台，完整的硬件和软件均已公开发布。

Rohan Paul@rohanpaul_ai· 03:45

Spectrum by Photon推出开源框架，通过统一API解决AI Agent分发难题。开发者可一次性将agents部署至iMessage、WhatsApp、Telegram及SMS/RCS等主流通讯平台，无需单独适配各平台协议。产品支持原生iMessage蓝色气泡体验，显著提升交互自然度与用户留存。适用于客服、交易提醒、AI伴侣等场景，SDK已开源并配备Beta版管理后台。

OpenAI Developers@OpenAIDevs· 00:08

介绍 Euphony，一款用于可视化聊天数据和 Codex 会话日志的开源工具。 粘贴公开 URL 或上传本地文件，Euphony 即可将原始数据转换为易于浏览的视图。支持翻译、筛选、编辑等功能。https://t.co/KTbMOLEWxD

故意污染 AI 训练数据的「鹈鹕骑自行车」项目

开发者 Steve Cosman 在 GitHub 创建项目 scosman/pelicans_riding_bicycles，通过上传错误标注的图片故意污染 AI 训练数据。该项目将熊站在滑雪板上的图片标记为「鹈鹕骑自行车 #1」，以此向生成式 AI 注入噪声。这种「数据投毒」旨在干扰模型对特定提示词的理解，博主 Simon Willison 对此表示支持，并承认自己此前发布的类似内容也属于训练集污染。

llm-openrouter 0.6 发布

llm-openrouter 发布 0.6 版本，新增 `llm openrouter refresh` 命令，可立即刷新可用模型列表而无需等待缓存过期。该功能旨在让用户第一时间体验 OpenRouter 平台上的新模型，如 Moonshot AI 刚上线的 Kimi 2.6。作者使用该模型生成了一个包含 HTML 和 JavaScript 交互界面的鹈鹕骑自行车动画，展示了新模型的代码生成能力。

DR-Venus：基于开放数据的边缘级深度研究智能体

DR-Venus 是一个仅用1万条开放数据训练的40亿参数深度研究智能体，基于Qwen3-4B-Thinking-2507架构，支持200步工具调用和超20万tokens的上下文。它通过监督微调与强化学习两阶段训练，在BrowseComp、GAIA等多个深度研究基准上树立了小模型性能新标杆。其SFT版本已超越多数同类开源模型，而RL版本进一步将长程任务可靠性和工具使用校准度提升2-3个百分点。项目已全面开源模型、代码与训练流程。

新研究显示 OpenClaw 驱动的全天候 Ray-Ban Meta 智能眼镜可加速日常任务

研究团队为 Ray-Ban Meta 智能眼镜开发了 OpenClaw 智能体，旨在探索持续感知型 AI 如何改变用户使用智能体系统的方式。这项研究表明，集成该智能体的全天候智能眼镜能够加速日常任务处理，展示了始终开启的 AI 助手在可穿戴设备上的应用潜力。

Tibo@thsottiaux· 07:48

开源很棒。 试用了 Loopndroll for Codex，很有趣，里面有一些很好的想法，而且完全基于新的 hooks 机制构建。

阿里巴巴开源模型 Qwen3.6 在智能体编码基准测试中领先谷歌 Gemma 4

阿里巴巴发布新一代开源模型 Qwen3.6-35B-A3B，采用稀疏激活架构，总参数量达 350 亿但推理时仅激活 30 亿参数。该模型在多项编码与推理基准测试中击败谷歌 310 亿参数规模的 Gemma 4-31B，以更小激活参数量实现更强智能体编码能力，展现高效架构优势。

datasette 1.0a28 发布

datasette 发布 1.0a28 版本，主要修复 1.0a27 引入的兼容性缺陷。更新包括：修复 execute_write_fn() 回调函数参数命名错误导致的异常；database.close() 方法现可关闭写入连接；新增 datasette.close() 方法用于释放所有数据库资源；内置 pytest 插件自动清理测试实例，防止文件描述符耗尽。此次更新多数代码由 Claude Code 配合 Claude Opus 4.7 完成。

Rohan Paul@rohanpaul_ai· 05:44

Hyperframes推出全新开源视频渲染框架，支持AI智能体通过编写HTML直接生成MP4视频。该框架无需学习新语言，仅在标准网页代码中添加data-*属性，即可让Claude Code、Cursor、Gemini CLI、Codex等编程智能体创建、预览并本地渲染视频合成内容。智能体负责编写HTML构图，Hyperframes提供浏览器预览和MP4渲染能力，实现从代码到视频的无缝转换。

llm-anthropic 0.25 版本发布

llm-anthropic 插件发布 0.25 版本，新增 Claude Opus 4.7 模型支持，该模型配备 xhigh 级别的 thinking_effort 参数。同时引入 thinking_display 与 thinking_adaptive 布尔选项，其中 thinking_display 的摘要功能目前仅限 JSON 输出或日志格式。此外，默认 max_tokens 已上调至各模型允许的最大值，并移除了旧模型使用的 structured-outputs-2025-11-13 废弃测试头。

Rohan Paul@rohanpaul_ai· 03:44

HeyGen开源AI视频渲染框架HyperFrames，支持AI代理将HTML/CSS/JS代码转为MP4等格式。该工具摒弃传统时间线，利用数据属性控制动画时序与图层，兼容GSAP、Lottie、Three.js等Web动画库。HeyGen团队已使用Claude Code配合该框架完成官方视频制作。开发者可通过npx命令安装，实现代码到视频的自动化生成。

Qwen3.6-35B-A3B 开源！

通义千问开源 Qwen3.6-35B-A3B，一款总参数 350 亿、推理仅激活 30 亿参数的稀疏 MoE 模型。其在 SWE-bench、Terminal-Bench 等编程基准上显著超越前代，并超越 270 亿参数的稠密模型；原生多模态，在 RefCOCO 上得分 92.0。

Ecom-RLVE：面向电子商务对话代理的自适应可验证环境

Ecom-RLVE 是一个为电子商务对话代理设计的自适应可验证环境。该环境支持智能体在模拟且可验证的电商场景中进行训练与评估，通过动态调整交互难度和规则约束来提升对话系统的鲁棒性与适应性。其核心在于结合强化学习与验证机制，确保智能体行为既符合商业逻辑又可追溯，为电商对话系统的开发与测试提供标准化、可复现的实验平台。

Rohan Paul@rohanpaul_ai· 03:43

webAI开源视觉语言检索模型ColVec1，登顶ViDoRe V3基准测试。该模型摒弃传统OCR预处理，直接以图像形式处理文档页面，通过Qwen 3.5 VLM backbone与多向量后期交互架构，保留表格对齐、图表上下文等布局语义。4B和9B版本可在消费级GPU运行，基于约200万问答图像对训练。这一突破证明文档检索的关键在于视觉信息保留而非文本提取，页面布局本身就是语义的一部分。

小红书 Relax 开源发布：面向全模态 Agentic 的异步 RL 训练引擎

小红书开源发布Relax，一个为全模态数据、Agentic工作流和大规模异步训练Co-Design的RL训练引擎。

Rohan Paul@rohanpaul_ai· 05:25

Strix 是开源自主渗透测试框架，以 AI 作为确定性安全工具之上的自适应操作员。其核心机制围绕动态测试、POC 验证、自动修复 Pull Request 和 CI/CD 钩子构建，可在代码合并前阻断不安全代码。不同于传统扫描器仅抛出猜测，Strix 采用攻击者风格测试，通过浏览器操作、流量检查等方式验证漏洞可利用性，使安全发现附带证明和修复方案直接融入开发流程。

Rohan Paul@rohanpaul_ai· 12:34

OpenBMB发布开源TTS模型VoxCPM 2，仅2B参数支持30种语言，无需语言标签即可生成语音。Apache-2.0许可，8GB显存可运行。支持文本描述创建新声音、可控克隆与终极克隆，保留说话人细节。输出48kHz音质，RTX 4090实时推理达0.3 RTF。兼容PyTorch、LoRA微调及Nano-VLLM部署，适用于影视、游戏、有声书等专业场景。

Rohan Paul@rohanpaul_ai· 04:33

Linux内核项目本周正式确立政策，允许开发者使用AI辅助编写代码，但须遵守严格的信息披露要求。Torvalds主张将AI视为普通工具，强调应追究开发者责任而非限制其本地软件使用，这与其它开源社区的恐慌态度形成鲜明对比。新政明确规定，只有人类可为Developer Certificate of Origin添加Signed-off-by认证，AI代理严禁签署；开发者须对AI生成代码（如Claude产出的补丁）承担全部法律责任。此举旨在应对当前开源社区"AI slop"泛滥的乱象。

HiSparse：分层内存系统加速稀疏注意力

LMSYS Org推出HiSparse分层内存系统，针对稀疏注意力仍受限于GPU内存容量的问题，将非活跃KV缓存卸载至主机内存，仅在GPU HBM保留热缓冲区，并通过专用CUDA内核高效管理数据交换（采用LRU策略与页表更新）。该系统在256并发请求下实现超3倍吞吐量提升，GLM-5.1-FP8模型长上下文场景性能提升达5倍，支持DeepSeek-V3.2等采用DeepSeek Sparse Attention架构的模型。

VimRAG：图文视频全模态知识库开源框架

VimRAG 是一个开源框架，通过模态统一记忆技术，支持图文视频全模态知识库，告别分模态处理，实现一体化管理。

Jeff Dean@JeffDean· 23:56

受 Tail at Scale 论文启发的 Hedged requests 技术被用于单机 DRAM 多通道场景，通过向所有通道并发发送读取请求并采用最快响应，将 p99.99 读取延迟降低 5-15 倍。实现该方案的 tailslayer 项目已开源。

cuLA：用 CUDA 重写线性注意力

cuLA是一套面向GLA、KDA等线性注意力变体的高性能CUDA内核库。它通过手工优化的CuTe DSL与CUTLASS C++实现，深度适配NVIDIA Hopper和Blackwell等新一代GPU架构，旨在将复杂算法转化为可直接调用的高性能算子。其接口与flash-linear-attention保持一致，开发者仅需修改一行import即可低成本接入。性能测试显示，其内核在Blackwell和Hopper GPU上相比Triton基线实现，平均加速比最高达1.52倍。该项目已开源，并计划未来集成至FLA的统一调度机制中。

inclusionAI/TC-AE

研究团队发布了TC-AE，一种用于深度压缩自动编码器的新方法，旨在突破现有模型的令牌容量限制。该方法通过创新的架构设计，显著提升了模型在压缩表示中保留信息的能力，实现了更高的压缩效率与重建质量。具体指标显示，TC-AE在多个基准测试中，相较于传统深度压缩自动编码器，将有效令牌容量提升了约30%，同时保持了较低的计算开销。这项工作为高密度数据压缩与表示学习提供了新的技术路径。

Tibo@thsottiaux· 22:30

OpenClaw 针对 GPT-5.4 完成重大优化，Peter 团队这波输出拉满。用户表示上次对发布这么兴奋还是当年追《权游》更新时。

François Chollet@fchollet· 01:29

Keras 社区发布 Kinetic 库，开发者通过装饰器即可将函数部署至云端 TPU/GPU 运行，定位类似 Modal 但新增 TPU 支持。该工具自动完成代码打包、Cloud Build 容器构建（支持缓存）、GKE 集群调度及结果返回，实现日志实时流式传输，使远程执行体验如同本地运行。

François Chollet@fchollet· 00:37

Keras 团队将于今天上午10点 PT 进行一场社区会议。还有25分钟开始。会议对所有人开放——欢迎加入了解最新功能和未来规划，并提出你的问题！

inclusionAI/cuLA：基于CuTe DSL与CUTLASS C++的线性注意力变体CUDA内核

inclusionAI发布了cuLA项目，这是一套为线性注意力变体编写的CUDA内核。该内核完全采用NVIDIA的CuTe DSL和CUTLASS C++库进行开发，旨在高效实现Transformer模型中的线性注意力机制。此举专注于底层计算优化，通过利用先进的CUDA编程抽象和高效模板库，有望提升大语言模型在推理和训练过程中的计算性能与效率。

Tibo@thsottiaux· 07:16

Codex 核心代码仓库 11 个月前就已公开却刚被发现。OpenAI 称决定开源是为促进早期生态发展并互相学习，差点忘了这茬。

Jim Fan@DrJimFan· 23:03精选

CaP-X开源具身智能系统，让大模型智能体通过机械臂与人形机器人进入物理世界。系统整合SAM3、Molmo等感知API与IK求解器、抓取规划等控制接口，可自动合成技能库。研究发布CaP-Gym基准（187项操作任务）与CaP-Bench（评测12个前沿模型），提出零样本框架CaP-Agent0及强化学习方案CaP-RL，后者仅用50次迭代即将7B模型成功率从20%提升至72%。该技术由曾开发Minecraft智能体Voyager的团队推出。

TRL v1.0：与领域同步发展的后训练库

Hugging Face 正式发布 TRL v1.0，这是一个专为大语言模型后训练设计的开源库。该版本整合了 SFT、RLHF 等多种高效微调技术，提供从监督微调到人类反馈强化学习的完整工具链。新库支持与 Transformers、PEFT 等主流框架无缝集成，显著简化了模型对齐流程。此次更新旨在降低大语言模型微调门槛，推动AI技术民主化，使开发者能够更便捷地提升模型在对话、安全等方面的性能表现。

最新开源成果第20期发布：新增组织与模型类型，涵盖 Nemotron Super、Sarvam、Cohere Transcribe 等

第20期开源成果更新引入多个新组织与全新模型类型，收录 NVIDIA Nemotron Super、Sarvam 及 Cohere Transcribe 等最新模型。此次扩展显著丰富了开源生态的模型种类与来源多样性，覆盖更多技术领域与应用场景，为开发者提供更广泛的模型选择。

Show HN: 基于 TypeScript 的稳健 LLM 网页数据提取工具

Lightfeed Extractor 发布基于 TypeScript 的 LLM 网页数据提取库，支持通过自然语言提示和 Zod schema 从 HTML、Markdown 或纯文本中提取结构化数据。核心功能包括 HTML 转 Markdown 预处理、JSON 模式输出、失败 JSON 自动修复及 token 追踪。可与 Playwright 集成加载动态页面，或配合 browser-agent 实现自然语言导航后提取，适用于电商竞品监控等生产级场景。

MiniMax Office Skills：开源一套生产级办公文档引擎

MiniMax 开源了 Office Skills，一套生产级办公文档引擎。

Elastic EP：实现DeepSeek MoE部署的部分故障容忍

Mooncake团队与Volcano Engine在SGLang框架中推出Elastic EP功能，解决大规模DeepSeek MoE模型"宽"专家并行部署的可靠性瓶颈。该技术通过解耦专家与GPU的刚性绑定并维护冗余副本，可在32 GPU集群中容忍最多16个rank故障，将服务恢复时间从2-3分钟缩短至10秒以内，降幅达90%。基准测试显示，该方案在实现极端韧性的同时，吞吐量、TTFT和TPOT等关键指标与标准DeepEP持平，实现零静态性能损耗。

SGLang亮相NVIDIA GTC 2026：三天五场活动展示开源AI基础设施实力

SGLang亮相Jensen Huang主题演讲AI生态图谱，三天内密集举办五场活动。团队与RadixArk合办200人技术聚会，在LinkedIn总部举办搜索与推荐LLM系统研讨，并参与700人规模的Novita行业论坛。官方培训实验室发布Miles RL框架，解决生产环境训练-推理不匹配难题；LinkedIn工程师分享预填充优化方案，在H100上实现2–3倍吞吐量提升并回馈上游。