#GitHub

Supabase 开源 Evals：用真实任务评测 Claude Code、Codex 和 OpenCode 的基准框架

Supabase 开源了 Supabase Evals，一个用真实任务（如构建 schema、调试 Edge Function、修复 RLS 策略）评测 Claude Code、Codex 和 OpenCode 等编码智能体的基准与框架，并驱动 supabase.com/evals 公开排行榜。

GitHub 开源 casefold：以内存速度进行源码大小写折叠

GitHub 为代码搜索引擎 Blackbird 优化大小写折叠性能，该引擎索引超 1.8 亿个仓库、480TB 源码。团队发现移除提前退出分支比保留优化更快，最终在 Apple M4 上实现超 45 GiB/s 吞吐，接近内存带宽。结果已开源为 Rust crate `casefold`，仅实现简单（1 对 1）折叠，与 ripgrep 等工具保持一致。

OpenBMB@OpenBMB· 21:29精选AI 评分7575

面壁智能与清华NLP团队提出ALIGN，自动生成对齐接口解决智能体与环境间的失配问题。仅改写反馈措辞即可将Qwen2.5-7B智能体在ALFWorld上的成功率从13.4%提升至31.3%。该方法在四个基准上最高提升45.67%成功率，并减少65%连续无效动作，且接口可跨智能体架构和LLM骨干迁移。

llm 0.32rc1 发布：新增内容寻址哈希 ID 与 GPT-5.6 系列支持

llm 0.32rc1 完成自 0.32a0 开始的架构更新，采用内容寻址哈希 ID 存储消息，实现数据库去重并支持分叉对话的消息树结构。新版本同时新增对 gpt-5.6-sol、gpt-5.6-terra 和 gpt-5.6-luna 的支持。升级前建议运行 `llm logs backup logs-backup.db` 备份现有日志。

llm-chat-completions-server 0.1a0 发布

Simon Willison 发布 llm-chat-completions-server 0.1a0 插件，可在本地 9001 端口启动一个兼容 OpenAI Chat Completions API 的服务器，暴露 LLM 工具中所有已安装的模型。

GitHub Copilot 应用新增堆叠会话与拉取请求功能

GitHub Copilot 应用推出堆叠会话功能，允许用户在同一个仓库中创建一系列相互承接的任务，每个会话可基于前一个会话的成果继续工作。作者通过一个十余年历史的个人项目演示了该功能：先使用 Plan 模式制定前端现代化计划，再通过堆叠会话将 React-Bootstrap 替换工作拆分为独立会话，并自动为每个会话创建对应的拉取请求，避免范围蔓延。

lauren@poteto· 01:00AI 评分6363

pstack 新增 `/create-verification-skill` 与 `/maintain-verification-skill` 两个技能。前者教智能体运行、控制和调试应用，并创建“功能地图”助其像真实用户一样导航验证；后者可配合 Cloud Agents 每日自动运行，保持地图更新。安装 pstack 即可自动获取更新。

Tencent Hy@TencentHunyuan· 20:56精选AI 评分7474

腾讯混元开源端到端投机解码框架 AngelSpec，支持训练与部署。在 Hy3-A21B 模型上，其 DFly 方案相比自回归解码实现 1.98–2.40 倍端到端加速，吞吐量比 DFlash 高 10.5–11.8%。训练代码及 Hy3-A21B MTP/DFly 草稿模型权重已开源。

微软 GitHub Copilot 现支持调用 Grok 4.5 AI 模型

SpaceXAI 宣布 Grok 4.5 模型已入驻 GitHub Copilot，开发者可在云智能体、Copilot CLI 及 VS Code IDE 中切换调用。该模型专为编码设计，上下文窗口达 50 万 token，支持文本和图像输入及三种推理难度，按量计费价格为每百万输入 token 2 美元、每百万输出 token 6 美元。

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

DogeDesigner@cb_doge· 04:57AI 评分5151

BREAKING: Grok 4.5 现已登陆 GitHub Copilot 专为快速智能体编码和复杂多步骤工作流打造，提供高达 50 万 token 的上下文窗口、图像支持及可调节推理深度。 现已覆盖 VS Code、Copilot CLI、JetBrains、Xcode 等平台。

OpenBMB@OpenBMB· 21:28AI 评分4545

开发者 @XinyuBaoXYB 为面壁智能 MiniCPM5-1B 模型打造了纯 Rust 推理引擎 tiny-llm，支持纯 CPU 推理且无需 GPU。该项目采用单文件核心、无 KV cache 设计，并提供 TUI 可视化注意力图与张量形状，旨在让 Transformer 推理过程透明可理解。

Kimi K3 开放日：模型权重、技术报告和关键 Infra 技术同步开放

月之暗面发布 2.8 万亿参数的混合专家模型 Kimi K3，支持原生视觉理解和 100 万 token 上下文窗口。其规模化效率较 Kimi K2.5 提升 2.5 倍，并同步开源模型权重、技术报告及 MoonEP、FlashKDA、AgentEnv 三项 Infra 技术。

Kimi 团队开源 AgentENV：为 2.8 万亿参数模型提供智能体强化学习训练

Moonshot AI 的 Kimi 团队与 kvcache-ai 开源了 AgentENV (AENV)，一个用于大规模运行智能体环境的分布式平台，支持 Kimi K3 模型的智能体强化学习训练。该平台基于 Firecracker 微虚拟机，可实现快照启动/恢复低于 50 毫秒，并支持将运行中的沙箱分叉出最多 16 个独立子沙箱。代码采用 MIT 许可证。

Moonshot AI 开源 Kimi K3 模型权重与基础设施，称每单位算力智能度提升 2.5 倍

Moonshot AI 发布了 Kimi K3 的模型权重与技术报告，并在 Hugging Face 上开源了高性能注意力内核、MoE 通信库等基础设施组件。新架构声称每单位算力的智能度提升 2.5 倍。该模型在基准测试中接近 Fable 5 和 GPT-5.6 Sol 等西方前沿模型，但英国网络研究所的独立测试显示其网络能力和数学技能仍落后于前沿模型。

GitHub Copilot 发布“Harness”工作流：用单一工具完成原型、规划、实现与代码审查

GitHub Copilot 推出“Harness”工作流，让开发者通过单一 AI 工具完成从原型设计、规划、实现到代码审查的完整软件开发流程，无需追逐多种新 AI 工具。该工作流强调实用性与集成性，旨在减少工具切换带来的效率损耗。

Kimi.ai@Kimi_Moonshot· 03:02精选AI 评分7373

Kimi.ai 发布 PerceptionBench，一个从当前前沿模型在 42 个基准上的失败模式中归纳出的视觉感知基准。该基准将视觉感知拆解为 10 种原子能力，并构建了 3000 道验证题，每道题只考察单一感知能力，无需推理或外部知识。

GitHub Copilot 发布“全流程工作流”：用单一工具完成原型、规划、实现与代码审查

GitHub Copilot 推出一个实用工作流，让开发者用单一工具完成软件原型设计、规划、实现与代码审查，无需追逐每款新 AI 工具。该工作流将 Copilot 的聊天、内联代码补全、代码审查与 GitHub Actions 集成，覆盖从需求到部署的完整闭环。

GitHub Copilot app 入门指南：多 Agent 会话工作区与 Canvas 预览

GitHub Copilot app 将 AI 编码工具升级为多 Agent 会话工作区，支持同时管理多个任务线程而不丢失进度。用户可为每个会话绑定项目上下文，通过 `/create-canvas` 命令在浏览器 Canvas 中预览 UI 并直接点选修改，还能启用 Agent Merge 自动处理 PR 审查反馈和合并冲突。

Kimi.ai@Kimi_Moonshot· 23:31精选AI 评分6969

我们与 kvcache-ai 合作开源了 AgentENV。 AgentENV 是一个用于大规模运行智能体环境的分布式系统。其组件为 Kimi K3 的智能体强化学习训练提供支持，具备快速快照、恢复和分支功能，适用于大规模并行智能体工作流。 在 GitHub 上探索：http://github.com/kvcache-ai/AgentEnv

Kimi.ai@Kimi_Moonshot· 23:31AI 评分5757

我们已开源 MoonEP，这是我们为分布式 MoE 工作负载打造的高性能通信库。它旨在让大规模专家并行通信更高效，有助于减少大型 MoE 训练和推理系统中的通信开销。 在 GitHub 上探索：http://github.com/MoonshotAI/MoonEP

Google Cloud Agent Skills 完整指南：从基础到高级云运维

Google Cloud 推出官方 Agent Skills 开源指令集，旨在让 AI 编码智能体安全、高效地执行多步骤云操作。该仓库基于 agentskills.io 开放标准，目前收录 70 多项技能，涵盖安全审计、无服务器部署、BigQuery 优化等 8 个类别。技能采用渐进式披露模型，通过验证工作流、安全门控和上下文感知机制，防止智能体盲目执行破坏性命令。

小红书HELMSMAN：全闪存服务器实现高性能向量检索，硬件成本节省超90%

小红书引擎架构团队在OSDI 2026提出HELMSMAN，一个面向全闪存服务器的高性能向量近似最近邻搜索系统。该系统通过聚类式索引、定制化存储栈和分层学习式搜索剪枝，用约40台全闪存服务器承载了过去约35,000 CPU Core和约350 TB DRAM的负载，硬件成本节省超过90%。

Copilot vs. 直接 API 调用：你实际在为什么付费？

GitHub Copilot 现已按公布的 API 费率对使用量计费。与直接调用模型 API 相比，用户支付的额外费用覆盖了编码工作流、策略管理和工具集成等周边服务。

小红书开源 BigMac：多模态大模型训练新范式

小红书技术团队开源 BigMac，一种针对多模态大模型训练的依赖安全嵌套流水线新范式。它以 LLM 流水线为主干，在不打乱执行顺序的前提下嵌入编码器和生成器计算，相比基线实现 1.08x-1.9x 加速，同时保持激活显存有界。BigMac 已作为 dots 多模态模型训练的核心组件投入生产。

同一件事，精选收录的是《小红书 dots infra 开源 BigMac：突破多模态大模型训练的帕累托前沿》

Rohan Paul@rohanpaul_ai· 09:52AI 评分6060

Plasma 开源了命令行工具 Fractal（Apache 2.0 许可，完全本地运行），它能将单个 Claude Code 或 Codex 会话转变为持久的智能体树。每个智能体节点拥有独立的 git worktree 和内存，可并行处理大型编码任务的不同部分，所有迭代均生成 git 提交以便逐行审查。

GitHub Copilot 推出 canvases 扩展，实现开发者与 AI 智能体实时协作

GitHub Copilot 在应用中推出 canvases 扩展，这是一种共享交互式界面，开发者和 AI 智能体可在其中实时协作。用户通过 `/create-canvas` 指令创建画布，Copilot 可动态更新内容，用户则通过点击、编辑等操作与同一工作区交互。示例包括快速分类 Issue、生成交互式代码库关系图、管理会话工作树、优化提示词质量以及跨平台搜索知识联系人。

姚远、钱忱获2026WAIC青年优秀论文奖

2026世界人工智能大会青年优秀论文奖揭晓，清华大学助理教授姚远获“青年优秀论文奖”，博士后钱忱获“提名奖”。姚远端侧多模态论文获谷歌学术引用超1300次，MiniCPM-V落地吉利银河、三星Galaxy AI等场景；钱忱的ChatDev获超3万GitHub星标。

小红书与北大开源 UltraEP：面向大规模 MoE 训推的实时负载均衡方案

小红书与北大提出 UltraEP，首次将基于精确路由信息的实时负载均衡引入生产系统，在每个 microbatch 和每一层动态复制热点专家。在 Qwen3-235B 等模型上，训练吞吐平均达到理想性能的 94.6%，相比 Megatron-LM 提升 42%；推理 prefill 吞吐相比 SGLang 提升 1.56 倍。

上海科学智能研究院开放科学多模态基础模型“神珍”

上海科学智能研究院开放科学多模态基础模型“神珍”，总参数约110亿，可处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类数据。在生物序列20项任务中，该模型9项取得最优结果；医学影像分割平均Dice得分91.20，在7种参评方法中最优。模型权重及代码已在星河启智、Hugging Face和GitHub开放。

不会代码也能做产品：一份从0开始的Vibe Coding保姆级教程

本文面向零代码用户，提供一套使用国产大模型（Kimi、GLM、Qwen等）从零开发并上线产品的完整流程。核心步骤包括购买Coding Plan、下载官方Agent编程产品、注册域名与服务器并同步做ICP备案，然后通过Agent的Plan模式描述需求并让AI自动执行开发。上线后建议建立分支保护与测试流程，并强调即使不懂代码，也必须对系统架构了如指掌。

AI 时代“小需求”的成本逻辑变了：GitHub 博客谈工程决策新范式

工程师对小型功能请求的决策成本已超过代码实现成本。AI 智能体可在会议预热时间内生成首个补丁，将抽象的“是否在范围内”争论转化为可审查的具体产物。关键区分在于：代码生成便宜不等于维护便宜，只有人类能自信审查并承担长期责任的变更才算低成本。

OpenBMB@OpenBMB· 21:09精选AI 评分6666

面壁智能联合多团队开源StaffDeck，一个用于构建与管理数字员工的企业平台。该平台旨在将专业知识、标准作业程序（SOP）和决策规则转化为持续工作、改进并保留组织知识的数字员工，而非传统聊天机器人。项目代码已发布于GitHub。

百度百舸率先适配RLinf v0.3，打通具身智能进化闭环

全球首个面向具身智能的强化学习开源框架RLinf发布v0.3版本，升级为一站式开发平台，首次打通数据采集、SFT、RL、模型评测及真机部署全链路。百度智能云当天完成适配，成为国内首家支持该版本的云厂商，开发者可通过百度百舸平台一键应用最新能力。

HYPIC：小红书联合北大、上交提出首个混合注意力大模型位置无关缓存系统

HYPIC 在混合注意力大模型上实现了位置无关缓存，将首 token 延迟平均降低 3.25 倍。在 4 个生产级模型上，同 SLO 下可持续 QPS 提升 1.66 倍，任务质量与完全重算仅相差 1.71 分。

DogeDesigner@cb_doge· 04:59AI 评分5858

突发：SpaceXAI 已开源其编程智能体及 CLI 工具 Grok Build。 完整代码现已在 GitHub 上提供，允许开发者检查代码、贡献改进并帮助构建更可靠的评估框架。 所有用户的使用限制也已重置。

Cursor 曝安全漏洞：可执行任意代码，报告 7 个月未修复

Mindgard 发现马斯克旗下 AI 编程工具 Cursor 存在安全漏洞，攻击者通过在仓库顶层放置恶意 git.exe 即可触发任意代码执行，无需点击或下达指令。该漏洞于 2025 年 12 月 15 日报告，截至 2026 年 4 月 30 日仍可在 Windows 版 Cursor 3.2.16 上复现，Mindgard 多次问询未获回应后于 7 月 14 日公开细节。

Claude Code v2.1.210 发布

Claude Code v2.1.210 为折叠的工具摘要行添加实时运行计时器，避免长时间工具调用显示为卡顿。新增对 Write、NotebookEdit 和 Glob 路径权限规则的启动警告，建议改用 Edit 或 Read。修复了 worktree 子智能体对主仓库执行 git 变更命令、ultracode 关键词在非人类输入中误触发等多项问题。

Simon Willison 在 Codex Desktop 中创建自定义宠物“Pedalican”

Simon Willison 在 Codex Desktop 中意外激活了一个类似 Clippy 的动画机器人“宠物”，随后发现可以自定义创建。他通过 GPT-5.6 Sol xhigh 模型描述需求，并借助 gpt-image-2 多轮生成精灵素材，最终制作出一只骑自行车的小鹈鹕“Pedalican”，在桌面上弹跳并更新 Codex 任务状态。关键实现细节已开源，包括 openai/skills 下的 hatch-pet 和 openai/codex 下的 imagegen 两个技能，均采用 Apache 2.0 许可。

LMSYS 与 SGLang 团队为 GLM-5.2 NVFP4 推出推理优化，8×B300 单 batch 解码超 500 TPS

LMSYS 与 SGLang 团队针对智谱 GLM-5.2 NVFP4 模型在 Grace Blackwell 硬件上推出多项优化。运行时方面，Spec V2 重叠调度消除 GPU 气泡，端到端 TPS 提升 11%；IndexShare MTP 在 draft 步骤间复用 DSA indexer 的 top-k，长上下文下 draft 步骤成本降低约 1.9 倍。内核方面，TopK-V2 将 TopK 视为选择问题，80K ISL 下平均延迟从 40.7 µs 降至 17.5 µs（2.33× 加速），1M ISL 下从 372.1 µs 降至 36.6 µs（10.17× 加速）。优化后 8×B300 单 batch 解码吞吐超过 500 TPS。