MiniMax (official)@MiniMax_AIAI 评分5353MiniMax H3 by @Hailuo_AI just landed on Magnific Add characters, motion, and the beat. The model handles the rest → Up to 9 images for character and style → 3 videos for motion and camera control → 2K output, 5 to 15 seconds Try it now on Magnific
稀宇科技宣布推出 MiniMax H3 通用多模态视频模型，将于北京时间 8 月 3 日 0 点在魔搭社区正式开源。该模型支持对文本、图像、视频、声音的统一理解，可输出原生双声道音视频，最高支持 15s 2K 分辨率。官方称其默认提供 2K 分辨率，每秒价格不到主流模型的 1/3，768P 分辨率下为主流 720P 的 1/2。
Artificial Analysis@ArtificialAnlysAI 评分6969
MiniMax (official)@MiniMax_AIAI 评分5454开放权重 H3 已上线 OpenRouter 🟢 为全球开发者探索、实验和创作 H3 提供了又一种方式。感谢 @OpenRouter 的 Day 0 支持！ #MiniMaxH3OpenWeights
The new open-weights @Hailuo_AI H3 is live on OpenRouter thanks to @MiniMax_AI! H3 is a lightweight video model for text, image, audio, & video input, with native audio-visual output. Built for instruction-led edits, text/brand rendering, and video-2-video motion transfer.
Rohan Paul@rohanpaul_aiAI 评分5757Today, we are releasing Inkling-Small. Inkling-Small achieves comparable performance to Inkling at a quarter of its size. It features 276B total parameters, 12B active. We are making the full weights available. https://thinkingmachines.ai/news/inkling-small/ Fine-tune it on Tinker today, or chat with it in text, image, and audio on Tinker Playground.
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。
推荐理由：Simon 把 LLM 工具变成了兼容 OpenAI 的 API 服务器，开发者可以本地直接用任何模型，省去适配工作，安装即用，实用性强。
Thinking Machines@thinkymachines精选AI 评分6464推荐理由：Inkling-Small 将 Inkling 的性能塞进 1/4 大小的模型，权重完全开放，还支持文本、图像、音频，对想用低成本体验顶尖能力的开发者是个值得上手的信号。
腾讯开源了 AngelSpec，一个面向推测解码草稿模型的 torch-native 训练框架，支持自回归多 token 预测（MTP）与块并行 DFlash 系列。该框架针对工作负载异构性设计，提供 MTP 与块扩散两种互补草稿模型。在 Hy3-A21B 模型上，块扩散架构 DFly 的平均接受长度达 4.79，相比 DFlash 的 3.69 提升 29.8%。
Moonshot AI 在 Kimi K3 Open Day 上开源了 MoonEP，一个面向分布式 Mixture-of-Experts（MoE）工作负载的专家并行（EP）通信库。该库旨在提升大规模专家并行通信效率，采用 MIT 许可证发布。
MiniMax (official)@MiniMax_AIAI 评分5858Weights aren't the only thing that should be open-source. Both kernel repos behind our recent work with @MiniMax_AI are now public: → Fireworks: http://github.com/fw-ai/minimax-kernels → Minimax: http://github.com/MiniMax-AI/MSA/tree/fireworks-msa
Perplexity@perplexity_ai精选AI 评分6767推荐理由：Perplexity开源Numbat，把agent安全检测从黑箱变为可观测可拦截的层，虽小众但对依赖agent生产环境的团队是个实用工具。
Tencent Hy@TencentHunyuan精选AI 评分7474推荐理由：做推理加速的可以试试这个端到端推测解码框架，腾讯开源了完整代码和权重，在 Hy3 上提速近 2.4 倍且吞吐更高，拿来即用。
OpenAI 开源了基于 Apache 2.0 许可的命令行工具 Codex Security CLI，可自动扫描、确认并修复代码仓库中的漏洞。该工具支持批量扫描、CI/CD 集成，需 Node.js 22 和 Python 3.10 以上环境，通过 npm 安装。截至 2026 年 4 月，该系统已帮助修复超过 3,000 个严重漏洞。
腾讯混元开源覆盖训练到部署的投机解码框架 AngelSpec，并放出 Hy3-A21B 的 MTP 与 DFly drafter 权重及训练代码。
推荐理由：AngelSpec 将投机解码从训练到部署全链路开源，DFly 和 D-cut 在真实流量下带来额外加速，对需要优化推理成本的团队有直接落地价值。
作者将Claude Code与Codex的协作工具搭子升级至2.0版，通过deep_reasoner、fast_worker、arbiter三种身份及跨项目模型混编，把每周500美元的API账单压缩至400美元。2.0新增本地配置UI、一键试跑、Goal哈希校验和带证据链的小票，并支持按host分命名空间独立配置两个Agent。
推荐理由：从两个Agent的串行交接升级为三身份团队的并行协作，把模型按推理、执行、仲裁分派任务，为多模型工作流提供了可复用的成本控制方案。
开发者 Chris “Kahris” Sotraidis 利用 OpenAI 的 Codex 和 GPT-5.6 Sol，将《塞尔达传说：时之笛》通过 HarkinianPad 项目原生移植到 iOS 和 iPadOS，无需模拟器。该移植基于反编译的 C 代码，支持宽屏、全屏及 60 FPS 运行，并通过苹果 Metal API 渲染，玩家需自行准备游戏 ROM。
阿里云 Qoder 在 GitHub 开源 Better Harness，这是一套面向 Coding Agent 工作流的分析与持续改进工具，适配 Claude Code、Codex、Qoder 和 Cursor。首轮内部评测覆盖 30 个 GitHub 真实项目，每条 Finding 需附带可追溯证据。
Tibo@thsottiaux精选AI 评分7777推荐理由：OpenAI Codex团队把代码安全扫描做成开源CLI和SDK，直接能跑在CI里，对在意AI生成代码安全的开发者来说，算是个实用工具，不妨一试。
Greg Brockman@gdbAI 评分6161我们刚刚开源了 Codex Security CLI：https://news.ycombinator.com/item?id=49089755
Microsoft 发布 MAI-Cyber-1-Flash，一款 137B 总参数（5B 活跃参数）、256k 上下文窗口的稀疏 MoE 网络安全模型，是 MAI-Code-1-Flash 的微调版本。
推荐理由：微软这个安全模型把漏洞挖掘系统推到95.95%，关键是90%任务由5B模型完成成本砍半，路由设计比模型本身更值得关注，做漏洞挖掘的可以马上跑起来试试。
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。
Kimi.ai@Kimi_Moonshot精选AI 评分7373推荐理由：从模型失败中反向定义原子感知，把视觉感知从推理里拆出来很聪明，开源数据和方法对做视觉评测的产品人很有参考价值。
SGLang 和 Miles 为月之暗面开源的 2.8T 参数模型 Kimi K3 提供发布当日支持，分别负责推理和 RL 训练。K3 采用 69 层 KDA 线性注意力与 24 层 MLA 交错的混合架构，在 SGLang 上单卡 batch-1 解码速度达约 113 tok/s，结合 DSpark 推测解码可达约 423 tok/s。
SGLang 在 issue #15194 中提出量化栈重构，将检查点解析、参数注册、权重加载、后处理与内核执行拆分为独立可复用组件。新架构以 Quant Config、Method、Scheme、Kernel 四层划分，使 AWQ、GPTQ、Compressed-Tensors 等检查点格式可共享同一后端内核，并支持 CUDA、Ascend NPU、CPU 等硬件独立演进。
Kimi.ai@Kimi_MoonshotAI 评分4040
Kimi.ai@Kimi_Moonshot精选AI 评分6969推荐理由：月之暗面开源了自家训练Kimi K3用的智能体环境，带快照和分叉，做agent训练的人可以直接上手抄作业，比看论文实在。
Kimi.ai@Kimi_MoonshotAI 评分4646Reactor 团队发布 Open Dreamer，在 JAX/Flax NNX 中完整复现 Dreamer 4 世界模型管线并公开训练配置。该实现包含一个基于 Transformer 的因果视频分词器（约 100 倍压缩）和一个 1.6B 参数的动态模型，并提供了 Minecraft 实时生成演示。
OpenSpace 通过 Skills、MCP 和 Lineage 元数据实现低成本的 AI 智能体自进化。教程演示了从环境配置、稀疏仓库克隆到实时任务执行的全流程，智能体在执行 payroll 计算任务后自动生成 FIX、DERIVED 和 CAPTURED 三类技能，并存入 SQLite 数据库。后续 warm-task 可复用已进化技能，降低重复调用成本。
吴恩达宣布开源桌面 AI 智能体 OpenWorker，基于 aisuite 库构建，支持 macOS 并即将推出 Windows 版。OpenWorker 不捆绑模型，用户可使用 GPT 5.6 Sol、Claude Fable、Gemini 3.6 及 Kimi、GLM、DeepSeek 等开源模型，并支持 Ollama 本地模型。该项目在 GitHub 上已获 3.7k Star。
Datalab 将 Marker 重写为三模式管道，推出 Marker 2。该版本在 olmOCR-bench 上取得 76.0 分，在单块 B200 上保持每秒 2.9 页的吞吐量，速度超过 MinerU 后端 5 倍以上，同时在准确率和速度上均优于 Docling。
Ant Ling@AntLingAGIAI 评分5959Congratulations to the Ling team @AntLingAGI on the release of Ling-3.0-flash! 🎉 A 124B MoE model activating just 5.1B parameters per token—with hybrid-linear attention and native 256K context—is an exciting contribution to production-scale agent systems. We also applaud the team’s announce-first, open-source-next release approach. Separating the announcement from the weight release lets the model team freeze the final checkpoint, configuration, tokenizer, and serving semantics, while giving open-source inference projects a stable window for correctness testing, performance tuning, Docker builds, and recipe validation. The community also gets a clear timeline instead of an ambiguous “coming soon.” This is not a step back from day-0 support—it is a more sustainable way to deliver day-0 support for the artifacts users will actually run. vLLM’s open-source support for Ling-3.0-flash is coming soon and will be available when the model weights are open-sourced. We hope more model vendors adopt this release pattern in the future! Congrats again—we can’t wait to see what the community builds! 🚀
Poolside 发布第三款编程模型 Laguna S 2.1，采用 MoE 架构，总参数 118B，每 token 仅激活 8B 参数，支持百万 token 上下文窗口与思考/非思考双模式。
蚂蚁 inclusionAI 开源自管多模型深度研究系统 PanelWise，多个研究 agent 独立检索撰写后经分析与合成生成最终结果。在 100 任务历史实验中，前沿组合得 73.68，超过当时记录的 OpenRouter Fusion 68.3；budget 组合得 66.42，成本约 $1.31/题，约为外部估计 $7/题的 19%。
推荐理由：其价值不在分数本身，而在公开了完整管线与实验中已知的协议差异，为复现和公平对比提供了可操作的起点。
Greg Brockman@gdbAI 评分4040Reintroducing Codex Security plugin! point it at a codebase or diff and it can build a threat model, map attack paths, validate findings, generate + test fixes, and export results to SARIF, GitHub, Jira or Linear. oh, and it all open source on github!!
小红书引擎架构团队在 OSDI 2026 发表论文，提出面向全闪存的高性能向量近似最近邻检索系统 HELMSMAN。该系统通过 ANNS 定制化存储栈、分层学习式搜索剪枝及 GPU 加速构建流水线，将向量检索服务迁移至 NVMe SSD 阵列。
推荐理由：在保持毫秒级在线延迟的前提下，将百亿向量检索从海量DRAM迁移到NVMe SSD阵列，为推荐与搜索系统提供了成本下降超90%的生产验证方案。
Rohan Paul@rohanpaul_aiAI 评分4141
First local agent to beat Hermes on benchmarks! ✦ runs Qwen, Gemma, Llama via llama.cpp ✦ stable-prefix caching keeps sessions cheap ✦ TurboQuant cuts the KV-cache 6.4× smaller ✦ 37 tasks solved vs Hermes' 31 on GAIA Level 1 Open source on macOS, Windows & Linux 👇
