2026年5月12日,Prime Intellect 开源了 renderers,一个独立的 Python 库,目标是让开发者完全控制强化学习与多轮推理中的对话格式化。该库把聊天模板变成可编程对象,支持将渲染消息暴露为 token id、把补全解析为结构化助手消息、为损失掩码归属 token,以及在不重新渲染模型采样历史的情况下扩展多轮 rollout。据其介绍,renderers 已用于 Prime Intellect 的 Lab 产品、verifiers 和 prime-rl,内置 Qwen3、Qwen3.5、GLM-4.5、GLM-5、MiniMax-M2、DeepSeek-V3、Kimi K2 / K2.5、Nemotron-3 和 GPT-OSS 的渲染器,并已在 PyPI 发布,代码托管于 github.com/PrimeIntellect-ai/renderers。
匹配字段摘要
2026年5月6日,xAI为Grok推出Connectors,在Grok网页版、iOS和Android版上线,把日常使用的应用直接接入Grok,支持读写邮件、幻灯片、日历和表格等操作。据xAI News公布,首批可用连接器包括SharePoint、Outlook、OneDrive、Google Workspace、Notion、GitHub和Linear,其中SharePoint的高级文档编辑由Grok 4.3驱动。同时推出Bring Your Own MCP,可接入任意自定义Model Context Protocol服务器,相关文档见docs.x.ai/grok/connectors。目前尚无后续发展事实。
匹配字段摘要
2025年8月19日,Cartesia发布语音代理开发平台Line。该平台采用代码优先设计,开发者可通过SDK、CLI和GitHub集成快速构建和部署语音代理。Line集成Sonic和Ink模型,提供低延迟、可扩展的基础设施,并支持企业本地部署和模型微调。
匹配字段摘要
2024年7月1日,Prime Intellect 宣布其聚合与调度全球 GPU 资源的平台 Prime Intellect Compute 全面公开,已接入 12 家云厂商,用户可即时按需获取最多 8 张 GPU,H100 按需价格为每小时 1.5 至 4 美元。官方称当前 H100 在不同供应商间价格从每小时 1.2 到 18 美元不等,高端 GPU 闲置率常达 20-50% 以上。平台后续计划支持 16-128+ GPU 的多节点集群、即时报价与可靠性数据。7月11日,Prime Intellect 开源 OpenDiLoCo,这是 DeepMind DiLoCo 低通信分布式训练方法的可复现实现,代码基于 Hivemind 与 PyTorch FSDP,已发布在 GitHub。团队在加拿大、芬兰和美国两地共四个 DiLoCo worker(各 8 张 H100)上训练 1.1B 参数模型,跨两大洲三国,计算利用率保持 90-95%,all-reduce 仅占训练时间 6.9%。相比原论文 400M 参数规模,该方法被扩展到 1.1B 参数,并验证伪梯度可用 FP16 all-r
匹配字段摘要
2026年4月19日,Browser Use 发布并开源了约600行的极简 agent harness(browser-harness)。据其联合创始人兼 CTO 介绍,该方案直接给模型原始 CDP 访问权限,harness 由 run.py(13行)、helpers.py(192行)、daemon.py(220行)和 SKILL.md 组成;工具缺失时智能体自行 grep helpers.py 补写函数并重跑,文中举例称智能体曾自行写出 upload_file()、改用分块上传绕过 CDP websocket 约10MB 的载荷上限,仓库地址为 github.com/browser-use/browser-harness。2026年4月25日,Browser Use 又发布 Browser Use Box(BUX),一台预装 Claude Code 和 Browser Harness 的 24/7 远程 VM,可通过 Telegram、网页或 SSH 控制,基于预烘焙 AMI 启动耗时30-60秒,运行在零 AWS 权限的受限 IAM 角色下,浏览器会话每240分钟轮换,架构已开源,
2026年4月19日,Browser Use 发布并开源了约600行的极简 agent harness(browser-harness)。据其联合创始人兼 CTO 介绍,该方案直接给模型原始 CDP 访问权限,harness 由 run.py(13行)、helpers.py(192行)、daemon.py(220行)和 SKILL.md 组成;工具缺失时智能体自行 grep helpers.py 补写函数并重跑,文中举例称智能体曾自行写出 upload file()、改用分块上传绕过 CDP websocket 约10MB 的载荷上限,仓库地址为 github.com/browser-use/browser-harness。2026年4月25日,Browser Use 又发布 Browser Use Box(BUX),一台预装 Claude Code 和 Browser Harness 的 24/7 远程 VM,可通过 Telegram、网页或 SSH 控制,基于预烘焙 AMI 启动耗时30-60秒,运行在零 AWS 权限的受限 IAM 角色下,浏览器会话每240分钟轮换,架构已开源,
匹配字段摘要
2026年3月3日,OpenHands 发布开源应用 Vulnerability Fixer。据 OpenHands 官方博客介绍,该工具用 AI 智能体自动完成 GitHub 仓库的漏洞扫描、分析与修复,并自动创建 Pull Request。它基于 Trivy 扫描,可上传 Snyk、Veracode、Checkmarx 等扫描器报告,支持 OpenHands Cloud 与本地 Docker 部署,代码以 MIT 协议开源。官方同时将其作为使用 OpenHands Cloud API 和 TypeScript SDK 构建智能体应用的参考实现,演示了会话管理、任务执行、实时更新与错误处理等模式。目前尚无后续发展事实。
匹配字段摘要
2026年1月21日,Cognition 发布 AI 代码审查工具 Devin Review。据 Cognition 模型 / Devin 博客介绍,该工具目前处于早期发布阶段并免费,支持任意公开或私有 GitHub PR。它会把逻辑相关的改动分组排序并逐块解释,扫描 diff 生成按严重程度分级的问题列表,还可将 diff 接入带完整代码库理解的内联 Ask Devin 会话。Cognition 称客户反馈代码审查而非代码生成已成为交付瓶颈。目前该工具处于早期发布阶段,尚无后续有合格事实证据的发展。
匹配字段摘要
2025年4月3日,Cognition 发布 Devin 2.0,为 Devin 提供智能体原生的 IDE 体验,并推出 20 美元起的新套餐。用户可并行启动多个 Devin,每个都配有可交互的云端 IDE,还能在 IDE 内用 Cmd+I、Cmd+K 等快捷键审查和修改代码。同时上线 Interactive Planning、Devin Search 和 Devin Wiki 三项功能,其中 Devin Wiki 每隔几小时自动索引仓库并生成架构图与文档。2025年5月5日,Cognition 发布 DeepWiki,这是 Devin Wiki 和 Devin Search 的免费公开版本,用于帮助开发者快速理解复杂代码库;使用时把仓库 URL 中的 github.com 替换为 deepwiki.com 即可访问对应仓库的 DeepWiki 页面。
匹配字段摘要
2024年11月4日,OpenHands 发布官方托管版 All Hands Online Beta,用户可在 app.all-hands.dev 上直接使用其 AI 软件开发智能体,无需本地部署。官方称该智能体在 SWE-Bench Verified 上解决超过 50% 的真实 GitHub issue。托管版重新设计了界面,并新增 GitHub 集成,可自动克隆仓库并向智能体提供 GitHub token 以推送改动和创建 PR;为支持多用户,团队重构了线程与异步逻辑,并取消在内存中保存应用状态。该版本目前逐步放量,已邀请核心开源维护者,预计 2025 年初完全开放。
匹配字段摘要
2026年4月3日,Cloudflare发布EmDash 0.1,这是用TypeScript而非PHP重写的WordPress CMS,基于其今年1月收购的Astro框架,以MIT许可在GitHub开源。项目内置MCP服务器和Agent Skills配置文件,用于借助智能体转换WordPress主题和插件,插件运行在沙箱中并带权限定义,默认使用Passkeys认证。其迁移工具目前只能导入内容,主题和插件仍需重新编码。
匹配字段摘要
2025年12月11日,微软更新 Visual Studio Code,引入 Agent HQ 与多项智能体编码功能。据 DevClass 报道,此次更新包含 10 项智能体功能,例如聊天关闭后智能体继续运行、会话从本地迁移到云端、自定义后台智能体、运行自定义子智能体以及组织内共享智能体。更新还提供 TypeScript 7 的实验性开关,需安装并配置 TypeScript Go 后用于 TypeScript 和 JavaScript 语言功能。此外,提供本地 AI 补全的 IntelliCode 扩展被弃用,AI 辅助补全改由 GitHub Copilot 承担,Copilot 每月提供 2000 次免费补全,超出后需订阅。目前尚无后续发展事实。
匹配字段摘要
2025 年 7 月 30 日,Ollama 发布 macOS 和 Windows 版新应用,提供下载模型并直接对话的图形界面。据 Ollama Blog 介绍,新应用支持拖放文件,可对文本或 PDF 进行推理;处理大文档时可在设置中提高上下文长度,但会占用更多内存。应用还基于新的多模态引擎支持向 Gemma 3 等模型发送图片,并能处理代码文件。纯 CLI 版本仍可在 Ollama 的 GitHub releases 页面单独下载。目前尚无后续发展事实。
匹配字段摘要
豆包工作上线录制回放（record & replay）功能，可把电脑操作过程录下来交给 AI 生成步骤说明并复刻，类似简化版 RPA。相比 Codex 同类能力，它额外支持边操作边讲解，最长录制 30 分钟，处理时优先转换音频。作者实测用它做跨平台内容采集、公众号排版发布等任务，并指出执行中若占用同一窗口任务会主动暂停，同时打开多个网页则不受影响。
调组件搭工作流，就是把你操作电脑的过程录制下来交给 AI，AI 自己去写步骤说明，自己在下一次复刻同款操作。 更骚的是，比起 codex，豆包工作还追加一个讲解功能，最长可以录制 30 分钟。我可以边操作边讲，告诉它我这步为什么这样选，这样就不需要死记硬背鼠标轨迹，我也不需要一次性完美录制成功，使用压力降低了很多。 我先尝试控制 Grok Bot 自动收集 Github 项目更新来试试水， 录制好的 Skill 执行过程中，跟 Codex 的 Computer Use 不同的是，中间如果我要用对应的这个窗口的话，它是会主动断掉的。 拿我在 Codex 上的经验说。经常会遇到我开了一个对话，那个对话要用我的浏览器，但我同时又想开另一个对话，两边就冲突了。操作软件的时候特别明显，浏览器其实还好，可以通过其他 Skill 绕开。 我说具体一些。 比方说我要用 Codex 操控 Grok，同样的环境给我出个日报。但因为我同时在录视频，或者在跟另一个 Agent 对话，它弹出来的页面就会打断我。我不断最小化 gpt 不断重试，很多时候就是因为反复切界面导致操作失败。 所以暂停和重试这两种机制，我
匹配字段正文
Google 于 2026 年 10 月 22 日宣布开源 Elephant-Goldfish Model（EGM）插件，用负责与用户对话并撰写设计文档的 Elephant 和在不继承对话历史的情况下独立验证文档的 Goldfish 相配合，找出规格中的模糊与遗漏。该插件先在 Google 内部为软件工程师开发，据称已有数千名员工日常用它开发生产代码，仓库采用 Apache 2.0 许可。10 月 27 日发布首个带标签版本 v0.1.0，共含 7 个技能，README 给出 Antigravity、Claude Code、Codex 的安装方法，但发布说明称各运行环境的验证尚未完成，尚不能称为稳定版。
验证文档的AI相结合，以找出规格中的模糊之处和遗漏。 Introducing the Elephant-Goldfish Model plugin: scaling design-driven AI software development - Google Open Source Blog google/elephant-goldfish-model - GitHub 该插件是在Google内部为软件工程师开发的。据该公司称，数千名员工每天都在使用该插件开发Google的生产代码。公开仓库中包含可自定义的Markdown规则、评审用子代理的角色设定、评审步骤等。许可证为Apache 2.0。 Elephant推进设计，Goldfish验证设计文档 Google指出，AI在加快编写代码速度的同时，也会加速生成缺陷和低质量代码。此外，还提到了在与AI的会话中此前的上下文会丢失的问题。EGM旨在让人能够理解系统构成和设计理由，因此在编写代码之前先与AI敲定设计，并将相关判断记录在文档中。官方博客称，让AI从第一次起就生成符合意图的代码，是该手法的目标。 根据官方博客引用的Google的Da
匹配字段正文
逐际动力开源的具身智能工程底座 FluxVLA Engine 于 10 月 22 日完成重要更新，技术报告显示其已把 OpenVLA、π0.5、DiT4DiT、GR00T 等异构策略纳入同一套数据、训练、评测与部署流程。在英伟达 AGX Orin 64GB 上，GR00T 推理频率从 3.2Hz 提升到 7.4Hz，π0.5 从 1.4Hz 提升到 4.4Hz；配合 RTC 和轨迹后处理三步机制衔接真机执行。在线 RL 方面，SmolVLA 在 LIBERO-10 上成功率从 66.2% 升至 76.2%，在 RoboTwin Clean 的 10 个任务上从 45.9% 升至 61.3%。
人本体之间，数据结构、动作语义、接口的差异客观存在，谁也抹不掉。FluxVLA 用标准接口和模块化设计，把这些差异集中到可检查、可适配的环节——组合出问题的时候，能让人知道具体出在哪里。在工程可靠性上，这种让问题暴露出来的姿态，比假装一切都兼容更有价值。作为一家具身智能主机厂，逐际动力在本体、算法研发和真机运行中踩过的坑、验证过的流程，本可以当作护城河，服务于自身产品，但他们选择将一线经验转化为开放的标准化工程底座，以企业级资源为外部开发者、算法团队和其他机器人平台提供了使用与协作的更多可能性。当然，这并不意味着开源项目已经自然形成了成熟的行业生态。真正的生态还需要外部团队持续使用、贡献适配、反馈问题，并在不同场景中验证其价值。但开放的接口与可复用的工具，至少为这样的协作提供了基础。FluxVLA Engine 代码仓库：https://github.com/FluxVLA/FluxVLA 技术报告：https://arxiv.org/abs/2609.17210Hugging Face：https://huggingface.co/limxdynamics/FluxVLAEngine
匹配字段正文
MiniMax 于 10 月 28 日以 MIT 协议开源 MCode Stack，包含其团队构建 MiniMax Code 所用的 17 个 SKILL.md 技能和 5 份清单，不含 MiniMax Code 源码。技能按规划拆分、上下文与工具、长会话与命令、评审、实验与热修分组，其中 independent-review 只向评审者提供 diff、需求和测试结果。可通过复制技能目录、本地插件或插件市场安装到 MiniMax Code，也能在 Claude Code 中用 /plugin marketplace add MiniMax-AI/mcode-stack 安装；原文未公布评测结果。
团队开源的 Agent 技能仓库。MiniMax Code 是 MiniMax 的开源终端编码 Agent，同样采用 MIT 许可证。该技术栈不包含任何 MiniMax Code 源代码，只包含工作流、技能和清单。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 该仓库与一个名为 MCode Engineering Notes 的专栏配套。每篇笔记解释一个理念，仓库则让该理念可运行。已发布的笔记涵盖子 Agent、工具上下文、压缩与记忆的对比以及长 bash 命令。一篇关于每轮上下文税的笔记标记为即将发布。 Ronny 的技术栈里有哪些技能？ MiniMax 的技术栈包含 15 个技能，按工作日中的时机分组： 规划与拆分（3 个）：subagent-split-check、engineering-small-prs、engineering-change-descriptions。 上下文与工具（2 个）：tool-budget-audit、context-tax-
匹配字段正文
AssemblyAI 发布首款文本转语音模型 AssemblyAI-TTS-1 并正式开放，面向实时电话语音智能体，定价为每 100 万字符 15 美元，不设年度合同和并发档位。该模型仅以托管 API 形式在 us-east-1 和 eu-north-1 提供，支持 HTTP、WebSocket 和 OpenAI 兼容接口，内置 4000 多种音色、即时声音克隆和 6 种语言。厂商自测显示实体准确率 93.7%、首字节中位延迟 47 ms，但 Cekura 独立基准测得流式延迟 159 ms、朗读准确率 81.5%，且发布时尚不支持 SSML、语速控制和情感标签。
音频训练，包括真实对话数据。大多数 TTS 模型将音频表示为离散 token。AssemblyAI 表示，TTS-1 改为基于连续音频表示运行。AssemblyAI 声称这提升了真实感并缩短了首个语音音频的生成时间。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 此次发布包含 4,000 多种音色的库和即时声音克隆。克隆需要一段简短录音并确认说话者许可。发布博文中的克隆使用了 24 秒音频。发布时支持六种语言：英语、西班牙语、法语、德语、意大利语和葡萄牙语。 开发者如何集成 AssemblyAI-TTS-1？ 共有 3 种接口：HTTP API、WebSocket API 和 OpenAI 兼容路由。WebSocket 会话为每个对话保持一个连接，并接受取消消息以支持打断。输出为单声道 PCM、mu-law 或 A-law，采样率 8 kHz 至 48 kHz。24 kHz PCM 是原生格式；电话技术栈可直接请求 8 kHz mu-law。包含词级时间戳。Ass
匹配字段正文
Infini-AI-Lab 发布开源框架 Hermit，通过训练外部 harness 适配器来适配 AI 智能体，模型与 harness 保持冻结，v0.1.0 于 2026 年 10 月 25 日发布。框架为 Python 实现、Apache-2.0 许可，可用 pip install hermit-harness 安装，内置 GEPA、SkillOpt、MetaWorld Model、Harness² 和 Continual Harness 五种演化方法。在 GLM 5.3 Flash 上，MWM 适配器在 CL-Bench 数据库探索任务达到 0.795 准确率，高于 in-context 基线的 0.580，但多数结果为单次运行的自报数据。
次运行、自报数据。 什么是 harness 适配器？ harness 适配器是一种可训练的外部 harness。它像一个内置训练支持的插件。模型适配器（如 LoRA）适配模型。harness 适配器则适配现有智能体。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上 Star→赞助 适配器可以承载指令、技能、记忆、工具、可执行代码和智能体协调逻辑。它甚至可以是一个完整的仓库。其规范说明了哪些部分可学习，以及更新如何被检查。基础模型和 harness 永不改变。 团队给出了这一设计的 3 个理由。许多 harness 是闭源的。编辑开源 harness 可能破坏精心调校的组件交互。而学习到的适配器可以在兼容的模型和 harness 之间迁移。 Hermit 如何训练适配器？ Hermit 使用 RL 风格的训练循环。Trainer 使用当前适配器让执行智能体运行一批任务。Judge 对输出评分。Evolver 读取轨迹和反馈，然后提出新的适配器。Trainer 对照模板检查它，并
匹配字段正文
Prime Intellect 发布 Prime Mega MoE，在 DeepSeek 开源 DeepGEMM 库的 Mega MoE 内核基础上补上了融合且重叠的反向传播，使其可用于训练而非仅推理。在 prime-rl 训练器中，Qwen3 MoE 模型的完整训练步比基线快 32% 至 34%，比 TorchTitan 快 48% 至 55%；单层前向最高提速 3.11 倍（12.0 ms 降至 3.9 ms），但 Qwen3-235B-A22B 的反向仅提速 1.24 倍。该内核支持 BF16、Blackwell 上的 MXFP8 和 Hopper 上的 blockwise FP8，以 Apache 2.0 随 prime-rl 发布，通过 mega_moe 分发后端启用。
Mega MoE？ Prime Mega MoE 是 Prime Intellect 推出的用于训练的融合、重叠 MoE 内核。它构建在 DeepSeek 开源 DeepGEMM 库中的 Mega MoE 内核之上。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 为什么 MoE 训练受通信限制？ 在 MoE 模型中，每个 token 被发送到一小部分专家。这些专家位于不同的 GPU 上。因此每一层都会发送 token、运行专家计算，然后发送结果回来。这在前向传播中发生一次，在反向传播中再次发生。 在标准设置中，这些是相互独立的操作。GPU 先对 token 排序，并等待传输层。然后进行计算，交回结果，再次等待。这些等待就是 GPU 的空闲时间。 融合内核是如何工作的？ DeepSeek 的 Mega MoE 于 2026 年 4 月加入 DeepGEMM，用一次内核调用取代了这条链路。它融合了专家并行分发、2 个专家线性层、SwiGLU 和合并。当一组 token
匹配字段正文
Anthropic 开源 sandbox-runtime（srt），以 OS 级隔离限制进程可访问的文件和网络主机，无需启动容器，npm 包 @anthropic-ai/sandbox-runtime v0.0.81 采用 Apache-2.0 许可，要求 Node.js 22.12+。macOS 使用 Seatbelt，Linux 依赖 bubblewrap、socat 和 ripgrep，Windows 支持处于 alpha 阶段。Anthropic 称内部 Claude Code 使用中权限提示减少 84%，该数字为自报数据；网络默认拒绝，流量经主机侧代理按域名白名单放行。
和网络限制。通过 npm install -g @anthropic-ai/sandbox-runtime 安装，然后在命令前加上 srt 即可使用。它既可作为 CLI 使用，也可作为 TypeScript 库使用。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 sandbox-runtime 在 macOS、Linux 和 Windows 上如何工作？ srt 使用各操作系统自身的隔离原语。其限制覆盖整个进程树，包括脚本和子进程。 macOS：使用 sandbox-exec 和动态生成的 Seatbelt 配置文件。仅需 ripgrep。 Linux：使用移除了网络命名空间的 bubblewrap。还需要 socat 和 ripgrep。 Windows（alpha）：使用专用的 srt-sandbox 账户、Windows 筛选平台出站防护以及显式文件 ACL。 流量仅通过运行在主机上的 HTTP 和 SOCKS5 代理离开。在 Linux 上，这些代理位于绑
匹配字段正文