Harness²：不改模型权重，让 AI 智能体通过外围组件自我进化
Google Research 开源智能体优化框架 Harness²。它在保持底层模型权重不变的前提下，通过双层递归机制自动调整提示词、工具指南等 8 个外围组件，能让 GLM-5 和 Gemini 3.5 Flash 的任务表现最高提升 11.5 分。代码已按 Apache 2.0 协议开源。
开源项目 · 日报
周五
10月9日 星期五
REA：把逆向工程接进 MCP，让 Agent 拆解二进制与 Electron
开源工具 REA 将逆向工程工具链接入 MCP 协议，支持 Claude Code、Cursor 等智能体。它能在本地分析原生二进制、Electron、APK 和固件等目标，且每条结论都附带汇编指令和调用链等证据支撑。逆向分析由此变成智能体的一次普通调用。
Open Intelligent UI 开源：把 ChatGPT 动态界面搬进自研应用
CopilotKit 开源 Open Intelligent UI，把类似 ChatGPT 的动态界面生成能力带入自研应用。Agent 可按需调用现有组件，或在隔离沙盒中流式生成交互图表与工具。最值得关注的是它支持接入任意模型和 AG-UI 协议，不用被 OpenAI 生态绑定。
周四
10月8日 星期四
Meta 开源 GenIA：输入单张照片或视频，直接重构完整 3D 物体
Meta 发布新系统 GenIA，能将普通图片或视频转换成完整 3D 模型。它基于 SAM 3D 改进，加入持续比对机制实时校准外观、位置与几何结构。最值得关注的是它无需重新训练大模型就能大幅提升还原度，代码已在非商业许可证下开源。
开源 AI 作曲工具 Tonefold：提示词生成 11 轨音乐，音符可逐个修改
开源 AI 作曲工具 Tonefold 发布，支持通过 Claude 或本地 Ollama 将文本提示生成和弦、旋律等 11 类分轨。与直接输出音频不同，它将音符写入内置钢琴卷帘供逐个修改，并能导出 MIDI 与分轨。软件自带合成器可直接试听，也提供 DAW 插件。
周三
10月7日 星期三
开发者用 Claude 搓出 7 款开源工具：纯 Rust 复刻 Adobe 全家桶
开发者 Brandon Thomas 借助 Claude Opus 5.5，用纯 Rust 从零复刻出对标 Photoshop 等 7 款 Adobe 核心软件的开源套件。应用支持全平台与网页端，主打免费和本地运行；尽管复杂 PSD 还原与插件功能仍存缺陷，但大幅拉低了专业创作软件的门槛。
Liquid AI 开源决策模型 d1-3B：端侧响应低至 50 毫秒
Liquid AI 开源多模态决策模型 d1-3B。该模型专为判断和分类任务设计，不生成文字，单次前向传播即可输出结构化结果。在 RTX 4090 上单次决策仅需 8 毫秒，在 Jetson Orin Nano 等端侧硬件上也只要 50 毫秒。
周二
10月6日 星期二
Musubi 开源 PolicyLM-1.7B：支持自定义规则，审核延迟低于 100 毫秒
Musubi 开源内容安全分类模型 PolicyLM-1.7B。它能在处理每条消息时动态读取自定义审核规则，无需重新微调模型即可即时生效；在 L4 GPU 上中位延迟仅 35 毫秒，采用 Apache 2.0 协议，适合实时聊天审核与 AI 应用安全护栏。
Google 开源 EmbeddingGemma 2：7.4 亿参数把全模态检索塞进手机
Google 发布开源多模态嵌入模型 EmbeddingGemma 2。该模型仅 7.4 亿参数，采用 Apache 2.0 协议，能将文本、代码、图像、音频和视频映射进统一向量空间。在 Pixel 11 Pro 上运行全模态仅需 567MB 内存，方便开发者直接在本地做完全离线的跨模态搜索与 RAG。
MSFlow 开源：打字生成人体动作，还能锁死任意关节位置
文本生成人体动作模型 MotionSpaceFlow 开源。模型大小约 1.1GB，可在消费级 GPU 上运行。最值得关注的是，它无需额外微调，即可在推理时固定任意关节在特定时间点的位置，让 AI 围绕这个限制自动生成动作。
周一
10月5日 星期一
Reflection AI 发布开源模型 Beam：501B 参数，推理消耗少 3 倍
Reflection AI 发布开源 MoE 模型 Beam，总参数 501B、激活 23B，专攻编程与智能体任务。它用 1.05 万块 GB300 强化学习训练，在编程基准上对标 GLM 5.2，但推理算力节省 3 至 4 倍。权重与技术报告将于本月晚些时候发布。
周日
10月4日 星期日
复旦与腾讯开源 Prism：原生 2K 音视频联合生成提速 2.5 倍
复旦大学、腾讯混元和浙江大学开源音视频生成框架 Prism，支持原生 2K 分辨率音视频联合生成。它通过动态稀疏注意力把算力集中在发声和画面快速变化区域，大幅减少冗余计算，训练速度提升 2.5 倍且声画更契合。目前已在 Hugging Face 释出预览权重与代码。
周五
10月2日 星期五
Meta 开源 Muse AI SDK：支持树莓派与 ESP32 自制专属 AI 硬件
Meta 开源 Muse AI SDK，允许开发者利用树莓派或 ESP32 等市售硬件，自制搭载 Muse AI 智能体的专属设备。官方列举了彩色墨水屏提醒器和微型触屏等玩法；此外 Meta 还限量赠送 5000 台自研的 Muse Home Link 智能家居中控。
16.9 MB 跑语音识别：Cactus 开源端侧模型 Whistle
Cactus Compute 发布端侧语音识别模型 Whistle，单个权重文件仅 16.9 MB。它无需 GPU 和额外依赖即可在 CPU 上运行，支持 7 种语言转录及词级时间戳，在多项基准测试中超越了 145 MB 的 Whisper base。
周四
10月1日 星期四
Strands 开源 Decider 2B：砍掉文本生成换来 115ms 极速决策
Strands 开源 2B 参数的决策模型 Decider 2B。它基于 Qwen3.5-2B 改造，移除了生成文本的模块，专用于在预设选项中做选择并给出置信度。在 RTX 3090 上中位数延迟仅 115 毫秒，适合本地 Agent 快速判断与拦截。
周二
9月29日 星期二
Terra 开源：模拟肌肉拉动骨骼，让 AI 人体走过复杂地形
AI 运动控制系统 Terra 正式开源。它不同于直接控制关节旋转的传统做法，而是模拟人体肌肉收缩拉动骨骼，基于 9 小时运动数据训练，能让虚拟人在斜坡、台阶等复杂地形上行走，并支持跳跃和翻滚。代码采用 Apache 2.0 协议开放。
英伟达开源 PixelUMM：不用 VAE，一个模型搞定图像视频理解与生成
NVIDIA 开源多模态模型 PixelUMM。它完全去掉了传统的 VAE 与视觉编码器，基于 Qwen3-8B 骨干网络，直接在原始像素空间同时完成图像与视频的理解和生成。最值得关注的是，单一架构通吃四项任务，大幅简化了多模态管线。
CopilotKit 开源 OpenDots：自带虚拟电脑的 AI 同事模板
CopilotKit 开源 OpenDots 智能体工作区模板。每个智能体配有隔离的虚拟电脑跑浏览器和代码，并支持打语音电话与 Slack 联动。最关键的是全套支持自托管与人工审批介入，把定制私人助理的控制权交还给开发者。
Raven 开源：用 Agent 管 Agent，4 天搓出完整 FPS 游戏
EverMind-AI 开源多智能体框架 Raven，主打管智能体的「harness of harnesses」机制。它充当总控调度研究、代码、设计等专项 Agent，还曾连续自主运行约 4 天完成 Godot 4 的 FPS 游戏及官网海报制作。最关键的是，它能在评测标准不可篡改的前提下自主迭代做事流程，让智能体真正跑通自我进化。
周一
9月28日 星期一
World Play 2 开源：可实时交互的世界生成器，离开再回来场景依然一致
开源交互式世界模型 World Play 2 公开代码。它支持在虚拟场景中实时漫游并与角色互动，关键突破在于将历史信息压缩保存到记忆中，长时间探索或离开重返后场景依然一致。团队还提供了 4 步推理的 Turbo 版本，完整未量化模型大小达 69GB。
InSpatio-World 1.5：一张图加运镜轨迹，生成 4D 漫游视频
InSpatio 开源 4D 世界模型 InSpatio-World 1.5。它支持输入单张图片、全景图或视频，通过预测新视角沿着指定镜头轨迹生成漫游画面，还能保留动作并制作「子弹时间」效果。模型体积不到 6GB，大多数消费级显卡即可运行。
视频蒸馏方法 PDMD 开源：MiniMax-H3 缩至 4 步出片，细节更稳
研究团队开源视频蒸馏方法 PDMD。它将 MiniMax-H3 原本需要 20 到 30 步的视频生成流程直接压缩至 4 步。最值得关注的是，它修正了评估器的错误指导，避免传统蒸馏中画面越练越糊的问题，运动表现和细节明显更优。
体积仅 164MB：开源语音识别模型 Phonon-2 登顶同量级榜单
Fermion Research 开源轻量级语音识别模型 Phonon-2。该模型仅 164MB，基于 NVIDIA Parakeet 优化，平均字错误率仅 5.21%，在 M5 MacBook Air 上转录 1 小时音频只需 20 秒，适合在本地端侧直接部署。
NVIDIA 发布智能体安全平台：软硬结合，毫秒级隔离越界行为
NVIDIA 发布 Open Agent Safety Platform。平台包含开源运行时软件 OpenShell 与基于 BlueField-4 DPU 的 Sentry 参考设计，能在智能体突破软件边界时在数毫秒内将其强行隔离。最值得关注的是，该方案将安全控制下沉至芯片层，目前已获 Anthropic、微软等上百家机构支持。
周六
9月26日 星期六
Strata 开源本地推理引擎：12GB 显存就能跑千亿参数模型
开源本地推理引擎 Strata 正式发布。它通过显卡显存、内存与固态硬盘协同分层调度，让 12GB 显存的普通电脑也能本地跑动 125B 的 Qwen3.8-Flash-Next 等大模型，并提供兼容 OpenAI 的本地接口。这意味着消费级硬件本地部署大模型的门槛被进一步打了下来。
周四
9月24日 星期四
Magpie：在菜单栏给 Claude Code 和 Codex 自由切换底层模型
开源工具 Magpie 上线。它通过本地网关把 Claude Code、Codex 等 Agent 的模型配置收进菜单栏，让它们能直接调用 DeepSeek、Kimi 等模型；额度耗尽时可自动切换账号，还支持在请求发出前自动脱敏密钥与隐私信息。
开源视觉决策模型 Valen：看图直接打分，做智能体「快反射」
Valen-Team 开源轻量多模态决策模型 Valen。它将 System One 决策思路扩展到视觉领域，基于 Qwen3.5 提供 0.8B、2B 和 4B 版本，输入图文或视频后直接对候选动作打分并输出概率，单步决策仅需百毫秒出头，专为智能体的高频反射场景设计。
周三
9月23日 星期三
开源模型 CLM-8B：System 1 快决策，延迟比 Jev 低 9 倍
研究团队开源了基于对比学习的 System 1 决策模型 CLM-8B。它将状态与动作解耦并独立缓存嵌入，在电脑操作与工具调用等任务上表现比肩 Jev，但推理延迟最高降低 9 倍；经轻量微调后，在 DeepSWE 等智能体编程验证基准上拿下 87.6% 的高分。
周一
9月21日 星期一
inclusionAI 开源 Ming Image 0.1：自带透明通道，还能把设计图拆成图层
inclusionAI 开源 6B 视觉设计模型系列 Ming-Image-0.1。它主打 UI 与海报设计，不仅支持生成带 Alpha 通道的透明素材，还能把扁平设计图直接拆解成多个独立透明图层。最值得关注的是，它让开源模型真正切入了可编辑的设计工作流。
SupraLabs 开源 Supra2-IMG：1 亿参数文生图模型，单卡 9 小时训完
SupraLabs 开源超小型文生图模型 Supra2-IMG，参数量仅约 1.04 亿，体积约 417MB。团队基于 560 万张合成图像，在一张单卡 H100 上仅耗时 9 小时完成训练，主打端侧与小型设备运行。不过受限于极小体量，目前生成分辨率为 256×256，画质相对有限。
Edge0 开源 Audio8-ASR-Infinite：显存恒定，中英文 7x24 小时流式转写
Edge0 开源流式语音识别模型 Audio8-ASR-Infinite。模型支持中英双语，转写延迟控制在 240 至 560 毫秒，借助循环滑动 KV 缓存让显存占用和延迟始终恒定，适合直播听写和实时交互。
阿里开源Qwen-Image-2.1：7B参数兼顾生图与编辑，原生支持透明通道
阿里巴巴开源图像模型Qwen-Image-2.1。其视觉生成部分仅7B参数，将文生图、图像编辑与原生透明通道生成合为一体，最多支持10张参考图合成。最值得关注的是能直接扣图输出带透明背景的RGBA图，极大简化了设计流程。
Google 开源 AX：像用 K8s 一样调度数百万个 AI Agent
Google 开源智能体编排运行时 AX。它全面贴合 Kubernetes 体验，通过声明式配置在集群内调度数百万个沙箱隔离的 Agent，支持断点暂停恢复与直接 ssh 现场排错，专门解决智能体失控死循环和状态隔离难题。目前仍处在早期开发阶段。
