Harness²：不改模型權重，讓 AI 智慧體通過外圍元件自我進化
Google Research 開源智慧體最佳化框架 Harness²。它在保持底層模型權重不變的前提下，通過雙層遞迴機制自動調整提示詞、工具指南等 8 個外圍元件，能讓 GLM-5 和 Gemini 3.5 Flash 的任務表現最高提升 11.5 分。程式碼已按 Apache 2.0 協議開源。
開源專案 · 日報
週五
10月9日 星期五
REA：把逆向工程接進 MCP，讓 Agent 拆解二進位制與 Electron
開源工具 REA 將逆向工程工具連結入 MCP 協議，支援 Claude Code、Cursor 等智慧體。它能在本地分析原生二進位制、Electron、APK 和韌體等目標，且每條結論都附帶彙編指令和呼叫鏈等證據支撐。逆向分析由此變成智慧體的一次普通呼叫。
Open Intelligent UI 開源：把 ChatGPT 動態介面搬進自研應用
CopilotKit 開源 Open Intelligent UI，把類似 ChatGPT 的動態介面生成能力帶入自研應用。Agent 可按需呼叫現有元件，或在隔離沙盒中流式生成互動圖表與工具。最值得關注的是它支援接入任意模型和 AG-UI 協議，不用被 OpenAI 生態繫結。
週四
10月8日 星期四
Meta 開源 GenIA：輸入單張照片或影片，直接重構完整 3D 物體
Meta 釋出新系統 GenIA，能將普通圖片或影片轉換成完整 3D 模型。它基於 SAM 3D 改進，加入持續比對機制即時校準外觀、位置與幾何結構。最值得關注的是它無需重新訓練大模型就能大幅提升還原度，程式碼已在非商業許可證下開源。
開源 AI 作曲工具 Tonefold：提示詞生成 11 軌音樂，音符可逐個修改
開源 AI 作曲工具 Tonefold 釋出，支援通過 Claude 或本地 Ollama 將文本提示生成和絃、旋律等 11 類分軌。與直接輸出音訊不同，它將音符寫入內建鋼琴捲簾供逐個修改，並能匯出 MIDI 與分軌。軟體自帶合成器可直接試聽，也提供 DAW 外掛。
週三
10月7日 星期三
開發者用 Claude 搓出 7 款開源工具：純 Rust 復刻 Adobe 全家桶
開發者 Brandon Thomas 藉助 Claude Opus 5.5，用純 Rust 從零復刻出對標 Photoshop 等 7 款 Adobe 核心軟體的開源套件。應用支援全平臺與網頁端，主打免費和本地執行；儘管複雜 PSD 還原與外掛功能仍存缺陷，但大幅拉低了專業創作軟體的門檻。
Liquid AI 開源決策模型 d1-3B：端側響應低至 50 毫秒
Liquid AI 開源多模態決策模型 d1-3B。該模型專為判斷和分類任務設計，不生成文字，單次前向傳播即可輸出結構化結果。在 RTX 4090 上單次決策僅需 8 毫秒，在 Jetson Orin Nano 等端側硬體上也只要 50 毫秒。
週二
10月6日 星期二
Musubi 開源 PolicyLM-1.7B：支援自定義規則，稽核延遲低於 100 毫秒
Musubi 開源內容安全分類模型 PolicyLM-1.7B。它能在處理每條訊息時動態讀取自定義稽核規則，無需重新微調模型即可即時生效；在 L4 GPU 上中位延遲僅 35 毫秒，採用 Apache 2.0 協議，適合即時聊天稽核與 AI 應用安全護欄。
Google 開源 EmbeddingGemma 2：7.4 億引數把全模態檢索塞進手機
Google 釋出開源多模態嵌入模型 EmbeddingGemma 2。該模型僅 7.4 億引數，採用 Apache 2.0 協議，能將文本、程式碼、影像、音訊和影片對映進統一向量空間。在 Pixel 11 Pro 上執行全模態僅需 567MB 記憶體，方便開發者直接在本地做完全離線的跨模態搜尋與 RAG。
MSFlow 開源：打字生成人體動作，還能鎖死任意關節位置
文本生成人體動作模型 MotionSpaceFlow 開源。模型大小約 1.1GB，可在消費級 GPU 上執行。最值得關注的是，它無需額外微調，即可在推理時固定任意關節在特定時間點的位置，讓 AI 圍繞這個限制自動生成動作。
週一
10月5日 星期一
Reflection AI 釋出開源模型 Beam：501B 引數，推理消耗少 3 倍
Reflection AI 釋出開源 MoE 模型 Beam，總引數 501B、啟用 23B，專攻程式設計與智慧體任務。它用 1.05 萬塊 GB300 強化學習訓練，在程式設計基準上對標 GLM 5.2，但推理算力節省 3 至 4 倍。權重與技術報告將於本月晚些時候釋出。
週日
10月4日 星期日
復旦與騰訊開源 Prism：原生 2K 音影片聯合生成提速 2.5 倍
復旦大學、騰訊混元和浙江大學開源音影片生成框架 Prism，支援原生 2K 解析度音影片聯合生成。它通過動態稀疏注意力把算力集中在發聲和畫面快速變化區域，大幅減少冗餘計算，訓練速度提升 2.5 倍且聲畫更契合。目前已在 Hugging Face 釋出預覽權重與程式碼。
週五
10月2日 星期五
Meta 開源 Muse AI SDK：支援樹莓派與 ESP32 自制專屬 AI 硬體
Meta 開源 Muse AI SDK，允許開發者利用樹莓派或 ESP32 等市售硬體，自制搭載 Muse AI 智慧體的專屬裝置。官方列舉了彩色墨水屏提醒器和微型觸屏等玩法；此外 Meta 還限量贈送 5000 臺自研的 Muse Home Link 智慧家居中控。
16.9 MB 跑語音識別：Cactus 開源端側模型 Whistle
Cactus Compute 釋出端側語音識別模型 Whistle，單個權重檔案僅 16.9 MB。它無需 GPU 和額外依賴即可在 CPU 上執行，支援 7 種語言轉錄及詞級時間戳，在多項基準測試中超越了 145 MB 的 Whisper base。
週四
10月1日 星期四
Strands 開源 Decider 2B：砍掉文本生成換來 115ms 極速決策
Strands 開源 2B 引數的決策模型 Decider 2B。它基於 Qwen3.5-2B 改造，移除了生成文本的模組，專用於在預設選項中做選擇並給出置信度。在 RTX 3090 上中位數延遲僅 115 毫秒，適合本地 Agent 快速判斷與攔截。
週二
9月29日 星期二
Terra 開源：模擬肌肉拉動骨骼，讓 AI 人體走過複雜地形
AI 運動控制系統 Terra 正式開源。它不同於直接控制關節旋轉的傳統做法，而是模擬人體肌肉收縮拉動骨骼，基於 9 小時運動資料訓練，能讓虛擬人在斜坡、臺階等複雜地形上行走，並支援跳躍和翻滾。程式碼採用 Apache 2.0 協議開放。
輝達開源 PixelUMM：不用 VAE，一個模型搞定影像影片理解與生成
NVIDIA 開源多模態模型 PixelUMM。它完全去掉了傳統的 VAE 與視覺編碼器，基於 Qwen3-8B 骨幹網路，直接在原始畫素空間同時完成影像與影片的理解和生成。最值得關注的是，單一架構通吃四項任務，大幅簡化了多模態管線。
CopilotKit 開源 OpenDots：自帶虛擬電腦的 AI 同事模板
CopilotKit 開源 OpenDots 智慧體工作區模板。每個智慧體配有隔離的虛擬電腦跑瀏覽器和程式碼，並支援打語音電話與 Slack 聯動。最關鍵的是全套支援自託管與人工審批介入，把定製私人助理的控制權交還給開發者。
Raven 開源：用 Agent 管 Agent，4 天搓出完整 FPS 遊戲
EverMind-AI 開源多智慧體框架 Raven，主打管智慧體的「harness of harnesses」機制。它充當總控排程研究、程式碼、設計等專項 Agent，還曾連續自主執行約 4 天完成 Godot 4 的 FPS 遊戲及官網海報製作。最關鍵的是，它能在評測標準不可篡改的前提下自主迭代做事流程，讓智慧體真正跑通自我進化。
週一
9月28日 星期一
World Play 2 開源：可即時互動的世界生成器，離開再回來場景依然一致
開源互動式世界模型 World Play 2 公開程式碼。它支援在虛擬場景中即時漫遊並與角色互動，關鍵突破在於將歷史資訊壓縮儲存到記憶中，長時間探索或離開重返後場景依然一致。團隊還提供了 4 步推理的 Turbo 版本，完整未量化模型大小達 69GB。
InSpatio-World 1.5：一張圖加運鏡軌跡，生成 4D 漫遊影片
InSpatio 開源 4D 世界模型 InSpatio-World 1.5。它支援輸入單張圖片、全景圖或影片，通過預測新視角沿著指定鏡頭軌跡生成漫遊畫面，還能保留動作並製作「子彈時間」效果。模型體積不到 6GB，大多數消費級顯示卡即可執行。
影片蒸餾方法 PDMD 開源：MiniMax-H3 縮至 4 步出片，細節更穩
研究團隊開源影片蒸餾方法 PDMD。它將 MiniMax-H3 原本需要 20 到 30 步的影片生成流程直接壓縮至 4 步。最值得關注的是，它修正了評估器的錯誤指導，避免傳統蒸餾中畫面越練越糊的問題，運動表現和細節明顯更優。
體積僅 164MB：開源語音識別模型 Phonon-2 登頂同量級榜單
Fermion Research 開源輕量級語音識別模型 Phonon-2。該模型僅 164MB，基於 NVIDIA Parakeet 最佳化，平均字錯誤率僅 5.21%，在 M5 MacBook Air 上轉錄 1 小時音訊只需 20 秒，適合在本地端側直接部署。
NVIDIA 釋出智慧體安全平臺：軟硬結合，毫秒級隔離越界行為
NVIDIA 釋出 Open Agent Safety Platform。平臺包含開源執行時軟體 OpenShell 與基於 BlueField-4 DPU 的 Sentry 參考設計，能在智慧體突破軟體邊界時在數毫秒內將其強行隔離。最值得關注的是，該方案將安全控制下沉至晶片層，目前已獲 Anthropic、微軟等上百家機構支援。
週六
9月26日 星期六
Strata 開源本地推理引擎：12GB 視訊記憶體就能跑千億引數模型
開源本地推理引擎 Strata 正式釋出。它通過顯示卡視訊記憶體、記憶體與固態硬碟協同分層排程，讓 12GB 視訊記憶體的普通電腦也能本地跑動 125B 的 Qwen3.8-Flash-Next 等大模型，並提供相容 OpenAI 的本地介面。這意味著消費級硬體本地部署大模型的門檻被進一步打了下來。
週四
9月24日 星期四
Magpie：在選單欄給 Claude Code 和 Codex 自由切換底層模型
開源工具 Magpie 上線。它通過本地閘道器把 Claude Code、Codex 等 Agent 的模型配置收進選單欄，讓它們能直接呼叫 DeepSeek、Kimi 等模型；額度耗盡時可自動切換賬號，還支援在請求發出前自動脫敏金鑰與隱私資訊。
開源視覺決策模型 Valen：看圖直接打分，做智慧體「快反射」
Valen-Team 開源輕量多模態決策模型 Valen。它將 System One 決策思路擴充套件到視覺領域，基於 Qwen3.5 提供 0.8B、2B 和 4B 版本，輸入圖文或影片後直接對候選動作打分並輸出機率，單步決策僅需百毫秒出頭，專為智慧體的高頻反射場景設計。
週三
9月23日 星期三
開源模型 CLM-8B：System 1 快決策，延遲比 Jev 低 9 倍
研究團隊開源了基於對比學習的 System 1 決策模型 CLM-8B。它將狀態與動作解耦並獨立快取嵌入，在電腦操作與工具呼叫等任務上表現比肩 Jev，但推理延遲最高降低 9 倍；經輕量微調後，在 DeepSWE 等智慧體程式設計驗證基準上拿下 87.6% 的高分。
週一
9月21日 星期一
inclusionAI 開源 Ming Image 0.1：自帶透明通道，還能把設計圖拆成圖層
inclusionAI 開源 6B 視覺設計模型系列 Ming-Image-0.1。它主打 UI 與海報設計，不僅支援生成帶 Alpha 通道的透明素材，還能把扁平設計圖直接拆解成多個獨立透明圖層。最值得關注的是，它讓開源模型真正切入了可編輯的設計工作流。
SupraLabs 開源 Supra2-IMG：1 億引數文生圖模型，單卡 9 小時訓完
SupraLabs 開源超小型文生圖模型 Supra2-IMG，引數量僅約 1.04 億，體積約 417MB。團隊基於 560 萬張合成影像，在一張單卡 H100 上僅耗時 9 小時完成訓練，主打端側與小型裝置執行。不過受限於極小體量，目前生成解析度為 256×256，畫質相對有限。
Edge0 開源 Audio8-ASR-Infinite：視訊記憶體恆定，中英文 7x24 小時流式轉寫
Edge0 開源流式語音識別模型 Audio8-ASR-Infinite。模型支援中英雙語，轉寫延遲控制在 240 至 560 毫秒，藉助迴圈滑動 KV 快取讓視訊記憶體佔用和延遲始終恆定，適合直播聽寫和即時互動。
阿里開源Qwen-Image-2.1：7B引數兼顧生圖與編輯，原生支援透明通道
阿里巴巴開源影像模型Qwen-Image-2.1。其視覺生成部分僅7B引數，將文生圖、影像編輯與原生透明通道生成合為一體，最多支援10張參考圖合成。最值得關注的是能直接扣圖輸出帶透明背景的RGBA圖，極大簡化了設計流程。
Google 開源 AX：像用 K8s 一樣排程數百萬個 AI Agent
Google 開源智慧體編排執行時 AX。它全面貼合 Kubernetes 體驗，通過宣告式配置在叢集內排程數百萬個沙箱隔離的 Agent，支援斷點暫停恢復與直接 ssh 現場排錯，專門解決智慧體失控死迴圈和狀態隔離難題。目前仍處在早期開發階段。
