LangSmith 评测中的 Jev 判官：轨迹标注不是单一通过/失败，而是多维打分
LangSmith 评测中的 Jev 判官把轨迹标注拆成多个问题，难度和正确性各自得到带类型的答案，且在一次 pass 中、对每条 trace 完成。该框架认为轨迹标注需覆盖任务难度、方案正确性、设计选择多样性和思考方向等维度，规模化标注百万级 agent 及其子 agent 的 token 成本仍待大幅降低。
#开源生态
#开源生态
今日 21 条Harrison Chase(@hwchase17)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenRouter(@OpenRouterAI)AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Cloudflare Clef 决策模型上线 OpenRouter
Cloudflare 的 Clef（27B）和 Clef Flash（9B）两款开源决策模型已可在 OpenRouter 上使用。用户可输入文本、JSON 或图像，模型返回带概率的类型化答案而非生成文本。定价为 Clef 每百万输入 token $0.24、Clef Flash $0.09，输出免费。
OpenRouter(@OpenRouterAI)AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 StepFun 的 Step 5 Preview 上线 OpenRouter，输入 $1.00/M、输出 $2.70/M
StepFun 的 Step 5 Preview 已在 OpenRouter 上线，定价为输入 $1.00/M、输出 $2.70/M，发布期缓存命中价再打五折至 $0.05/M。发布方称该模型面向智能体与专业工作场景，并提供为期一周的免费访问，逐步覆盖 opencode、cline、NousResearch、kilocode 等平台。
掘金本周最热AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Spring AI Alibaba 半年未发正式版，是停更还是“换心脏”？Java AI 该如何选型
Spring AI Alibaba 最后一个正式版 v1.1.2.2 发布于 2026 年 3 月 10 日，此后半年无新正式版，但 main 分支仍有提交，8 月 25 日还有最新 commit，v1.1.2.2 之后共合并 137 个提交，以修复和测试为主。
创业邦AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 一大批00后当上游戏公司CEO：库兰织梦、超级鹦鹉等团队崛起
游戏行业出现一批00后CEO：2001年出生的库兰织梦吴同2026年5月完成数千万元Pre-A轮融资，公司估值达2亿元；19岁成为CEO的龚子浩创办超级鹦鹉，三年累计营收超3200万元、利润超800万元。AI提速与竞争加剧下，"懂年轻人"正成为游戏行业的重要能力，大厂也更多让接近年轻用户的团队参与决策。
Stack Overflow BlogAI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Python 实现模块化 Master-Agent 遥测诊断框架：Prime-Sentinel Command（PSC）
Prime-Sentinel Command（PSC）是一个用 Python 面向对象实现的 master-agent 架构，由中央编排器 PrimeProgram 协调多个自主边缘诊断节点 SentinelProgram，后者采集 CPU 负载、内存占用与网络状态并返回结构化遥测数据。
Simon Willison(@simonw)AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 微软开源跨平台沙箱库 MxC
微软发布开源跨平台沙箱库 MxC，支持 Windows、macOS 和 Linux，底层分别使用 processcontainer、bubblewrap 和 seatbelt。该项目被介绍为面向智能体的统一沙箱方案，在 Windows 上提供进程、会话、micro VM 以及与智能体 ID 的深度集成。代码托管于 github.com/microsoft/mxc。
The Rundown AI(@TheRundownAI)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 今日 AI 要闻：OpenAI 数学研究产出 700+ 论文，Mistral 发布开源模型 Le Chonk
OpenAI 数学领域的论文产出持续爆发，已达 700+ 篇。Mistral 的 Le Chonk 加入西方开源模型浪潮，同时 OpenAI 的 GPT-6 Astra 可帮用户比较网站。Brett Adcock 的 Hark 推出主动式 AI 助手。
meng shao(@shao__meng)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里「AI Native 研发范式实践手册」四点陈述：从写代码到可靠交付仍需解决大量技术问题
阿里在「AI Native 研发范式实践手册」结尾给出四点官方陈述：从写代码到可靠交付仍有较多技术问题待解，基础设施工程复杂度可能不亚于 Agent 应用层建设。企业知识资产尚未做到 Agent 友好，结构化、版本化、权限管理与质量治理仍有大量工作；组织设计影响更深远且更难有确定答案，AI 迭代速度还会持续冲击现有架构，需保持架构适应弹性。
meng shao(@shao__meng)AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯云开源自托管多智能体 AI 助手平台 Octop
腾讯云开源自托管多智能体 AI 助手平台 Octop，面向家庭和小团队，主打多用户、多智能体和数据完全留在本机。整个系统为单个 Python 进程，数据落在 ~/.octop/，默认 SQLite（WAL 模式）并可切换 PostgreSQL；模型层走 OpenAI 兼容 API，支持 DashScope、Ollama 与可替换的存储和渠道。
meng shao(@shao__meng)AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 T3 Stack 作者 theo 开源 Rust 版 TypeScript 编译器 tsc-rs
T3 Stack 作者 @theo 开源了 TypeScript 编译器、类型检查器和 LSP 的 Rust 完整移植 tsc-rs，它是微软官方 TypeScript 7（typescript-go，Go 原生版）的逐行为移植，锁定上游提交 typescript-go @673a5f17，采用 MIT 协议并保留上游 Apache-2.0 / BSD-3 声明。
向阳乔木(@vista8)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 yetone 的 magpie：可参考的 AI Agent 基建，支持多模型配置与 OAuth 登录
yetone 的 magpie 是一套 AI Agent 基建，支持各种模型配置和 OAuth 登录，开发 AI 工具时可把仓库发给 Agent 学习参考。其平台图标采用 lobehub 整理的 icon，添加服务商的操作也更直观。仓库地址为 github.com/yetone/magpie。
Aravind Srinivas(@AravSrinivas)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 开源 pplx-embed-v2-late 多向量嵌入模型，9B 与 0.6B 双版本
Perplexity 开源 pplx-embed-v2-late，包含 9B 和 0.6B 两个晚期交互多向量嵌入模型，用于检索文本、图像和页面，二者共享同一嵌入空间以支持跨模型查询。
美团技术团队AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 美团 LongCat 发布 MineExplorer：首个开放世界分钟级长程任务评测基准，18 款顶级多模态大模型集体"考砸"
美团 LongCat 团队构建 MineExplorer，首个在开放世界中做到分钟级长程任务的评测基准，包含 813 个人工验证实例（1-hop 到 4-hop），每个任务实例运行 1800 个环境步、对应 3 分钟连续交互。
美团技术团队AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 美团开源 LoHoSearch 搜索智能体评测基准，用知识图谱让机器自动出题
美团 LongCat 团队开源 LoHoSearch，一个基于覆盖 762 万维基百科实体知识图谱自动生成题目的搜索智能体评测基准，含 544 道经人工核验题目、覆盖 11 个领域。
orange.ai(@oran_ge)AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Orange AI 发布「播客转文章」skill，按话题重排逐字稿并保留数字原话
Orange AI 发布实用 skill「播客转文章」，解决录完 Next Token 播客后想转成文章的问题。作者称照录音直接整理像会议纪要，交给 AI 润色又会丢失数字和细节，于是改为按话题而非时间线重新梳理，并定下规则：数字和原话一条不砍，砍掉与本节无关的段子、顺带蹭的新闻和自家产品举例。作者表示实测阅读量和互动不错，用户反馈没有吐槽 AI 味，该 skill 以 MIT 协议免费开源。
lmarena.ai(@lmarena_ai)AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral Large 4 亮相：1T 参数、49B 激活，月底开放权重
Mistral AI 的 Mistral Large 4 是一个 1T 参数、49B 激活的模型，权重将于月底开放。
Jerry Liu(@jerryjliu0)AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LlamaIndex 团队推出 OpenDocRouter，用统一 API 接入 OCR 与前沿 VLM
Jerry Liu 发布 OpenDocRouter，一个面向文档解析的统一 API，可在同一接口和计费下对比并使用多种 OCR 模型，从 MinerU 等轻量开源模型到 Opus 5.5 等前沿 VLM。
国际大厂AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 TouchScale 发布 500 小时人类视觉-触觉数据集，机器人真机成功率翻番
德州农工大学、Google DeepMind、CMU 等 15 家机构联合发布 TouchScale，一个在统一传感器与采集流程下构建的 500 小时人类双手视觉-触觉数据集。
量子位AI 评估 · 59/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 59/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Sharpa 在 IROS 发布人形机器人 D01、灵巧手 W02 与外骨骼数据手套 AE01
Sharpa 在 IROS 发布首款全自研通用人形机器人 D01、新一代灵巧手 W02 和外骨骼触感数据手套 AE01。D01 电子皮肤覆盖全身、触觉覆盖上半身，触觉采样率 100Hz，重复定位精度 0.2mm；W02 主动自由度从上一代 W01 的 22 个减到 21 个，整手尺寸缩小约 30%。
向阳乔木(@vista8)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 多 agent 协作实测：不同性格 Bot 讨论拍板，做出 24 小时 AI 新闻播报电视台
一位开发者给不同性格和技能的多 agent Bot 开放了 GitHub、Cloudflare 和豆包播客 API，让它们自行讨论拍板，最终做出一个 24 小时播报 AI 新闻的电视台。作者称一直不看好 agent 协作，这次有点改观，并表示当天下午会将其开源。
量子位AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 星动纪元VPP2登顶RoboDojo仿真榜单并开源
星动纪元自研的世界动作模型VPP2登顶RoboDojo仿真榜单，平均成功率32.26%、平均得分39.26分，两项均列第一，领先GPT-6-Astra。该模型未额外加数据、未用Agent RSI等增强手段，仅靠标准数据集，在泛化、精细操作、记忆三个维度也拿下第一。团队将视频预测与动作学习分阶段训练，真机ALOHA零样本操作平均成功率58.5%，高于π0.5的40%，现已在GitHub开源。
AI Will(@FinanceYF5)AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Edge0 开源一个月：35B 模型在 iPhone 飞行模式运行，峰值内存 1.8GB
Edge0 团队开源一个月后，其 35B 模型已能在 iPhone 飞行模式下运行，峰值内存仅 1.8GB，无需云端、远程服务器，也没有按 token 计费成本。该模型已从手机扩展到耳机、智能眼镜、机器人和 AI 玩具，并获得 8 万+客户。转发者还发起讨论，期待 Edge0 接下来跑在哪种设备上。
meng shao(@shao__meng)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Matt Pocock 分享 AI Coding Agent 流程选择决策框架
Skills For Real Engineers 开源项目作者 Matt Pocock 分享了 AI Coding Agent 该用多重流程的决策框架：小改动不要用 /grill-with-docs。
投资融资AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 港大教授孔令鹏创立的 DiffuSpace 完成 dLLM 领域全球最大融资
港大教授孔令鹏创立的扩散语言模型公司 DiffuSpace 完成 dLLM 方向全球最大规模融资，高鹄资本担任交易方。其开源模型 Dream 7B 在 Hugging Face 累计下载量超过 250 万，今年内计划发布参数规模更大的新模型，并针对性适配代码 Agent 与智能推理等任务。
Fireworks AI(@FireworksAI_HQ)AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fireworks AI 活动：Natolambert 谈开放模型为何胜出
Fireworks AI 将于 11 月 3 日在旧金山举办 Forge 活动，Trillium Labs 联合创始人、Interconnects 作者 Natolambert 将发表演讲，主题是开放模型为何能胜出。
xAI(@xai)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 xAI 以 150 万美元 Grok tokens 支持 Omarchy 团队
xAI 成为 Omacom Foundation 的创始企业赞助方，向 Omarchy 的维护与开发提供价值 1,500,000 美元的 Grok tokens。Omacom Foundation 由 DHH 宣布这一赞助，并提到未来这些 tokens 或许会直接从轨道传送。
投资融资AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SpaceXAI 以 150 万美元 Grok tokens 支持争议 Linux 发行版 Omarchy
SpaceXAI 宣布以创始企业赞助方身份加入管理 Omarchy 的 Omacom Foundation，并向 David Heinemeier Hansson 的 Linux 项目捐赠价值 150 万美元的 Grok tokens，主要用于加速开发、代码审查和修复 bug。
SemiAnalysisAI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SemiAnalysis：北京不会为前沿AI放慢脚步，中国采取速度优先的安全监管
SemiAnalysis 统计 2021 年至 2026 年 9 月 15 日 9 家中国头部开发商的 857 个模型发布，仅 31 个（3.6%）附带开发者公布的安全评估结果，其中只有 9 个（1.1%）在发布时或之前公布。
Hugging Face(@huggingface)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Hugging Face 在 Paper Pages 推出论文复现功能
Hugging Face 在 Paper Pages 上线论文复现功能，可用 ML Intern 对已发表论文发起复现任务。Hugging Face 的 Abubakar Abid 指出，随着智能体在算力驱动下加速科研发现，发现被商品化、低质量论文泛滥、企业倾向于保密，开放共享科学的激励正在瓦解，因此需要新工具来奖励知识公开。
eric zakariasson(@ericzakariasson)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SpaceXAI 成为 Omacom 基金会创始企业赞助方，向 Omarchy 捐赠 150 万美元 Grok tokens
SpaceXAI 成为 Omacom 基金会创始企业赞助方，向 Omarchy 的维护与开发捐赠价值 1,500,000 美元的 Grok tokens。DHH 称这是对开源的支持，并调侃这些 tokens 或许很快就会从轨道直接传送过来。
技术前沿AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Goodfire 推出“由内而外”的 AI 智能体监控器，成本仅为传统方案零头
Goodfire 发布了一种“由内而外”的监控方案，直接读取 AI 模型工作时的内部激活信号，而非让第二个模型逐字审阅输出。在 Kimi K3 上测试约 1500 个会话，成本约 51 美元，而廉价模型逐步检查需 233 美元、顶级模型约 1 万美元；探针捕获了 94% 的恶意黑客会话，并将 8.7% 的无害会话送二审，同时运行四个探针给模型响应启动时间增加不到 2%。
Julien Chaumond(@julien_c)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Ecosia 放弃法国 AI 伙伴 Mistral，转向开源模型含中国模型
柏林搜索引擎 Ecosia 首席执行官向 POLITICO 表示，公司将放弃法国 AI 合作伙伴 Mistral，转而押注开源模型，其中包括来自中国的模型。Ecosia 被政府部门使用，此次调整意味着其 AI 合作方从 Mistral 转向开源路线。
clem 🤗(@ClementDelangue)AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Hugging Face 上可自制 Reachy Mini 舞蹈动作
Hugging Face Spaces 上线 pollen 的 Reachy Mini 舞蹈项目，用户可自己动手制作 Reachy Mini 的舞蹈动作。推文给出的链接指向 huggingface.co/spaces/pollen-… 页面。
GitHub(@github)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GitHub 播客：低质量贡献成开源维护者最大痛点，如何应对 AI slop
GitHub Tiny Wins 团队的 Camilla Moraes 做客最新一期 GitHub Podcast，讨论如何应对开源项目中的 AI slop 问题。节目还谈及倾听维护者诉求，以及如何决定下一步修复什么。完整内容可在 YouTube、播客平台或 gh.io/podcast 收听。
Arthur Mensch(@arthurmensch)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Ecosia 弃用 Mistral，转投中国开源模型
柏林搜索引擎 Ecosia 正放弃其法国 AI 合作伙伴 Mistral，转而押注开源模型，包括来自中国的模型。其 CEO 向 POLITICO 透露了这一消息，Ecosia 目前被政府服务部门使用。
PyTorch研习社AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Pi Agent Harness：一个比 OpenCode 更透明、更可控的 Coding Agent
Pi 是一个主打极简与可控的 Coding Agent Harness，GitHub 星标已超 99,000，创建者 Mario Zechner 因不满现有工具在幕后注入上下文而从头自建。
The JetBrains BlogAI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 JetBrains 发布 Mellum2.1：面向编码智能体的快速开源模型
JetBrains 发布开源模型 Mellum2.1，这是 6 月开源的 12B MoE 模型的新版本，架构未变，仍为 2.5B 激活参数、Apache 2.0 许可，改进集中在预训练之后的强化学习阶段。
向阳乔木(@vista8)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 姚金刚开源17套知识付费提示词，覆盖课程定位到运营
姚金刚开源17套知识付费提示词，源自其《课程营销学》一书，覆盖课程定位、课程设计、课程售卖和课程运营四大核心模块，供正在做课程的老师、知识创作者和教育产品团队直接使用。同时，其搭档透露接下来两个月将推进深圳GEO大会，并启动招商，已有GEO相关工具厂商、AI Agent产品和Token算力平台支持。
InfoQAI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OSS EU 圆桌：技术主权靠选择、技能与支持，而非 100% 自给
Open Source Summit Europe 圆桌讨论指出，欧洲组织实现技术主权不必回避全球技术供应商，但需要可信的替代方案和相应技能。