AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：开源/仓库×
6月16日
20:46
6月12日
22:52
21:33
20:13
20:13shao__meng@shao__meng
73°
Kimi 开源了最新编码模型 K2.7-Code，基于 K2.6 针对编程 Agent 专项优化，重点提升长链路编码任务成功率并减少推理 token。在编码基准上全面进步，其中 Kimi Code Bench v2 提升 21.8%，MLS Bench Lite 提升 31.5%。Agent 方面，MCP Mark Verified 得分 81.1，超过 Opus 4.8 的 76.4，在多工具编排上具备竞争力。效率方面，推理 token 整体减少约 30%，Program Bench 的 token 消耗降低 42% 同时分数提升。模型支持强制 Thinking 模式、Preserve Thinking 和多模态输入，已在 Hugging Face 开源。
AI模型KimiK2.7-Code编码模型AgentMCP/工具开源/仓库
推荐理由：K2.7-Code 在 MCP 场景下超过 Opus 4.8，且推理 token 减少 30%，做编程 Agent 的团队可以直接用开源模型跑长任务，成本更低、成功率更高。
原文
13:08
12:57
12:52
12:52Artificial Analysis@ArtificialAnlys
精选
Ideogram 4.0 是 Ideogram 首个开放权重的模型，在开放权重文生图排行榜上位列第8。该模型支持 2K×2K 分辨率输出，具备强文本渲染、边界框布局控制和透明背景生成能力。它使用结构化 JSON 提示词来指定构图和场景元素，并通过提示词增强器将自然语言转换为结构化格式。在 API 方面，提供 Turbo、Default 和 Quality 三个档次，价格从每千张 30 美元到 100 美元不等。权重可免费下载用于评估和非商业用途，商业自托管需单独授权。
AI模型Ideogram 4.0开源/仓库文生图文本渲染布局控制
推荐理由：做图像生成或设计工具的开发者终于有了一个开源的高质量选择——Ideogram 4.0 的文本渲染和布局控制能力突出，且开放权重意味着可以本地部署和二次开发，值得关注。
原文
12:42
12:42
12:34
12:26
12:25
12:25Sakana AI@SakanaAILabs
精选
Sakana AI 宣布成立递归自我改进（RSI）实验室，专注于用 AI 重新设计 AI 开发流程。该实验室整合了多项突破性成果，包括 LLM² 自动优化偏好算法、Darwin Gödel Machine 自主重写代码库、ShinkaEvolve 高效程序进化等。团队认为递归自我改进可在适度算力下实现，不应被超大规模集群垄断。目前正在东京招募前沿科学家和工程师，以构建开放、自适应的集体自我改进架构。
AI产品Sakana AI递归自我改进AI 自动化东京实验室开源/仓库
推荐理由：Sakana AI 把自我改进 AI 从理论推向实践，整合了多项已验证的技术成果。做 AI 研究和开发的团队值得关注——他们正在探索一条不同于堆算力的路径，可能改变未来 AI 开发范式。
原文
12:22
12:19
12:10
12:09
12:08
12:05
12:05Allen AI (Ai2)@allen_ai
精选
Allen AI 宣布其机器人基础模型 MolmoAct 2 在不到一个月内被下载超过 40 万次。现在他们开源了完整的代码和训练数据，允许开发者进行微调或在此基础上构建。这标志着机器人领域的一个重要开放资源，降低了进入门槛。
AI模型机器人开源/仓库基础模型微调Allen AI
推荐理由：机器人开发者终于有了一个完全开源的基础模型可用，MolmoAct 2 的完整代码和数据让你可以直接微调或构建自己的机器人应用，值得立即尝试。
原文
12:02
12:02LMSYS Org (SGLang)@lmsysorg
精选
LMSYS 在博客中介绍了 Token-In-Token-Out (TITO) 技术，用于解决强化学习中推理与训练 token 不一致导致的策略偏移问题。TITO 通过确保训练器使用推理引擎产生的精确 token，使每个 token 保持在策略上，从而提升训练效率。该技术将每个任务视为一个样本而非每个回合，在 30-50 回合的轨迹上可节省约 10 倍计算量。Miles 框架通过推理会话服务器、追加式 token 缓冲区、可插拔 TITO tokenizer 和 TokenSeqComparator 等组件实现 TITO。该技术已支持 Qwen3、GLM、Kimi-K2、Nemotron、Minimax 和 DeepSeek 等模型系列。
论文强化学习TITOMilestoken 对齐开源/仓库
推荐理由：做 RL 训练或大模型推理的团队终于有了解决策略偏移的实用方案——TITO 让每个 token 都对齐，计算量还能省 10 倍，搞 Agent 训练的开发者值得点开看看。
原文
11:58
11:58
09:33
09:33shao__meng@shao__meng
Warp 团队提出 Spec 驱动开发 (SDD) 方法，通过产品规格 (PRODUCT.md) 和技术规格 (TECH.md) 将需求固化为可执行文档，作为 PR 的一部分提交和审查。该方法包含五个步骤：写产品规格、写技术规格、按规格实现、规格一致性校验、端到端验证。Warp 开源了三个 Skills（/write-product-spec、/write-tech-spec、/validate-changes-match-specs），可复用至任何 Agent 工作流，解决 Agent 因需求理解偏差导致的错误。核心在于把人的工程习惯（先 PRD、再设计、再实现、再验收）变成 Agent 可执行的流水线。
技巧Spec 驱动开发Agent 工作流Warp开源/仓库编程助手
推荐理由：做 AI 编程或 Agent 工作流的开发者，终于有了一个可落地的「需求→实现→校验」闭环方案，Warp 开源了三个 Skills 可以直接用，建议试试。
原文
04:12
04:12Richard Socher@RichardSocher
精选
Richard Socher 宣布其公司 Recursive 在递归自我改进超级智能（RSI）方向取得里程碑：一个自动化科学发现系统在三个 AI 基准测试（NanoGPT speedrun、NanoChat、Sol-ExecBench）上取得 SOTA 结果。该系统由 AI 自主生成代码和想法，无需人类团队发明，实现了从构思到验证的闭环。Recursive 已开源该系统的发现成果，强调其解决方案是创造性的、良性的，而非危险或简单的优化。这标志着向“尤里卡机器”迈出了第一步，未来可指向任意难题自动产出发明。
AI模型自动化科研RSI开源/仓库SOTARichard Socher
推荐理由：AI 自动化科研终于有了可复现的实例——Recursive 的系统自己写代码、跑实验、拿 SOTA，做 AI 研究的团队值得看看这种“AI 做 AI 研究”的范式是否可行。
原文
04:09
03:36
01:50
01:42
01:42Richard Socher@RichardSocher
精选
Recursive 公司宣布其自动化开放发现系统在三个 AI 任务上取得了最先进成果，包括 NanoGPT speedrun、NanoChat 和 NVIDIA 的 Sol-ExecBench。该系统旨在实现递归自我改进超级智能（RSI），通过自动化科学方法循环（构思、实现、验证）来扩展人类知识。所有代码和想法均由 AI 系统自身生成，而非人类团队。Recursive 已开源系统发现，强调其解决方案具有创造性和良性，而非危险或优化导向。这是迈向“尤里卡机器”的早期里程碑，但已展示出解决多种 AI 研究问题的能力。
AI模型递归自我改进AI 研究自动化开源/仓库NanoGPTSol-ExecBench
推荐理由：AI 研究自动化终于有了可验证的成果——Recursive 的系统在三个基准上跑赢 SOTA，做 AI 研究的团队可以直接看开源代码，感受下机器自己搞科研的潜力。
原文
01:38
01:38Geek@geekbb
一款基于 SwiftUI 构建的原生 macOS Markdown 阅读器发布，采用三栏布局（目录树、渲染视图、大纲导航），底层使用 cmark-gfm 和 WKWebView 进行渲染。它支持 Mermaid 图表、KaTeX 数学公式、PlantUML 流程图、Prism.js 代码高亮，内置 33 套主题，并提供 Quick Look 预览、PDF 导出和多语言功能。对于经常阅读或编写 Markdown 文档的 macOS 用户来说，这是一个功能全面且体验流畅的本地工具。
AI产品MarkdownmacOSSwiftUI开源/仓库文档工具
推荐理由：macOS 上终于有了一个原生且功能齐全的 Markdown 阅读器，支持 Mermaid 和 KaTeX 等扩展语法，做技术写作或文档维护的开发者可以直接下载使用，体验比浏览器插件更流畅。
原文
6月11日
22:46
20:52
16:35
16:35AI Will@FinanceYF5
shadcn 发布了一个名为 improve 的新工具，核心思路是让最强模型（如 GPT-4）负责智能决策和规划，而低成本模型负责具体执行。该工具可以在整个代码库或当前工作分支上运行，自动生成包含审计、调研、范围界定、执行、测试及终止条件的完整计划。这解决了大型代码库自动化重构中成本与质量平衡的痛点，让开发者能以更低成本获得高质量代码优化。项目已在 GitHub 开源，值得关注。
AI产品代码优化shadcn/improve开源/仓库智能体成本优化
推荐理由：做代码库重构或自动化优化的开发者，终于有了一个兼顾成本与质量的方案——用强模型定方向、弱模型干苦活，直接开源可试。
原文
15:28
15:23
15:07
11:25
11:25小互@imxiaohu
78°
Google 开源了 DiffusionGemma，一种基于扩散架构的语言模型，区别于逐词生成的 Transformer，它能一次性生成 256 个 tokens 的整块文本，再通过多轮迭代逐步优化。在 H100 上推理速度可达 1000+ tokens/s，RTX 5090 上 700+ tokens/s，26B 参数模型仅需 18GB 显存。其生成过程类似写草稿后反复修改，能自动修正前文错误，提升输出质量。这一开源模型为需要高吞吐、长文本生成的场景提供了新选择。
AI模型GoogleDiffusionGemma扩散模型开源/仓库文本生成
推荐理由：DiffusionGemma 解决了 Transformer 逐词生成速度慢、无法回头修改的痛点，做文本生成或长内容创作的开发者可以直接在消费级显卡上跑，体验 1000+ tokens/s 的生成速度。
原文
11:13
10:29
10:29shao__meng@shao__meng
小米团队基于OpenCode fork开发了MiMoCode，这是一款国产Coding Agent，在14天内由5人通过Vibe Coding方式完成。它保留了OpenCode的核心能力，并叠加了记忆、上下文管理、子智能体编排、Goal驱动自主循环、Compose工作流以及Dream/Distill自我进化机制。技术栈为TypeScript+Bun。MiMoCode内置MiMo Auto限时免费通道，支持小米MiMo平台OAuth、Claude Code认证迁移及任意OpenAI兼容API，是MiMo-V2.5系列模型的官方配套Harness，模型能力与框架深度耦合。该项目已开源在GitHub。
AI产品Coding Agent开源/仓库小米MiMoVibe Coding智能体编排
推荐理由：小米开源了深度耦合MiMo模型的Coding Agent，做AI编程工具或Agent开发的团队可以直接拿来用，还能体验自我进化机制，值得fork试试。
原文
09:22
09:17
09:17berryxia@berryxia
精选72°
开发者 Prince Canuma 在 Google 发布 DiffusionGemma 和 Cohere North Mini Code 当天，就将这两个模型移植到了 Mac 的 MLX 框架中，实现零等待本地运行。DiffusionGemma 采用新架构，可生成 256 token 整块，支持双向注意力和迭代自纠错，26B MoE 仅激活 3.8B，量化后 18GB 内存即可运行。North Mini Code 30B MoE 只需 3B 激活参数，BF16 下推理速度达 66 tok/s。这得益于与 Google DeepMind 和 Cohere 的深度合作，实现了 Day-0 支持。用户可通过 mlx-vlm v0.6.3 一键安装体验。
AI产品MLXDiffusionGemmaCohere North Mini Code本地推理开源/仓库
推荐理由：Mac 开发者终于能在本地跑最新大模型了，DiffusionGemma 和 North Mini Code 都支持 Day-0 运行，做本地 AI 实验的可以直接装来玩。
原文
08:04
08:04berryxia@berryxia
78°
小米开源了MiMo-Code，一个基于终端的AI编程助手，解决了AI在重启项目后失忆的痛点。它fork了OpenCode，增加了SQLite持久记忆、build/plan/compose三类子代理、自动checkpoint和智能上下文预算。支持跨会话记忆、Git操作、调试、TDD、代码审查和语音输入，零配置兼容任何OpenAI模型。一键curl安装，MIT协议，开发者可本地使用和修改，将AI从临时工具变为长期伙伴。
AI产品编程助手开源/仓库持久记忆自主子代理MiMo-Code
推荐理由：MiMo-Code用最朴实的终端+记忆+自治解决了AI编程助手“每次重启都失忆”的老毛病，做长期项目的开发者可以直接装来试试，让AI像老搭档一样记得住、自己长。
原文
06:50
06:50berryxia@berryxia
78°
Google 发布 DiffusionGemma，一种基于扩散模型的新型文本生成模型，速度可达 1000+ token/s，是传统自回归模型的 4 倍。它摒弃了逐词生成的方式，而是通过并行起草、纠错和精炼整段文本，实现高速生成。模型已以 Apache 2.0 协议开源，权重在 Hugging Face 上可获取，18GB 消费级显卡即可本地运行。该模型在代码、数学和复杂编辑任务上表现优异，支持实时补空、格式化和自我修复。这一发布可能颠覆文本生成的范式，从串行生成转向并行炼句。
AI模型扩散模型文本生成开源/仓库Google并行生成
推荐理由：DiffusionGemma 把文本生成速度拉到 4 倍，还彻底开源，做本地部署或加速日常 workflow 的开发者可以直接拖权重玩。
原文
06:19
06:14
05:16
03:18