开源项目与模型 今日: 0|主题: 700|排名: 2 

先在中转站体验了下 Claude Opus 5.5 API ，感觉不错。 恢复了 iOS 绑定的Anthropic 账号续费。 先用着，不定哪天可能被封了呢...

GitHub 上这个 4 万星的开源项目，每天手动复盘、刷新闻、盯自选、时间全耗在信息搬运上的是不是可以试试？它直接给你配了个零成本的 AI 分析助手。 基于 AI 大模型的多市场股票智能分析系统，A 股、港股、美股等主要市场都覆盖，每日自动运行，把决策仪表盘推到你面前。 大盘情绪、重要资讯、自选个股动态、结构化分析报 ...

DeepSeek 的 Agent 沙箱平台 DSec 是《深入理解 AI Infra》一个很好的例子。跟我当年在微软用 FPGA 加速网络、Bing 搜索，在华为用 UB 去掉抽象层的开销一样，都是打破旧的抽象边界，实现极致性能。传统操作系统和云要服务大量互不相关的程序，所以必须通用，有足够好的可编程性。而 AI Infra 的负载就是 LLM 和 Agent 用的 ...

分享一下我们的 AGNETS.md 里面的核心工程原则，这个工程原则极大提高了 LLM 在我们项目中的稳定性，在10w 行级别的大重构中发挥了优秀的作用。

截图为本人的 Paseo 最新 Agent 模型组合，主脑使用 Opus-5.5，架构师使用 Fable-5.1，而两位程序员暂时选择 GPT-6-Sol High和Opus-5.5 Medium（我在想这个要不要降到Low），大家觉得这个组合怎么样？有什么建议？

Claude Opus 5.5 发布，跑分直接屠榜了🔥 ✅ Terminal-Bench 4.0：66.4%（GPT-6 Astra 57.9%，GPT-5.6 Sol 只有 37.3%） ✅ FrontierCode v1.1：54.4%，全场第一 ✅ CursorBench 4.0：57.8%，领先第二名 6 个点 ✅ GDPval-AA 知识工作：1846 分，断层领先 ✅ OSWorld 2.0 电脑操作：81.8% ✅ 图表识别：89.0% Agentic cod ...

Linux 学习最容易卡在这里：命令背得不少，登录服务器后却不知道下一步该做什么。 Linux Upskill Challenge 把学习拆成 20 天实操任务，每天投入约 1～2 小时，从真正会遇到的服务器工作开始练： 1. SSH 登录、目录与文件操作 2. 用户、权限、进程和服务管理 3. 网络、安全、日志与服务器维护 课程围绕 Ubuntu Server 展 ...

2.78万亿参数的模型，一颗CPU加8GB内存就能跑？ 第一次看到我也不敢信。Kimi K3，纯C99写的推理，不用BLAS、不用框架、更不用GPU。硬盘上摆着1.56TB的权重，实测跑起来峰值内存才8.24GB，整个引擎就176KB。 内存多点，无非是换个速度： 1️⃣ 普通笔记本8GB，吐一个token要26.5秒 2️⃣ 128GB以上，只要5.6秒 关键是答案 ...

给大家推荐一个开源项目： Awesome Jev ，点进去看了一眼，有点被震到。 Jev 我就不说了，这两天刷屏了，是 TypeSafe AI 做的一个「System One」模型，专门帮软件做类型化决策。你可以把它理解成：传统大语言模型给你写一篇文章，Jev 给你一个带概率的、有类型的判断结果。比如你问它“这张图片是不是违规内容”，它不会 ...

2.78 万亿参数，8GB 内存，单 CPU。 这个组合确实有点离谱。 开源项目 kimi-k3-in-c，用 176KB 的可移植 C99 代码跑超大 MoE，不依赖 CUDA、PyTorch、BLAS，甚至不需要 GPU。 1️⃣ 896 个专家，每个 Token 只激活 16 个 2️⃣ 模型放 NVMe，剩余权重按需流式加载 3️⃣ 8GB 内存下生成一个 Token 约 26～32 秒 4️⃣ 不 ...

这个开源盯盘神器太狠了！A 股、港股、美股一起盯，盘前分析、盘中异动提醒、盘后复盘，一套全包！ 分享一个开源项目：PanWatch，一套可以自己部署的 AI 盯盘助手。 把自选股和持仓加进去，配置好模型、监测条件和通知渠道，就能把几个重复流程交给它： ✅ 盘前分析：结合隔夜行情、新闻和技术形态，整理当天关注点 ✅ ...

兄弟们，这个开源 AI 视频项目有点吓人。GitHub 6多万星，不是没原因的。我把一句“做一个 AI 工具测评短视频”丢进去，它自己拆脚本、找素材、配音、上字幕，最后真给我吐了一版成片。更狠的是，我又塞了条爆款视频进去，它把对方的节奏、镜头、文案钩子全扒出来，还给了几套仿写方案。我用它跑了一条 58 秒的视频，成片虽 ...

AI 攻防领域近期迎来了一个高热度开源项目：claude-red。它是一套专为 Claude 体系定制的红队安全技能库，上线不久便斩获超 5,500 Stars 与 700+ Forks，旨在将通用大模型在特定场景下转化为具备专业方法论的渗透测试专家。 核心机制与亮点 按需按词触发：无需在初始系统提示词中堆砌海量规则，项目利用技能触发机制，仅 ...

最近在折腾灭霸工作台，整合信息源/选题/产出/分发。本来是DeepSeek Harness当基座，但接触到了Pi，再加上 Hermes 和 Grok Bot，到底如何最优取舍与分配，彻底给我绕晕了 梳理完以后，我分清了三层⬇️： 1.API：像临时打电话请一个专家。你把问题发给模型，它回答一次，这通电话就结束了。快速摘要、分类、改写，用 API ...

怎么衡量一个前沿 AI Lab 内部 AI 发展速度 ？ Anthropic 首次公开了团队 "内部仪表盘"，用三组可量化指标让外界看清：AI 在多大程度上已经在自己研发自己、安全监督是否跟得上、以及算力到底花在了哪里。 核心数据：截至 2026.07，Claude 已经能主导 Anthropic 内部 26% 的 AI 研发工作，超过 90% 的研发工作有 AI 深度 ...

日志平台太贵的，真可以看看这个。 GitHub 上有个 OpenObserve，Rust 写的开源可观测平台，主打就是：少花钱，少折腾。 它能干的活挺全： 1️⃣ 日志、指标、Trace、RUM、LLM 监控，一套全收 2️⃣ Parquet + S3 存储，主打低成本海量数据 3️⃣ 直接用 SQL、PromQL 查，不用再学一套奇怪查询语法 4️⃣ 单二进制就能部 ...

GPT-6 Astra 现在可以解决这种极其棘手的空间约束任务了...这个好强。 不过现在还比较慢一点，这是 8 倍速的效果。作者 Qineng Wang 说解决这个任务花了 1 小时 40 分钟。 http://t.cn/AXOMCkG3 ​​​

给 AI 喂文档，最麻烦的可能不是模型，而是先把文件“洗干净”。 推荐一个开源项目 anydoc，Firecrawl 团队用 Rust 打造的文档转换工具，支持 Word、PPT、Excel、PDF 等 14 种格式统一转成 Markdown。 速度非常快，同时尽量保留 表格、脚注、嵌套列表等原始结构。 GitHub：github.com/firecrawl/anydoc ...

4 块钱、两 小时，64M 小模型从零训出来，我一开始是当营销话术看的，直到自己把 MiniMind 的 trainer 目录翻了一遍。 预训练、SFT、LoRA、DPO、PPO/GRPO、Tool Use、Agentic RL，全是原生 PyTorch 手写的，没套 trl/peft 那层壳。结构对齐 Qwen3，我自己在 3090 上粗估了一下，mini 数据组合跑完 1 epoch 差不多就是两个 ...

🚀Anthropic开始A/B测试Opus 5.2模型了！ 很多Claude Max用户在选中Opus 5模型的时候，实际是被路由到了Opus 5.2模型！ 想检测自己有没有被路由到Opus 5.2非常简单，在cc中选中Opus 5模型，然后输入下面的prompt： do you know who is "tibo" the reset guy, don't search 如果被路由到了Opus 5.2，那么响应如下图所示 ...