Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe,整合转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe,支持 40 种语言转写、31 种语言与英语互译,并能在 13 种语言中识别说话人。
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe,支持 40 种语言转写、31 种语言与英语互译,并能在 13 种语言中识别说话人。
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe,把转写、说话人分离、翻译和音频问答合并到一个 checkpoint,支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注,可处理最长 1 小时录音并标注最多 8 位说话人。
推荐理由:原文给出多语言转写与说话人分离的榜单成绩,并附可复用的数据管线和微调配方,便于判断落地成本。
Cisco 开源了一款用于检测 AI 智能体在攻击活动中行为的工具。该工具面向 AI 智能体在入侵过程中留下的活动痕迹进行识别,目前已在 Hacker News 上引发讨论。
CleanSlate 发布开源 AI 工作台 1.2.0,把 Agent、项目对话、浏览器、终端和文件变更审查整合在基于 VS Code 的桌面环境中。其程序性记忆由 MuscleMemory 提供,只有最后一次代码修改后测试通过、再经两次独立通过检查和用户批准,任务步骤才会被记录为可复用技能,并可导出为 SKILL.md 供 Claude Code 或 Codex 使用。
Mole 作者用两个月把版本从 1.13 迭代到 1.18,新增 AI 工具清理与 System Data 清理,Windows 版于 10 月 14 日晚发布,GitHub 仓库星标突破 72.9K。
Cisco 开源 Project Quarry,一种用于描述和检测 AI 智能体行为的神经符号规则语言,同时开放评估引擎。规则可组合机器学习分类器、LLM 判官与确定性检查,覆盖单轮和多轮 LLM 对话、工具调用、MCP 交互与多模态输入,命中时返回具体步骤、字段和脱敏后的证据片段。
开发者 thomasunise 在 GitHub 开源 CaseCite,一个可自托管的法律研究平台,支持上传律所文档后做带引用的语义检索、合同审查与对比、基于最多四份文档的起草,以及 CourtListener 判例与法官分析。
Weir 发布一套凭据泄漏检测工具,通过植入假密钥并运行智能体自身流程,追踪密钥是否出现在 spans、日志、控制台输出、模型上下文或其他服务请求中,并给出泄漏、干净或不完整三种结论。
ReplySlip 是一个面向 AI 智能体的开源异步任务收件箱,发送方用 JSON Schema 约定答案格式,接收方即使不在会话中也会被 webhook 或本地 watcher 唤醒,返回结果不符合 schema 会被拒绝并回传错误列表。
Nuvrail 是一个位于 AI Agent 与真实邮件服务器之间的 IMAP/SMTP 代理,读操作直接放行,移动、删除、标记和发信等写操作先暂存,等用户在手机或浏览器上一键批准后才执行。
Polymathic AI、普林斯顿大学、USC ISI、NYU 和 Flatiron Institute 的研究者发布 FlashMap,用连续流映射替代离散扩散草稿器,一次前向传播草拟 16 个 token 的整块内容。
Hackerscad 发布代码优先的参数化 CAD,模型以代码定义,鼠标操作会写入可读代码,并支持 3MF、STL、STEP 导出。它同时提供 MCP 服务器和面向 AI 智能体的 skill,Claude、Codex 等智能体可据此建模、检查尺寸并在窗口中渲染结果。项目免费开源,支持 Linux、Windows 和 macOS。
CentOS 与 Rocky Linux 创始人 Gregory Kurtzer 用 GPT-5.6 Sol 驱动的 AI 智能体在 11 天内构建出独立内核 Ginux,可启动 Rocky Linux 10 并进入 systemd 的 multi-user.target。
AetherGrid 是一个开源分布式 AI 工作负载编排器,按资源需求与约束将任务匹配到计算节点,并管理排队、调度、运行、完成、失败、重试、取消的完整生命周期。
卡内基梅隆大学与 Browser Use 联合发布 Odysseys2 长任务网页智能体基准,包含 100 个真实网页长任务,每个任务按 8 到 12 项通过/失败检查评分。
SelfClaw 是一个自托管多模型 AI 对话系统,聚合 DeepSeek、NVIDIA、SiliconFlow、ZenMux、智谱、Kimi、MiMo、Mistral 等多家模型,并提供 OpenAI 兼容 API。
OpenMontage Drama Studio 发布,这是一个可自托管的 Web 工作室,把一句话创意经剧本、角色、场景、道具、分镜、配音、剪辑七个阶段做成短剧或产品短片。
作者开源 sandbox-conformance 项目,把 sandbox-runtime、nono、Codex、Deno、bubblewrap 和 OpenHands 公开测试套件中的断言整理成统一契约,v1.1 版本共 196 条,用于在同一套测试下比较各 AI 编码智能体沙箱。
OpenAI Codex 发布 0.166.0-alpha.5 版本,由 fcoury-oai 于 10 月 28 日打上 rust-v0.166.0-alpha.5 标签。该版本以 alpha 预发布形式提供,附带 2 个资源文件。
开源项目 ai-phone 发布一个在电脑上运行的 AI 电话智能体,支持接听和拨出电话,语音识别与合成在本地完成,语言模型可选本地 MLX 模型、Claude Code 或 Codex 订阅、OpenAI 兼容端点。
UC Berkeley Sky Computing Lab 开源了 LEANN 向量索引,它在查询时重算嵌入向量而不落盘保存,仓库基准中 6000 万 chunk 的维基百科索引从 201 GB 降到 6 GB。
OpenAI Codex 发布 rust-v0.166.0-alpha.4 预发布版本。该版本由 fcoury-oai 于 10 月 27 日打上标签,发布页面提供 2 个资源文件。
一个 CC0 1.0 的 GitHub 项目让 AI 智能体把 1888–1928 年《默里新英语词典》扫描件转录为公有领域文本,贡献者只需把 agent 指向仓库并遵循 AGENTS.md。
作者发布 CUDA++,可在 NVIDIA DGX Spark 的 GB10(sm_121)上把 GPU 程序直接编译成机器码并运行,构建和运行时不需要 CUDA toolkit、nvcc、PTX、libcuda 或 cuBLAS。
作者发布并开源 flightdeck,一个面向生产与编码智能体的自托管观测与控制面板,采用 Apache 2.0 许可。它把每次 LLM 调用、MCP 事件和工具调用实时汇入仪表盘,可按 flavor 设置 token 预算(80% 警告、90% 换更便宜模型、100% 阻断)、MCP 服务器允许或阻止规则,以及从面板下发停止指令和自定义指令。
Survival LLM 发布一款完全在本机运行、免费开源的应急 AI 助手与资料库,断网后仍可回答食物保存、烧伤处理、净水等问题,并列出每条答案引用的文章与高亮段落。
一款名为《Mac Packwala and the Curse of the Stale Cache》的点击式冒险游戏上线,玩家需在游戏中学习 Drupal AI 生态的 providers、automators、agents 和 MCP 等概念才能逃出孤岛。
中国研究团队开发的 Pinal 可直接接收自然语言提示来设计蛋白质,由 T2struct 把文本转成结构蓝图,再由 SAProt-T 生成氨基酸序列。测试中它按要求生成 5 万个类 GFP 荧光蛋白候选,筛选后仅 29 个进入实验,最终 1 个成功发出荧光。
Search2o 推出 agent server,通过 pip install search2o 即可使用,负责构建、发现和运行 AI 智能体的底层管道,开发者只需专注业务逻辑。
Pallavi Singla 用 30 条智能体式查询(GTM、保险、金融各 10 条,每条重复 3 次共 90 次调用)横向评测 You.com、Tavily、Exa、Parallel 四家搜索 API。
开源项目 SpecOps 发布,为 AI 编码助手加入一个结构化思考步骤,一条命令触发理解代码库、写需求与设计、按规格实现、验收四阶段工作流。规格以 git 跟踪的 markdown 文件保存,可跨会话恢复,并支持 Claude Code、Cursor、OpenAI Codex、GitHub Copilot 和 Google Antigravity 五个平台。
OpenAI Codex 发布 rust-v0.166.0-alpha.3 预发布版本,由 jif-oai 于 10 月 27 日打上标签。该版本以 rust-v0.166.0-alpha.3 为标签,附带 2 个资源文件。
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models,把文本、视觉、音频、omni 和决策模型统一到 2B 参数级的共享骨干上,全部开源权重并已在 Hugging Face 上线。
推荐理由:原文给出六个 2B 级模型的架构改动与基准对比,可据此判断端侧多模态专用模型的落地边界。
Ai2 发布研究 Old Ideas, Novel Problems,并公开基准、数据和代码,用于测试 LLM 新颖性判断器。研究基于 ICLR 2026 评审意见构建了 154 条高新颖性和 145 条低新颖性的人类想法池,另将 154 条人类想法与 LLM 生成想法配对。
Agent Referee 上线 Base 主网,为不同所有者的 AI 智能体提供中立的第三方仲裁,单次调用即可给出裁决并向双方签发可验证的签名回执。该服务按次通过 x402 以 USDC 付费,无需账户或 API key,加权仲裁每位智能体 $0.015,评审团仲裁可选 Claude Opus、GPT-6 Luna、Gemini 3.7 Flash 等跨公司模型。
QuickReview 发布自托管 AI 代码评审工具,把每个 PR 分发给十余个只读窄镜头并行检查,再由对抗校验器逐条复核后合并去重,只发一条评审。在 185 个真实 PR、520 个已核实缺陷的 AACR-Bench 上,GPT-6.1 Sol 版本找到 97% 高严重度、93% 中、84% 低严重度缺陷,其他六个评审工具在各档最好成绩为 90%、82%、52%。
Kechup 是一款面向 AI 智能体的命令行任务追踪器,把任务、认领、笔记和历史保存在项目文件夹与 git 中,让下一次智能体会话能读到上一次做了什么。它仅依赖 Python 3.12+ 和 git,无需服务器、数据库、账号、网络或 API key,每次写入即一次 git commit 并以 agent ID 作为作者。
Snippet 发布一款常驻终端的 AI 智能体,以单个 Rust 二进制同时提供终端界面和 serve 守护进程,配套 Android、macOS、Linux、Windows 应用可远程接管会话。
Salesforce 的 Deal Rescue Agent 让 Claude 撰写销售救援方案,但所有日期、金额、联系人和引用都须通过确定性 grounding gate 复核,编造内容会被拒绝并最多重试两次,最终失败即不发布任何内容。
AGBoss 发布 v0.1.0,这是一个基于 LangGraph 的开源 TypeScript 框架,用装饰器组件和构造函数依赖注入组装多智能体工作流,并通过 agboss check 在编译期做路径作用域静态校验。