Hashling 开源 Mac 安全智能体发布，可接入 Claude Code 等 MCP 代理
Hashling 发布开源 Mac 个人安全智能体，监控 Claude Code、Codex、Cursor 等 AI 代理的权限模式、MCP 服务器、hooks 和实时网络行为，并检查它们打开的项目文件夹是否夹带他人配置。
#开源/仓库
Hacker News AIAI 评分6060 Hacker News AIAI 评分4040 Show HN：给 AI 编程 runner 一个真实任务，看它一路做到合并
mcp4mail.online 上线了一个实时观察面板，可看到 Claude Code runner 在开源邮件项目 mcp4mail 上从接任务、提 PR 到测试、合并的全过程。40 天内两个 runner 共完成 179 个任务，运行在自有机器上且无主分支直接权限，工作日布拉格时间 8:00 至 18:00 工作。访客可挑选任务、邮箱确认后围观 AI 开发，站点每天部署一次。
Hacker News AIAI 评分5555 PoseForge 开源本地优先 AI 图像视频工作室，支持 Codex 与 ComfyUI
PoseForge 是一个本地优先的 AI 图像与视频工作室，用户上传身份照和姿势参考后，可生成同一人物在新姿势与构图下的图像，并对相机、灯光、风格和保真度进行控制。
Hacker News AIAI 评分4848 Spring AI Privacy Guardrails：为应用加上 PII 脱敏、工具授权与内容检查
Spring AI Privacy Guardrails 开源项目发布，可在请求到达模型前对检测到的 PII 做 token 化，仅向指定工具还原原始值，并在工具结果返回后再次保护。
Hacker News AIAI 评分6060 mcp-warden 发布本地凭证代理，让 AI 智能体调用工具时不接触密钥
mcp-warden 是一个面向 MCP 的本地凭证代理，智能体通过 proxy_http 等工具发起请求，由它在服务端注入密钥并只返回结果，密钥仅存于系统钥匙串。
Hacker News AIAI 评分5858 rfc-ai-tooling 发布 RFC 检索技能与 MCP 服务器，读取 token 中位数减少 41 倍
rfc-ai-tooling 提供两种让 AI 智能体访问 IETF RFC 语料的方式，一个 skill 和一个 MCP 服务器，二者共用同一套仅依赖标准库的 Python 核心。
MarkTechPostAI 评分5858 vLLM Semantic Router 发布 d3-ultra：27B 开源多模态决策模型
vLLM Semantic Router 团队发布 d3-ultra，一个 26.09B 参数、Apache-2.0 许可的多模态决策模型，不生成文本，而是对输入一次性读取后按 Choice、Yes/No、Score、Box、Track 等题型返回概率。
MarkTechPostAI 评分6969 百度开源 Unlimited OCR 2，支持数百页文档解析
百度开源 Unlimited OCR 2，这是一个 3.34B 参数的 OCR 模型，可在单次请求中解析数百页书籍、财报和报告，权重以 MIT 协议发布，代码在 GitHub。
Simon WillisonAI 评分3232 webframe 评测：作为抓取工具与沙箱表现如何
对 Jeff Lindsay 的 webframe 评测显示，这个基于 Go 和 glaze 库的轻量浏览器 JavaScript 运行器抓取性能与 shot-scraper 相当，但存在 CSP 失败、0×0 视口、加载挂起、缺少 HTTP 元数据和浏览器控制有限等明显问题。
Baseten BlogAI 评分5555 Baseten 发布 BDN Sealed Volumes，模型数据一次发布随处挂载
Baseten 发布 BDN Sealed Volumes，把只读模型数据发布为带 digest 的不可变版本，可在任意部署中挂载。用户可通过 baseten volume push 或 sync 从本地目录、Hugging Face、S3、GCS 等来源发布，部署在 config.yaml 中按 digest 固定版本，回滚只需改回旧 digest。
AWS Machine Learning BlogAI 评分3434 用 SageMaker SDK v3 在边缘实现车队级计算机视觉模型生命周期管理
AWS 基于 SageMaker Python SDK v3 更新了边缘视觉质检的 MLOps 方案，用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
The DecoderAI 评分7474 Nvidia 开源机器人视频标注引擎 Flora，称成本比 GPT-6 Astra 低 125 倍
Nvidia 开源数据引擎 Flora，用于机器人视频标注，称标注一小时视频约 0.72 美元，而 GPT-6 Astra 约 88.50 美元。Flora 由三个微调的 Qwen3.5 模型组成，覆盖动作分段、描述和奖励评分三类标注，已在 GR00T 模型训练中每天标注最多 20 万小时视频，模型已上线 Hugging Face。
The DecoderAI 评分7171 南京大学与商汤发布 OpenMobile-2 开源手机智能体
南京大学、商汤等机构的研究者发布 OpenMobile-2，基于 Qwen3.5 和 Qwen3.6 构建 9B 与 27B 两个手机智能体模型，并公开训练环境、数据和复现说明。
TechCrunch · AIAI 评分4040 英伟达 CEO 黄仁勋把玩的 Microduck 机器人预订单突破 2 万台
Hugging Face 的 Clem Delangue 称，英伟达 CEO 黄仁勋在 GTC Berlin 主题演讲中把玩 Microduck 机器人的视频走红后，该机器人预订单已超过 2 万台，预计赶在圣诞节前交付。
AWS Machine Learning BlogAI 评分2222 用 AWS CDK 编排 SageMaker AI 端点自动扩缩容
针对 SageMaker AI 实时端点更新配置时 CloudFormation/CDK 部署失败的问题，AWS 给出一个可复用 CDK construct，用三个自定义资源在端点更新前后自动注销并重新注册 Application Auto Scaling 扩缩目标，实现单次部署完成端点配置与扩缩参数更新。
AWS Machine Learning BlogAI 评分5858 AWS 团队总结多智能体系统上生产的 5 个挑战及 Deep Insight 的解法
AWS 解决方案架构团队开源了生产级多智能体系统 Deep Insight，并梳理多智能体上线的 5 个核心挑战：用 Strands Agents SDK 的 Graph 与 Agents-as-Tools 模式控制执行流。
TechCrunch · AIAI 评分7171 Recursive 发布笔记本端编码模型 Flint，称大部分由 AI 参与构建
AI 初创公司 Recursive 发布首个模型 Flint，这是一个可在笔记本上离线运行的免费编码模型，以 Apache 2.0 许可在 Hugging Face 开放下载。
Hugging Face BlogAI 评分5858 Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型及全球嵌入数据
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，为全球每 10 米像素生成 128 维向量，前 64 维可单独使用。在覆盖六大洲 27 项评测中，128 维版本在 20 项得分最高，64 维版本在 18 项领先，对比对象为 AlphaEarth Foundations 和 Tessera v2。
The DecoderAI 评分7373 Recursive 发布首个模型 Flint，由 Eureka Machine 参与研发
AI 初创公司 Recursive 发布首个语言模型 Flint，一款面向本地硬件智能体编码的 MoE 模型，总参数 40B、每 token 激活 2.5B，四个月内完成开发。
Hugging Face BlogAI 评分3838 IBM Granite 时序模型推出集成预测方案
IBM 为 Granite 时序模型推出 Timeseries Ensemble，将 PatchTST-FM-r1、PatchTST-FM-r2、FlowState-r1.1 和 TTM-r3 四个架构组合为统一预测接口，无需重训或拟合集成权重即可输出中位数与分位数预测。
NVIDIA BlogAI 评分4040 NVIDIA Earth-2 开放模型在欧洲落地：StormScope EU 与多行业天气预测应用
NVIDIA 在欧洲推出 Earth-2 开放模型家族的最新成员 StormScope EU，基于 EUMETSAT 卫星观测，以 10 分钟间隔预测 16 个 Meteosat 通道的云况演变。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Speech 5.0 系列：新增 2B 模型并更新 Turbo CTC 与 4.1 2B Plus
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
NVIDIA Blog精选AI 评分7373 NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算
NVIDIA 扩展开源模型家族，覆盖语言、机器人、生物与量子计算，包括 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo 与 Ising。
推荐理由：原文一次性列出语言、机器人、生物、量子多条开源模型线的能力与开放渠道，便于比较各行业可定制的模型选择。
Latent Space精选AI 评分8383 DeepSeek 开源推理栈 DeepInfer：单集群日均 155T tokens、每卡时收入 38 美元
DeepSeek 在 PyTorch Conf 首日开源生产推理栈 DeepInfer，官方工程报告称单集群日均处理 155T tokens、输入缓存命中率 96%、平均首 token 延迟 400ms、生成速度 230 tokens/s（编码场景 300 tokens/s），非高峰时段每加速器小时收入 38 美元。
推荐理由：原文把 DeepSeek 开源推理栈的生产数据、缓存机制与成本测算放在一起，并附上 vLLM 的对照复现结果，便于判断这套效率有多少可迁移。
Hugging Face Blog精选AI 评分6565 Hugging Face 接入 TorchTPU，Transformers 与 Diffusers 原生支持 TPU
Hugging Face 宣布 TorchTPU 作为 PyTorch 原生 TPU 后端接入其生态，Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行，不再需要 Optimum TPU。
推荐理由：原文给出安装命令与 Transformers、Diffusers 的接入方式，读者可据此判断 PyTorch 在 TPU 上的迁移成本。
Mistral AI精选AI 评分6767 Mistral 发布 Timestral 时间序列基础模型系列
Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M、209M 四种规模，最大模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准的预训练零样本模型中排名第一，参数量仅为此前 SOTA 的三分之二。
推荐理由：Mistral 首次进入时间序列基础模型，209M 参数在三个公开基准上排名第一，并给出 CPU 推理延迟与微调路径。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现 Harnessed Agentic RL，让部署时使用的智能体 harness 直接参与强化学习训练。
推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，并给出用 6000 条样本把 Qwen3.5-9B 在 SWE-bench Verified 上提升 14.6 个百分点的完整流程。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX 后端，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译成 MLX 优化策略，以及翻译层对性能提升的具体贡献。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到与 SPEX 相当的性能。
Berkeley AI ResearchAI 评分3434 伯克利提出信息驱动成像系统设计框架，登NeurIPS 2025
加州大学伯克利分校团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统信息含量，无需任务专用解码器。该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计能预测解码器性能，优化后的设计达到SOTA端到端方法水平，且内存和算力需求更低。相关论文发表于NeurIPS 2025。