阿里巴巴开源 AI 计算引擎 Ray
阿里巴巴在 GitHub 新建 alibaba/ray 仓库,将 Ray 定位为 AI 计算引擎,由核心分布式运行时和一组用于加速机器学习工作负载的 AI 库组成。该仓库为 fork,用于向上游提交 PR 贡献代码。
阿里巴巴在 GitHub 新建 alibaba/ray 仓库,将 Ray 定位为 AI 计算引擎,由核心分布式运行时和一组用于加速机器学习工作负载的 AI 库组成。该仓库为 fork,用于向上游提交 PR 贡献代码。
阿里巴巴开源 FlagTree,一个支持多种 AI 芯片后端的统一编译器,用于自定义深度学习算子。该仓库为贡献用 Fork,所有改动计划提交上游 PR。
Together AI 发布完全开源的视频翻译工具 Violin,基于 Together API 提供 Web 应用、CLI 和 Agent Skill 三种形态,代码以 MIT 协议开源。
NousResearch 在 GitHub 发布 agent-governance-toolkit 开源仓库,面向自主 AI 智能体提供策略执行、零信任身份、执行沙箱和可靠性工程能力。仓库说明覆盖 10/10 OWASP Agentic Top 10。
阿里巴巴在 GitHub 上线 skill-up,一个用于 Agent Skills 评估与进化的工具。该仓库定位为对 Agent 技能进行评测并推动其迭代演进,目前公开信息仅包含这一句功能描述。
OpenAI 在 GitHub 新建仓库 openai-realtime-meeting-assistant,演示如何把 Realtime API 用作会议助手来管理 Kanban Board。该仓库为示例项目,展示 Realtime API 在会议场景中驱动看板任务管理的用法。
阿里巴巴在 GitHub 上线 AILens,为 AI 提供全栈可观测性,首批支持端到端 RL 后训练,后续将扩展到 Agent 与推理引擎监控。
browser-use 发布开源仓库 bux,定位为全天候运行的 Claude Code 智能体,用于 Playwright 风格的浏览器自动化。它结合 Browser Use Cloud 和 Telegram,可在用户自己拥有的任意设备上运行真实浏览器。
QwenLM 发布 FlashQLA,一个基于 TileLang 构建的高性能线性注意力内核库。该库面向线性注意力算子提供内核实现,具体性能数据与可用性信息原文未披露。
阿里巴巴在 GitHub 发布 obz-cli,一个面向 metrics、logs、traces 的多后端可观测性 CLI,提供统一接口并适配 AI Agent 使用。该工具将多种可观测性数据源的查询整合到同一命令行界面中。
OpenAI 开源了 monitorability-evals 评估套件,该套件来自 Monitoring Monitorability 论文。
DeepSeek 在 GitHub 新建仓库 TileKernels,这是一个用 TileLang 编写的内核(kernel)库。仓库目前仅给出这一句说明,未披露支持的算子范围、性能数据或开源许可等细节。
Sierra 开源 μ-Bench,包含五种语言 locale、五家 provider、来自 250 段真实 8 kHz 电话录音的 4,270 条人工标注语料。
browser-use 在 GitHub 发布新仓库 browser-harness-js,定位为可自愈(self-healing)的浏览器 harness,用于让 LLM 完成任意任务。
阿里巴巴在 GitHub 发布 slime,一个面向 RL Scaling 的 LLM 后训练框架。该仓库为 fork 版本,用于贡献代码,所有改动均计划以 PR 形式提交上游。
browser-use 在 GitHub 发布新仓库 browser-use/browser-harness,定位为一个自愈式 harness,使 LLM 能够完成任意任务。材料仅含仓库简介,未提供更多功能细节。
阿里巴巴在 GitHub 新建 aiconfigurator 仓库,用于对分离式 Dynamo 图进行离线优化。该仓库为 fork 版本,所有改动计划以上游 PR 形式贡献回主项目。
阿里巴巴在 GitHub 发布 Harbor 框架,用于运行智能体评测以及创建和使用 RL 环境。该仓库为贡献用 fork,所有改动计划提交上游 PR。
阿里巴巴在 GitHub 上线 verl-recipe 仓库,提供一组基于 verl 的端到端强化学习训练示例。该仓库为 fork 版本,用于贡献代码,所有改动计划以 PR 形式提交至上游。
阿里巴巴在 GitHub 新建仓库 loongsuite-semantic-conventions-genai,用于定义 GenAI 的语义约定(Loongsuite GenAI Semantic Conventions)。该仓库归属 Loongsuite 项目,具体功能与可用性细节尚未在现有信息中披露。
蚂蚁 inclusionAI 在 GitHub 开源 cuLA,提供多种线性注意力变体的 CUDA 内核,使用 CuTe DSL 与 CUTLASS C++ 编写。该仓库目前仅披露技术栈,未公布支持的模型、性能数据或开源许可等细节。
Together AI 开源 Aurora,一个基于 RL 的推测解码框架,可从实时推理轨迹中持续学习并异步更新 draft 模型,在 Qwen3 和 Llama3 等模型上比静态 speculator 额外提速 1.25 倍。
OpenBMB 推出 OmniEvalKit,一个面向全模态大语言模型的评测框架,聚焦音频与音视频理解。基于该框架可快速复现 benchmark、接入自有模型或数据集,并与其他开源模型进行公平对比,MiniCPM-o 即使用该框架完成评测。
browser-use 在 GitHub 上线 chat-ui-example 仓库,这是一个使用 Browser Use v3 SDK 构建的 AI 聊天应用示例。该仓库为开发者提供了将 Browser Use v3 SDK 集成到聊天界面的参考实现。
Together AI 在首届 AI Native Conf 上发布七项研究与产品成果,覆盖 Kernels、强化学习与算法推理优化三个方向。
FireRedTeam 推出 FireRedVAD,一款工业级语音活动检测(VAD)与音频事件检测模型,支持 100+ 语言,性能超越 Silero-VAD、TEN-VAD、FunASR-VAD 和 WebRTC-VAD。该项目定位为 SOTA 工业级方案,具体参数规模与开源方式尚未披露。
OpenBMB 发布 ArcLight,一个轻量级 LLM 推理框架。该框架以轻量为主要定位,具体参数规模、性能数据与可用方式尚未在现有信息中披露。
OpenBMB 为 MiniCPM-o 4.5 推出官方全功能 Web Demo,基于 PyTorch 与 CUDA 实现。该 Demo 以独立仓库形式发布在 GitHub,提供 MiniCPM-o 4.5 的完整功能演示。
OpenBMB 推出 EdgeClaw,一个基于 OpenClaw 的边缘-云协同个人 AI 助手。该仓库由清华 NLP 团队开源,定位为端云协同架构的个人助理项目。
OpenBMB(清华 NLP)公开 MetaMem 代码仓库,对应其 ACL '26 Findings 论文《MetaMem: Evolving Meta-Memory for Knowledge Utilization through Self-Reflective Symbolic Optimization》。该方法通过自反思符号优化演化元记忆,以提升知识利用能力。
OpenBMB 发布 AgentCPM,一个用于训练和评测各类 LLM 智能体的端到端基础设施。该仓库同时覆盖智能体的训练与评测环节,具体功能、支持模型及可用方式尚未在现有信息中披露。
DeepSeek 在 GitHub 发布 LPLB,一个基于线性规划、面向 MoE 模型的专家并行负载均衡器,目前处于早期研究阶段。该仓库未披露参数规模、性能数据或具体可用形式。
OpenAI 开源 ChatKit advanced samples 仓库,收集多个场景驱动的 ChatKit 示例,每个示例由 FastAPI 后端与 Vite + React 前端组成,用 ChatKit Python SDK 实现自定义后端并接入 ChatKit.js。
OpenAI 在 GitHub 发布 openai-apps-sdk-examples 仓库,展示可与 Apps SDK 配合使用的示例 UI 组件,以及把组件作为工具暴露的多个 MCP 服务器,包括 Pizzaz、3D 太阳系、购物车和带 OAuth 认证的示例。
Answer.AI 开源 cachy 包,通过修改 httpx 的 send 方法把 LLM 响应缓存到本地文件,无需手写 mock。测试运行从 2 分钟缩短到约 2 秒,并让 CI/CD 测试和 notebook diff 更干净。
推荐理由:开源工具 cachy 通过拦截 httpx 缓存 LLM 响应,测试从 2 分钟降到约 2 秒,方法可直接迁移到自己的项目。
QwenLM 发布 Qwen3-ASR-Toolkit,这是 Qwen3-ASR API 的官方 Python 工具包,支持并行高吞吐调用、稳健的长音频转写和多采样率。该工具包面向需要批量调用 Qwen3-ASR 语音识别能力的开发者。
FireRedTeam 发布 FireRedChat,一套可完全自托管的全双工语音交互解决方案。该方案面向语音与多模态场景,支持用户自行部署运行,无需依赖外部服务。
上海人工智能实验室 InternLM 项目发布 AdaptiveGEMM,一种可适配不同 Group M 长度的 FP8 GEMM 实现。该工作针对分组矩阵乘法中 Group M 长度多变的情况做自适应处理,属于底层算子层面的优化。
上海人工智能实验室 InternLM 项目发布 GroupedGEMM,为 CUTLASS 和 CUBLAS 的分组 GEMM、Permute 与 Unpermute 提供 PyTorch 绑定。该库面向 MoE 等场景中的分组矩阵计算,可直接在 PyTorch 中调用上述算子。
FireRedTeam 推出 FireRedTTS2,一个面向多说话人对话生成的长音频流式 TTS 系统。该系统支持长音频流式合成,可用于多说话人对话场景。