xAI 开源 Grok Build 编码 Agent 与 TUI
xAI 宣布开源 Grok Build 的编码 Agent 与 TUI，源码已发布在 GitHub。
推荐理由：源码公开了 agent loop、工具、TUI 和扩展系统的实现细节，还支持本地编译和接自有推理服务。
开源生态
全部主题开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
116条精选相关主题模型发布Hugging FaceAI 编码
最新精选
第 1–20 条 · 共 116 条xAI：News（网页）精选AI 评分7373 Berkeley RDI：Blog（AI 安全与评测）精选AI 评分7676 UC Berkeley 用 AI 智能体审计 13 个 AI 基准，发现 45 个满分作弊方案
UC Berkeley 团队构建了一个全自动 AI 智能体，审计 FrontierCS、Terminal-Bench、WebArena 等 13 个常用 AI 基准，确认了 45 个无需真正解题即可刷高或拿满分的作弊方案，全部附可运行的 PoC，覆盖 16 种攻击类型。
推荐理由：作者用自动化智能体实测了 13 个常用 AI 基准，找到 45 个可验证的作弊方案，并给出可落地的防作弊设计建议。
Prime Intellect（网页）精选AI 评分6565 Prime Intellect 发布 INTELLECT-1：首次全球分布式训练 10B 参数模型
Prime Intellect 启动 INTELLECT-1，称其为首个全球分布式训练的 10B 参数模型，基于 Llama-3 架构，使用超过 6 万亿 token 的数据混合（55% Fineweb-Edu、20% DLCM、20% Stack v2、5% OpenWebMath），并邀请任何人贡献算力。
推荐理由：原文给出INTELLECT-1的训练规模、数据配比和通信优化细节，读者可据此了解全球分布式训练10B模型的可行路径。
Prime Intellect（网页）精选AI 评分6767 Prime Intellect 发布全球分布式协作训练的 10B 模型 INTELLECT-1
Prime Intellect 发布 INTELLECT-1，一个在五大国家、三大洲用最多 112 张 H100 协作训练的 10B 参数语言模型，训练 1T tokens 历时 42 天，基于 Llama-3 架构。
推荐理由：原文给出分布式训练的关键数字与方法细节，读者可以了解社区协作训练大模型的可行路径。
Prime Intellect（网页）精选AI 评分6666 Prime Intellect 发布 INTELLECT-2：首个通过全球分布式强化学习训练的 32B 模型
Prime Intellect 发布 INTELLECT-2，称其为首个通过全球分布式强化学习训练的 32B 参数推理模型，在异步、异构的分布式算力网络上训练，性能较 QwQ-32B 在数学与编码基准上有提升。
推荐理由：官方发布首个通过全球分布式强化学习训练的 32B 推理模型，并开源训练框架、代码和数据，适合关注开源分布式训练路线的读者。
Prime Intellect（网页）精选AI 评分7171 Prime Intellect 发布 106B MoE 模型 INTELLECT-3 并开源完整训练配方
Prime Intellect 发布 INTELLECT-3，一个 106B 参数的 MoE 模型，在 GLM 4.5 Air 基座上经过 SFT 和大规模 RL 训练，在数学、代码、科学和推理基准上达到同规模最先进水平，超越许多更大的前沿模型，如 AIME24 90.8 分、AIME25 88.0 分、GPQA-Diamond 74.4 分。
推荐理由：原文同时放出模型权重、训练框架和全部环境，读者可以看到大规模 RL 后训练的完整可复用配方。
Prime Intellect（网页）精选AI 评分7070 Prime Intellect 发布 Lab 全栈后训练平台
Prime Intellect 发布 Lab，一个面向智能体后训练的全栈平台，将 Environments Hub 与 Hosted Training、Hosted Evaluations 整合，覆盖从大规模智能体 RL 到推理评估的完整流程。
推荐理由：原文给出了平台组成、已完成的训练规模和定价部署细节，读者可以据此判断它能否替代自建训练基础设施。
Prime Intellect（网页）精选AI 评分7676 Prime Intellect 发布开源自改进编码智能体 Prime Agent
Prime Intellect 发布开源编码智能体 Prime Agent，围绕 Recursive Language Model（RLM）和 Continual Harness 两个抽象设计，通过持久 IPython 内核以程序化方式调用工具和子智能体，并支持对提示词、技能、记忆和子智能体进行 CRUD 式自改进。
推荐理由：官方介绍了 RLM 与 Continual Harness 两个抽象和公开的评测数据，读者可以据此评估这个开源智能体运行时的适用场景。
MiniMax：Blog（网页）精选AI 评分7272 MiniMax 发布 M2.7：SWE-Pro 得分 56.22%，展示模型自进化工作流
MiniMax 发布 M2.7 模型，已在 MiniMax Agent 和 API 平台全面可用。该模型在 SWE-Pro 得分 56.22%（接近 Opus 4.6），VIBE-Pro 55.6%，Terminal Bench 2 57.0%，GDPval-AA ELO 1495 为开源模型最高，MM Claw 准确率 62.7%。
推荐理由：官方给出了各基准的具体分数和自进化工作流细节，读者可以据此与同档模型做直接比较。
LMSYS：Blog（Chatbot Arena 团队）精选AI 评分6262 SGLang 发布 dLLM 框架并 Day-0 支持 LLaDA 2.0
SGLang 团队与蚂蚁集团 DeepXPU 团队宣布在 SGLang 内实现 Diffusion LLM（dLLM）框架，并 Day-0 支持 LLaDA 2.0。
推荐理由：原文给出 SGLang 支持 Block Diffusion LLM 的实现思路和实测吞吐数据，读者可据此评估 dLLM 推理方案的可用性。
LMSYS：Blog（Chatbot Arena 团队）精选AI 评分6363 SGLang-Diffusion 发布两个月：速度较初版提升至 2.5 倍，新增 ComfyUI 集成与 LoRA 支持
LMSYS Chatbot Arena 团队复盘 SGLang-Diffusion 自 2025 年 11 月初发布两个月来的进展，当前版本（docker tag: lmsysorg/sglang:dev-pr-17247）比初版快最多 2.5 倍，在 NVIDIA GPU 上较其他方案最高快 5x。
推荐理由：官方复盘发布两个月来的优化成果，速度较初版提升至 2.5 倍，并新增 ComfyUI 集成和 LoRA 支持，读者可评估是否迁移现有图像视频生成工作流。
LMSYS：Blog（Chatbot Arena 团队）精选AI 评分6868 SGLang 与 Miles 发布对 DeepSeek-V4 的 Day-0 推理与 RL 训练支持
LMSYS 的 SGLang 与 Miles 团队宣布对 DeepSeek-V4（1.6T Pro、284B Flash）提供 Day-0 推理和 RL 训练支持，是首个在发布日同时服务与训练该模型的开源栈。
推荐理由：LMSYS 团队详述了为 DeepSeek-V4 混合稀疏注意力等新架构所做的推理与 RL 训练优化，附基准数据。
LMSYS：Blog（Chatbot Arena 团队）精选AI 评分7272 SGLang 和 Miles 实现 NVIDIA Nemotron 3 Ultra Day-0 支持
SGLang 和 Miles 宣布对 NVIDIA Nemotron 3 Ultra 提供 Day-0 支持。该模型为开源 MoE 混合 Transformer-Mamba 架构，总参数 550B、激活 55B，上下文最长 1M tokens，支持 NVFP4 与 BF16 权重，面向长程自主智能体优化。
推荐理由：原文给出架构、部署配置和 RL 训练细节，读者可以据此评估该模型在长程智能体场景的可用性。
LMSYS：Blog（Chatbot Arena 团队）精选AI 评分6363 SGLang 与 Miles 为 Qwen3.8-2.4T-A95B 提供 Day-0 支持
SGLang 团队宣布与 Qwen、阿里百炼、NVIDIA 和 AMD 合作，在 SGLang 和 Miles 中于发布当日支持 Qwen3.8-2.4T-A95B，这是千问最大的开源模型，总参数 2.4T、每 token 激活 95B。
推荐理由：原文给出 Qwen3.8 混合注意力架构的推理支撑细节和实测性能数字，读者可据此评估新模型在自建推理栈上的部署可行性。
Liquid AI 模型与工程博客（网页）精选AI 评分6565 Liquid AI 发布端侧基础模型 LFM2，含 0.35B、0.7B 和 1.2B 三个版本
Liquid AI 发布新一代 Liquid Foundation Models（LFM2），定位市场上最快的端侧生成式 AI 基础模型，采用混合架构，包含 10 个双门控短程卷积块和 6 个分组查询注意力块。
推荐理由：官方博客给出了 LFM2 的架构细节、CPU 推理对比和训练方法，读者可以据此评估它在端侧部署中的实际取舍。
Liquid AI 模型与工程博客（网页）精选AI 评分6767 Liquid AI 发布端侧 MoE 模型 LFM2-8B-A1B：8.3B 总参数、1.5B 激活
Liquid AI 发布 LFM2-8B-A1B，这是其首个端侧 MoE 模型，总参数 8.3B、每 token 激活 1.5B，以约 1.5B 级模型的计算量获得更高的模型质量。
推荐理由：官方详细给出 MoE 架构参数、多基准评测和 CPU/GPU 推理数据，读者可据此评估端侧部署的实际表现。
Liquid AI 模型与工程博客（网页）精选AI 评分6666 Liquid AI 发布 LFM2.5-8B-A1B 端侧 MoE 模型，128K 上下文主打工具调用
Liquid AI 发布 LFM2.5-8B-A1B 端侧 MoE 模型，上下文窗口从 32,768 扩展到 128K tokens，预训练从 12T 增至 38T tokens，词表翻倍到 128,000 以提升非拉丁文字的编码效率。
推荐理由：官方详细给出上下文、训练管线和实测基准，读者可以据此评估这款端侧 MoE 模型是否适合本地 Agent 工作流。
Fireworks AI（网页）精选AI 评分8383 Kimi K3 开源发布并上线 Fireworks：2.8T 参数、Day-0 推理与训练支持
月之暗面的 Kimi K3 以开源权重发布，共 2.8T 总参数、104B 激活参数、896 专家、1M 上下文，并在 Fireworks 上线 Day-0 推理与训练。
推荐理由：原文汇总了 K3 的参数规格、多项第三方基准成绩和与 Opus 5 的成本对比，读者可据此评估开源模型在自有工作流中的可行性。
Fireworks AI（网页）精选AI 评分6565 Meta Muse Glimmer 30B 上线 Fireworks，面向常驻 Agent 场景
Meta 发布 Muse Glimmer 30B 开源模型（Apache 2.0），并已在 Fireworks 提供 serverless 和按需部署。
推荐理由：原文给出 Muse Glimmer 的架构细节、基准对比和推荐参数，读者可据此评估它是否适合长期运行的多轮 Agent 工作流。
Trail of Bits：AI安全研究精选AI 评分7070 Trail of Bits 联合 OpenAI 发起 Patch the Planet，首周在 19 个开源项目提交 64 个 PR
Trail of Bits 与 OpenAI Daybreak 合作发起 Patch the Planet，用 GPT-5.5-Cyber 和 Codex 等前沿模型为关键开源项目找漏洞并完成修复。
推荐理由：原文给出第一周具体产出数字和维护者应对 AI 报告的方法，读者可以了解安全工作重心向修复端的转移。