岛刊社 · 专题

开源

开源模型、开源工具和开放权重：能用到什么程度，代价在哪里。

82 篇全部专题

回到小岛 →

2026-10-28

做设计 Agent，模型不是最难的：先把“好看”做成验收

LangChain 把内部设计 Agent 开源后，最值得抄的不是“一句 Slack 消息出图”，而是把品牌、运行环境、协作反馈和验收规则一起做进系统。
2026-10-23

428B 权重开了：想本地跑 MiniMax，显存账怎么算？

MiniMax M3.1 Flash 开放权重后，真正该算的不只是一张显卡：总权重、长上下文、服务框架与 Agent 验收，缺一层都不是“下载完就能跑”。
2026-10-21

自己部署 DeepSeek：DeepInfer 开源后，真正要补的是服务层

DeepInfer 把 DeepSeek-V4.1-Flash 的推理引擎拿了出来，但线上服务最费功夫的缓存、拆分调度和流量均衡仍要自己接。本文给出判断迁移范围的三道门。
2026-10-17

给 Agent 换开源模型：816B Muse Spark Open 的三条接入路

Meta 放出了 816B 的 Muse Spark Open。开放权重不等于一台笔记本就能跑：从托管 API 到 1TB 本地部署，先按数据边界、成本和上下文规模选路。
2026-10-17

给 AI 跑代码，别把生产机当沙盒

Agent 能调用终端之后，难题不再是能不能跑，而是凭据、文件、网络和回滚谁来兜底。Perplexity 开源 SPACE，刚好把这条边界摆到了台面上。
2026-10-14

去 AI 味的 Skill，我拿自己的公众号稿子试了试

一个号称基于 283 万字语料的开源项目，让我回头检查了自己的稿子。改了几句，也删掉了写作规则里那些要求硬凑生活感、禁用标点的规定。
2026-10-09

生产 Agent 返回 200 也会出错，AQuA 怎样给出证据

Google 开源 AQuA，用生产轨迹、版本化源码和独立验证，把看似正常的 Agent 失败变成能复现、能分派、能回归检查的问题。
2026-10-06

做产品页别急着交付，7,489 星流程会追问这 6 类问题

一个开源 UI 复查工作流，把交付前最容易被一句「看着不错」放过去的问题拆成六个可核验的领域。它不替你设计页面，却能把审美争论拉回用户影响、证据和最便宜的修复。
2026-10-06

Claude Code 内建的四样，这个开源 agent 一样都没放

子 agent、MCP、权限弹窗、规划模式，pi 一样都没放进内核，却能用三个回调把它们拼出来。Pi系列收官篇，拆它的整体骨架和不做清单，附五个问题，帮你判断自己的 agent 该不该这么做。
2026-10-03

agent 改坏了五个文件想回退？pi 把会话存成了一棵树

聊天记录一定是一条直线吗？开源的 pi 只靠每条记录多存一个 parentId，就让会话能随时分叉、随时回到过去，旧路一个字不动。附 JSONL 格式、分支摘要和上下文拼装的源码拆解。
2026-10-01

上下文压缩提示词怎么写？pi 这套六栏模板直接拿去用

agent 聊到两百轮，上下文窗口迟早塞满。开源的 pi 不扔旧对话，而是让模型按固定六栏写摘要，第二次压缩还在旧摘要上更新。完整提示词、触发阈值和切点规则都在这，自己写 agent 可以直接抄。
2026-09-30

DeepSeek 开源昇腾组件，迁移前先补齐这 6 个依赖

DeepSeek 把昇腾上的语言、算子和通信组件都开了源。真正值得团队拿走的，不是一次模型启动记录，而是一张把运行时拆开验收的迁移清单。
2026-09-30

拆开一个 11 万 star 的开源编程 agent，心脏只有 78 行

每天在终端里转圈干活的编程 agent，核心到底长什么样？开源的 pi 把它写成了 78 行，连你中途插嘴该塞在哪一刻都安排好了。附源码拆解，想自己写 agent 的可以照着这副骨架来。
2026-09-22

开源 Agent 模型，别只盯跑分，MiMo 把训练环境摊开了

小米 MiMo-V2.6 不只放出了模型权重，还放出 7,000 多个 RL 任务环境、训练链路与可组合 harness。做 Agent 的团队能从中带走什么，又该先验哪几层？
2026-09-21

抠图、改图、换背景，这个 7B 开源模型想收进一条链路

Qwen-Image-2.1 把透明图、局部编辑和多图参考装进同一个模型。做产品素材的人少一次导出是好事，不过许可证和本地资源账也得先算清。
2026-09-18

蛋白模型跑不动时，Claude 给 30 多个开源项目提了速

Anthropic 称 Claude 在不到四周优化了 30 多个开源生物模型，平均提速约四倍并开源代码。更值得工程团队拿走的，是一条可复用的优化与验证路径。
2026-09-14

Android 测试跑到 99%，ARTEMIS 真正接住的是 Bug 复现

Google 开源的 ARTEMIS 把自然语言需求、真机执行、截图和 Logcat 串进同一条链路。99% 的跑分可看，真正值得先试的是把回归与复现留成可回放证据。
2026-09-14

搜索 Agent 跑分很好，真正该验的是上下文

Iris 把模型、搜索循环、上下文管理和判分器一起开源。看完它的公开数据，就会知道一张排行榜为什么不足以帮你选 Agent。
2026-09-08

选开源模型，Mistral 的 30 亿欧元该怎么算

Mistral 的 30 亿欧元融资不是让团队今天换模型，而是提醒下一轮模型 POC 把路线、数据、算力与退出条件一起验收。
2026-09-04

K2 Horizon 自砍 3.37 分，训练记录比跑分更值钱

六款模型全开只是表面。IFM 主动公开奖励作弊并下调成绩，真正抬高的是开源模型的可审计门槛。
2026-09-02

207 个 WebGPU 内核快 2.57 倍，整模型还没跑

Hugging Face 一口气开源 207 个内核，M4 单算子几何平均快 2.57 倍。真正值得抄的不是最大跑分，而是把契约、正确性测试、基准和真实设备证据绑进同一个版本包。
2026-09-01

Endeavor 能私有部署，不等于模型属于你

Flower 把前沿跑分和私有部署放进同一份发布里，但参数、价格、许可证、权重和退出机制都没公开。企业真正该买的不是机房位置，而是可迁移、可审计、可持续的控制权。
2026-08-23

Agent 练不出来，先别急着换模型

Google Research 的 EnvHarness 没改模型权重，只让训练环境追着弱点变化，最高多拿 9 分。真正可带回生产的，是让故障轨迹反过来长出回归测试。
2026-08-23

Qwen-UI-Agent 榜单领先，开源开发者还用不上

82.1% 的 MobileWorld 和 92.2% 的真机成绩很亮，但公开目录还没有模型权重与部署入口。顺着这份报告，聊清 GUI 智能体从会点屏幕到能进生产还差什么。
2026-08-22

ASR 榜单高分，可能只是模型认出了考场

研究用错误参考、静音数字和拼写切换审计 11 个开源模型。榜单还能看，但语音 Agent 上线前必须再加一套私有、反事实、按场景验收的测试。
2026-08-22

SGLang 重启快了 785 倍，真正的账在故障域

权重留在显存，重启从 8.8 分钟降到半分钟；但缓存指纹、量化白名单、守护进程生命周期和同卡主备，决定它是生产方案还是更快的事故。
2026-08-21

Codex 开源的不是模型，是 Agent 底盘

8 月 19 日 OpenAI 再次把 Codex 定位成开放 Harness 平台。Rust agent loop 与 App Server 能拿走，模型权重、托管后端和 Codex 云服务仍是另一回事。
2026-08-15

单机 Agentic RL 最值钱的不是省显卡

井字棋训练 400 步，奖励均值从约 -0.5 升到 0.4。真正值得抄的不是游戏结果，而是把 rollout、reward、工具调用和权重更新收进一条能调试的链路。
2026-08-15

dots3-note 只激活 16B，普通显卡还是跑不动

280B 总参数、16B 激活、512K 上下文听起来很省，但官方推荐的是 8 卡 FP8 节点。本文把权重、上下文和长程 Agent 三笔成本拆开。
2026-08-15

296 万个开源模型，99.2% 下载流向 1.5% 仓库

仓库数涨到 296 万，真正形成依赖的仍是少数稳定小模型。用下载、衍生、运行时和许可证重新挑模型，别再被参数与点赞带着走。
2026-08-15

Qwen3.8 权重真来了，但普通开发者先别急着下载

两份官方 checkpoint、213 个权重分片和自定义许可证已经落地。验收承诺之外，更要看清 2.27 TiB FP8、多节点部署、强制思考与托管版功能差异。
2026-08-14

GLM-5.3 先拿开源第一，权重还在路上

同一基座靠后训练把 Terminal-Bench 3.0 从 4.6 拉到 28.3，但发布当天只有 API，没有权重。拆清今天能验证什么、两周后还要查什么，以及切模型前必须改的配置。
2026-08-13

DeepSeek Harness 开源，极简模式只留两把工具

DeepSeek 把跑出 82.7 分的 Harness 公开了。极简模式只有一句提示词与两把工具，外层却是一棵连 Agent Loop 都能替换的插件树。
2026-08-11

Ling-3.0-tiny 很快，但还不是开箱即用

1.3B 激活参数把 M4 Pro 推到官方 86 至 90 tok/s，Agent 多轮循环终于不再慢得劝退。真正拦在部署前的，却是总权重、运行时分支、工具解析和业务验收。
2026-08-10

大模型总榜越公平，你越不该照着第一名买单

LatentRank 用 Bradley-Terry 和先验把多张榜单揉成一张总榜。难点不在算分，而在承认相关性、样本量和任务权重会偷偷替你做决定。
2026-08-10

'Muse Glimmer 能塞进 24GB，不等于能常驻'

'Meta 把 30B 智能体模型压进 24GB 显存，但权重装得下只是开始。本文从 KV cache、工具权限、失败恢复和端到端延迟拆开本地常驻 Agent 的真实工程账。'
2026-08-10

VoiceChat 开源了，但多数开发者还用不上

448 毫秒轮换、实时工具调用、开放权重很亮眼。可 80GB 显存、33% 工具调用成功率和一长串官方限制，才是接入前该算的账。
2026-08-05

Alpamayo 2 开放商用，安全不是一个权重文件

NVIDIA 把 32B 自动驾驶推理模型开放商用，但真正通往量产的不是下载按钮，而是轨迹、推理、仿真与验收组成的证据链。
2026-08-02

276B 叫 Small，最低还要 180GB 显存

Inkling-Small 每个 token 只激活 12B 参数，跑分接近 975B 旗舰。但算得少不等于装得下，读懂 MoE 得把计算、权重和并发三本账分开。
2026-08-01

animated-voiceover 能自动 90%，最贵的是最后 10%

一套开源 Skill 把动画制片拆成可执行的 Agent 流程。真正能复用的不是一句万能提示词，而是参考资产、串并行闸门、局部重试与逐段验收。
2026-07-31

MiniMax H3 最值钱的不是 2K，是开放权重

2K、15 秒、原生立体声都很亮眼，但 H3 真正可能改变的是视频生成的工程形态。等权重、许可证和推理栈落地，它才有机会从网页里的抽卡工具变成可编排、可部署、可验收的创作底座。
2026-07-29

Codex 写的代码再让 Codex 查，我不太敢全信

OpenAI 悄悄开源了 Codex Security，一天涨了两千星。工具是好工具，但它自己在覆盖率报告里留了 unknown 这一档，扫描还按 token 收钱。要不要接进 CI，代价得先算清楚。
2026-07-28

Anthropic 说不禁开源，它要的三样东西更狠

否认禁令只花了一句话，剩下三千字全在讲它支持什么。芯片、蒸馏、强制测试，三条拆开看，真正会落到天天用开源权重的开发者头上的，是第二条。
2026-07-27

pptx 撑不过 agent 时代，PPT 的终点可能是 HTML

向阳乔木开源的 bento PPT skill 我真装真跑了，手写 JSON 被校验器打回三轮。被拒得越狠我越觉得妙，这套设计把 PPT 变成了可 diff、可验收、可协作的纯文本工程文件。
2026-07-27

agent 定目标，『不能做什么』比『做什么』更值钱

卡兹克开源的 Leader.skill 把一句糊话变成 agent 能独立跑几小时的任务书。但真正值钱的是那条反作弊心法，AISI 刚实锤五款前沿模型都会在评估里抄近道。这套方法什么时候该用、什么时候千万别用，这篇讲清楚。
2026-07-26

Kimi K3 开源 2.8 万亿参数，但自己部署这条路基本被堵死了

史上最大开源权重明天落地，四比特压完还有 1.4TB 得常驻显存。这篇算的是那张没人写的账，以及开源在前沿量级上到底变成了什么。
2026-07-25

Ling-3.0-flash 激活只有 5.1B，但它真不是小模型

总参 124B、每 token 只激活 5.1B，多数榜单对标上一代 1T 旗舰。但激活参数省的是算力不是显存，TTFT 降 60% 靠的是集群级缓存，权重还得等 8 月 3 日之后。三件官方写了、但转述的时候都被吃掉的事。
2026-07-25

25 家联名反对 AI 监管，蒸馏条款才是真战场

25 家机构联名保开放权重，名单里没有 OpenAI 和 Anthropic。但这封信最要紧的不是反对监管那句，是被通稿集体跳过的第三页。
2026-07-24

20 秒视频是顺手的，FLUX 3 瞄的是机器人

BFL 发了 FLUX 3，全网都在刷 20 秒带声视频，但官宣帖最后一行才是重点，动作预测。这篇聊聊视频模型怎么变成机器人的大脑，30 小时的数据活怎么被压到 30 分钟，以及这次不放权重，靠 FLUX 生态吃饭的人该怎么办。
2026-07-23

AI 配音开始会演戏，这行的门槛先塌了一半

通义新 TTS 险胜登顶世界榜单，但第一名不是重点。在台词里写个中括号就能让 AI 发火、倒吸气、咯咯笑，配音从选音色变成写剧本。做语音应用的朋友，300 毫秒首包和那个没开源的细节，更值得你看完。
2026-07-21

Google 悄悄开源的这个库，比发三个模型更值得看

发布会都在看 Gemini 三连发，同一天 Google 把 Tunix 摆上了 GitHub，一个把 SFT、DPO、PPO、GRPO 全写成可读代码的后训练库。大厂炼丹这门手艺，正在从黑箱变成公开教材。
2026-07-21

让模型说个随机数，它就把自己供出来了

布拉格研究员用 32 万个随机数给 165 个模型录了行为指纹，总共花 34 美元，抓出一个疑似套壳开源 Qwen 的自研旗舰。你手里那个中转站 API 是不是真模型，花几分钱也能验。
2026-07-20

小红书开源了个库，干的是 MoE 最脏的活

几百张 GPU 里总有一批在等活，理想吞吐和真实水平能差出一倍。小红书和北大把负载均衡这件上古运维旧事搬进训练关键路径，300 微秒内实时搬专家，吞吐提升 42%。开源模型 API 越来越便宜，后厨就在这。
2026-07-19

2.8万亿参数刷屏的这周，拿第一的只有2B

Qwen 2.4T、Kimi 2.8T 刚刷完屏，面壁在 WAIC 一天双发，2B 的 MiniCPM5 拿下 4B 以下全球第一，还开源了具身机器人系列。参数竞赛的另一头，真正会跑进你手机和机器人的模型长什么样。
2026-07-19

Qwen3.8 官宣里最值得读的，不是 2.4T

阿里说新旗舰仅次于 Fable 5，还要开源。但权重只给了个「很快」，Preview 先进了自家订阅。从开源到闭源再到开源，这次回摆是被谁逼的，普通开发者又能从 2.4T 里薅到什么，这篇聊透。
2026-07-18

模型抢头条的这八天，NVIDIA 悄悄换了 RAG 的地基

八天四个前沿模型刷屏的同一周，NVIDIA 开源了 Nemotron 3 Embed，8B 登顶检索基准 RTEB。官方没细算的三笔账，推理、存储、全库重嵌，这篇替你算明白，自建 RAG 的动手前先看完。
2026-07-17

Kimi K3 追到 Fable 身后了,而且它开源

全球最大开源模型一夜换人,权重却要 7 月 27 才放。参数你反正跑不动,真正跟你有关的是那张价格表,和藏在后面的生态算盘。看完再决定要不要把手头的 API 换过来。
2026-07-16

975B 完整权重白给，Murati 团队卖的根本不是模型

官方公告开头先承认 Inkling 不是最强模型，转头却把完整权重挂上 Hugging Face。拆一拆这步棋的算盘，微调平台才是主菜，以及普通开发者第一次能亲手调一个一线实验室的多模态推理模型。
2026-07-14

腾讯这次开源，最值钱的不是模型权重

HyOCR-1.5 只有 1B 参数，文档解析跑分却坐上端到端第一，还能塞进笔记本本地跑。但真正稀罕的是训练配方和数据管线也一并开了。做 RAG 被 PDF 折磨过的朋友，这篇帮你算算专家小模型这笔账。
2026-07-12

你只是让它回个 OK，Grok 把整个仓库连 .env 一起传走了

有人拿 mitmproxy 把 xAI 官方编码 CLI 的流量扒了个底朝天，5.10 GiB 从未被读的代码全走了，关掉『改进模型』也拦不住。文末附一份今天就能跑的自查清单。
2026-07-09

一块 4090 就能跑的机器人大脑，蚂蚁开源了

24 小时连开源三个具身智能模型，视频基模造数据，世界模型当练功房，VLA 是交付的大脑。哪个能商用、哪个只许研究、消费级显卡能跑到哪一步、通稿里没写的三个坑，这篇一次给你称清楚。
2026-07-09

有人把 Claude 的设计系统扒了个底朝天：20 章提示词，14 个技能，MIT 开源

Anthropic 旗下 Claude Design 的系统提示词被反向工程 MIT 开源，20 章提示词加 14 个技能，最狠的 ai-slop-check 把 AI 味翻译成一条条可执行规则。
2026-07-06

Anthropic 的设计品味被逆向开源了，连自家模型的默认审美都要防

Claude Design 的系统提示词被逆向出来挂上 GitHub，MIT 协议随便商用。20 章设计哲学加 14 个技能，专治 AI 垃圾审美，里面还藏着一份新一代模型的提示词维护指南。
2026-07-06

美团把 1.6 万亿参数的模型开源了，训练全程没碰 N 卡

LongCat-2.0 以 MIT 协议开源，1.6T 参数 MoE、1M 上下文，35 万亿 token 预训练全程跑在国产 ASIC 超节点上。SWE-bench Pro 追平 GPT-5.5，写代码这块它是真能打。
2026-07-03

AI 亲手锻出训练框架：8 小时追平、2 天反超英伟达 Megatron-LM

面壁开源 ForgeTrain，全球首个完全由 AI 写出、无人干预的生产级预训练框架，还能迁到 H100 和昇腾。
2026-07-02

给 AI 编码工具装上审美：Emil Kowalski 把设计师手感做成了 Skills

Sonner、Vaul 作者 Emil Kowalski 把多年 UI 动画判断做成三个开源 Skill，让编码 agent 写界面自带审美底线。
2026-06-30

美团甩出 1.6T 大模型 LongCat-2.0，价格还便宜到离谱

外卖公司美团甩出 1.6T 开源大模型，SWE-bench Pro 59.5 超 GPT-5.5，还全程跑在五万卡国产芯片集群上。
2026-06-28

新浪开源VibeThinker-3B：推理可压缩，事实知识不能

30亿参数小模型在AIME竞赛上飙到94.3分，跟万亿大模型掰手腕。它戳破了一个惯性认知：推理能压进小模型，事实知识压不进。
2026-06-21

给 AI 搭一套能干活的脚手架，开源教程《Deep Agents 实战》我读完了

LangChain 官方大使张海立开源《Deep Agents 实战》,把三层架构、虚拟文件系统、子 Agent、Skills 复用一章章拆给想入门的人。
2026-06-19

DeepSeek 研究员开源 AutoResearch，AI 第一次零干预跑通 285B 模型的研究全流程

他的代理第一次零人工干预跑通 285B 模型的强化学习研究全流程。最硬的不是模型，是一整套防打转、防停摆、带心跳看门狗的工程脚手架。
2026-06-18

Matt Pocock 开源 skills v1，把技能描述的 Token 成本砍掉 63%

砍的不是功能是废话。一个 TypeScript 老炮把软件工程的老规矩拆成可组合的纪律塞进 AI，给被 vibe coding 反噬过的人。
2026-06-18

「一个 AI 智能体就是一个文件夹」Vercel 开源 Eve

Vercel 开源 agent 框架 Eve：一个智能体就是一个目录，tree 一下就看懂。内置持久执行、沙箱、人机审批六大生产能力。
2026-06-17

GLM-5.2 开源：国产模型在 Code Arena 干到全球第一

智谱 MIT 开源 GLM-5.2，专攻 Coding 与长程任务：Code Arena 盲测全球第一，1M 无损上下文，多项基准介于 Claude Opus 4.7 与 4.8 之间。
2026-06-15

把 FlashAttention 那套搬到老 K-Means 上，他们说比 FAISS 快 200 倍

UC Berkeley 等团队开源 Flash-KMeans，不改数学、跑标准 Lloyd's，靠重构 GPU 数据流把速度和显存一起干下来。那个 200 倍我替你摸了摸 baseline。
2026-06-15

乔木小说创作 Skill 开源：说一句我想写小说，AI 把剧情人物钩子全搭好

一行命令装好的开源 skill，写小说前先帮你把钩子、桥段、冲突和结尾定死，把创作从凭空创造变成做选择题。
2026-06-14

他让一个 Fable 当总包工头，把编码 token 砍掉八成

一个开源项目把贵模型和便宜模型分了工，Fable 只规划和验收，Codex 埋头写码，仓库本身当记忆。
2026-06-11

Google 把画图的那套扩散模型，拿来写字了，快了 4 倍

DeepMind 开源 DiffusionGemma，文本不再一个字一个字往外蹦，而是一次 256 个 token 整块生成。本地推理速度翻 4 倍，26B 模型塞进消费级显卡。
2026-06-11

小米开源了个终端编程助手，我最服的是它不赌模型自觉

MiMo Code MIT 开源，内置限时免费模型。最值得聊的是它的记忆外包设计和同模型对照实验，agent 工程层正在成为新的差异点。
2026-05-19

Cursor Composer 2.5 来了：同等能力 10 倍效率，底座和 Kimi K2.5 同源

Cursor 发布 Composer 2.5，在长任务持续性和复杂指令遵循上大幅提升，最让我感兴趣的是底层的文本反馈 RL 训练方法，以及它和 Kimi K2.5 之间那条意想不到的开源链条。
2026-05-19

机器人的小脑，被做成了 4 亿参数的大模型，还全开源了

地平线开源 HoloMotion-1，把机器人小脑做到 4 亿参数还能端侧 300FPS，零样本跳舞搬箱，代码论文权重全给了。
2026-05-19

这个月开源模型爆了：DeepSeek V4、Gemma 4、Kimi K2.6、MiMo 2.5 一起来了

五月的开源模型赛道炸开了锅——DeepSeek V4、Gemma 4、Kimi K2.6、小米 MiMo 2.5、GLM-5.1 密集发布。但美国 CAISI 的评估报告同时出来了，说开源和闭源的差距在扩大。真实情况比这复杂。
2026-05-18

你用的「便宜 Claude」，真的是 Claude 吗

开源工具 api-relay-audit 把 AI API 中转站的安全风险拆给你看：掺水、工具调用改写、错误响应泄漏……你以为省了钱，可能正在付更大的代价。

Claude Code AI 编程 Agent 工程 Skill 与 MCP 模型与发布 AI 安全评测与基准图像、视频与语音行业与公司机器人与自动驾驶算力与本地部署