dettato 音频转 MIDI:21M 模型反超 1.3B
dettato 用约 21M 参数完成音频转 MIDI,模型体积约为 muscriptor 1.3b 的 1/60。项目称其测试表现领先,但数据、效率口径和训练方法仍待独立复现。
tamserve 将 SAM 3 检测与 EdgeTAM 跟踪拆分,在单张 RTX 4090 上比 Meta SAM 3 tracker 快 4 倍,并保留 92% 准确率。本文拆解其多摄像头架构、资源复用方式与部署边界。
dettato 用约 21M 参数完成音频转 MIDI,模型体积约为 muscriptor 1.3b 的 1/60。项目称其测试表现领先,但数据、效率口径和训练方法仍待独立复现。
Onlook 把画布叠加到真实代码库,让现有 AI Agent 修改界面源码。它能减少设计与开发之间的重复实现,但代码审查和测试责任不会消失。
StarSling 用临时沙箱、并行 CI 和持续优化 Agent 承接大量机器 PR。Launch HN 案例显示 Mastra 每月合并超过 1,800 个 PR,但实际降本仍缺公开数据。
FrontierHarness Eval v1.1 统计 27,280 次 coding agent 运行,其中 64% 的推理支出用于最终失败的任务。本文拆解失败成本,并给出可落地的评测与监控指标。
上海高中生 Zigao Wang 用 Swift 和 WebKit 做出开源浏览器 Zigzag。它保留 Arc 的顶部多标签,但缺少同步、扩展兼容和长期安全维护。
GREP.AI 将自用的 AgentRun 框架开源,并扩展为托管平台。本文分析 ACP 兼容层、自托管方案和 Agent 执行基础设施的取舍。
Brave Search API 支持通过 x402 完成机器支付。AI Agent 可按任务购买搜索,但开发者仍需设置预算、幂等与审批机制。
Jane Street 公开 Socratic Tutor,以连续追问定位学生的推理漏洞。本文从 Agent Skill、策略切换和教学评测三个层面,拆解这套方法为何不能只靠提示词完成。
Pomerado 试图把没有 API 的网站封装成可调用的 MCP 接口。本文拆解其原理、接入方式与生产环境风险。
Google 将 Gemini 的决策调用封装为独立 API。对 Agent 团队来说,重点不是多一个接口,而是建立可复现、可调试、可评测的决策流程。
AWS 开源 aws-emulator,让 AI Agent 在本地或受控环境中测试云服务调用,减少 CI/CD 对真实 AWS 资源、账单和清理逻辑的依赖。