Agent S 深度解析:开源 GUI Agent 三代演进,OSWorld 首超人类
12k stars 的开源电脑操作 Agent,S3 以 72.60% 首超人类水平,拆解叙事记忆+在线课程式任务分层的设计。
11k stars 的开源实时多模态对话框架,自带 VAD、轮次检测、Docker 自托管。比 LiveKit 多一层 Agent 整合,比 Picovoice 多一套完整 pipeline。
12k stars 的开源电脑操作 Agent,S3 以 72.60% 首超人类水平,拆解叙事记忆+在线课程式任务分层的设计。
研究者真正的问题不是 ChatGPT 好不好用,而是 OpenAI 没给他们一条可以审计、可撤回、可隔离的通道。
Hugo Vergnes 用不到一千美元从头训练 3.8B 模型 little-lm-3-8b,CORE 拿到 0.384。这件事最大的价值不是省钱,而是把"小模型能训到什么程度"这件事量化了。
DeepSeek 又发小模型,Hacker News 直接送上首页 331 票。Flash 系列跳过了 V4 这个大版本号,卡的不是通用战场,是「边缘 + 长上下文」这条窄路。
通义系开发者 wsxiaoys 把 GPT-5.5 Pro 的推理轨迹塞进 Qwen 3.8 的 prompt 头部,后者输出风格几乎一样。不用微调、不用蒸馏。HN 90 分、35 条评论,原帖直冲首页。
DeepSeek V4.1 Flash 官宣全维度超过 V4 Pro,9 月 10 日上线后,Pro 用户请求会被静默重路由到 Flash、按 Flash 价格计费。过渡期没文档、没 SLA 说明,企业 to B 合同要先对账。
Inception Labs 把扩散式大模型做到了 1000+ tok/s,专攻代码生成。和 GPT/Claude 的自回归路线彻底分家,这事值得认真看看。
548 分刷屏 HN、386 条评论——Mistral 这轮融资背后,「主权开放权重」叙事值不值 €3B,我和几个老欧洲开发者聊了聊。
60k+ stars 的中文舆情监控开源项目,聚合 12+ 平台热点 + AI 过滤 + 多渠道推送,还支持 MCP 让 AI 对话式分析。本文带你从 0 跑起来,聊聊它怎么工作、好在哪、谁该用。
ifm.ai 凌晨放出 K2 Horizon,HN 116 点热度背后,社区在意的不是又一个大模型,而是这次开放到了哪一层——权重、训练数据、还是 RLHF 全流程?
NYTimes 9/4 那篇报道被很多人转了,但真正有意思的不是「企业省钱」——是 Anthropic 和 OpenAI 主动开源的战略转向。这件事对 API 商业模式的冲击,比表面看起来大得多。