产业动态 共 3176 条 · 筛选后 187 条

最近，一只只有 25 厘米高的机器鸭，意外把端侧 AI 的想象力拉到了聚光灯下。 Hugging Face 旗下 Pollen Robotics 发布的 Microduck，是一款售价 399 美元的开源双足机器人。它约 800 克重，开箱即可行走、坐下、踢球、抓取，摔倒后还能自己爬起来。更重要的是，它并不只是一个会动的玩具，而是一个面向开发者的开源机器人平台：用户可以在仿真环境中训练动作策略，再部署到真实机器人上。 这只“小鸭子”之所以引发关注，不只是因为它足够可爱、足够便宜，也不只是因为机器人终于开始进入普通开发者的桌面。它真正释放出的信号是：AI 正在从屏幕里的模型，走向会感知、会行动、会互动的实体设备。 过去几年，人们谈 AI，最常谈的是云端大模型、参数规模、训练集群和算力中心。但当 AI 开始进入真实世界，问题会变得非常具体：设备能不能本地响应？能不能离线运行？隐私数据能不能不上传？功耗和散热能不能被终端接受？成本能不能支撑规模化普及？ 这些问题，正是端侧 AI 真正落地时必须回答的问题。 Microduck 给出的，是“小模型、小芯片、小机器人”的一种想象。一个低成本、开源…

Insider Brief Zeroth has launched Bridge, a compact humanoid robot designed for physical AI development, alongside an open-source software ecosystem aimed at letting developers create and share robot capabilities. According to the Suzhou, China-based company, Bridge is built around what it calls an AI-native architecture, with its hardware, motion-control system and developer interfaces designed for […]

李博杰很不喜欢“天才少年”这个标签。 “还少年呢，我都中年了，而且它指的是一个人才项目”。他调侃道。 距离轰动全网的DeepSeek面试风波已过去30天左右。趁着这段时间，李博杰在 GitHub 上开源了自己写的《深入理解 AI Agent》一书，两周便拿到了 2.8 万颗星。 被他吐槽的DeepSeek，最近也因为V4-Flash模型发布和融资等信息，抢占大众的注意力。 被问到是否后悔当初发言时，他有点歉意地笑了笑：“也谈不上后悔，就是忍不住吐槽一下，没想到影响力这么大。” 我们在中关村附近和李博杰见了一面，在长达三小时的时间里，李博杰聊了自己创业时的懵懂，以及AI技术的认知，还有面试风波事件过后的这段时间都在做什么。 一位与李博杰相识多年的人士评价他，"公众对李博杰的误解，第一是他真实水平，第二是他被认可的成果，但外行很难看清楚。 他给我们打比方：“这就像是一个顶级川菜厨师，突然开始做西餐。对于大多数人来说，很难判断他做得到底好不好，除非他最后拿到一家五星级西餐厅的offer。” 至于他的技术水平如何，或许只能交由时间和专业去检验；但在噪音之外，我们试图用更客观、理性地去呈现一个热…

今天，乐享科技旗下的元点机器人，官宣即将推出自己的首款产品以及全球首个具身 Physical AI 开源生态——OpenBridge。 在海报上能看到，“桥”的元素无处不在——这次发布，元点机器人想要突出的，或许不只是独立的产品，而是基于产品来建造一座“桥梁”，去连接更广阔的物理 AI 生态。 那句“世界不缺高墙，我们选择筑桥”，也彰显了元点机器人想要构建从虚拟智能到物理智能，一座最好的桥梁的决心。 或许，元点机器人对标的，正是具身时代“安卓”的地位。 时至今日，不少人都还记得 2007 年的美国硅谷，史蒂夫·乔布斯永远地改变手机、乃至整个互联网的那一天——这个重要的一刻，被行业铭记为手机的“iPhone 时刻”。 然而，同是 2007 年，谷歌正式发布了手机操作系统 Android 的 Beta 版，并联合 34 家软硬件公司，成立了“开放手持设备联盟”，用更开放的姿态拥抱新型终端和交互的未来——这一天，也被人称为手机的“安卓时刻”。 19 年后的今天，具身智能正在发端。市场的不少人都在等待着具身的“iPhone 时刻”，却很少有人提到机器人的“安卓时刻”。 对比下来，如果说一个技术…

一个本地待办与文章管理 APP 在重度使用中不断膨胀：日历与农历节假日模块、子待办、Gitee 免服务器同步、自动识别局域网设备的桌面端，PC 与手机互传图片的"传图"功能。功能越加越多，项目偏离极简初衷，暴露出每个自研工具都会踩需求蔓延。 前不久，我为自己开发了一个 APP，我上次已经发文简单介绍过了，详情回顾横跨20年的梦，我给自己做了一款 APP 本来我开始只是想做一个简单的待办列表和文章管理应用，当时发文的时候我觉得应该不会再维护这个应用了，但是经过近一段时间的重度使用，加上产品经理的“贪婪”作祟，我又给这个应用添加了不少功能，后面加的很多功能都让我觉得越做越像一个商业化的产品，因此我彻底感觉到这个项目好像已经“失控”了。 我首先迭代的，就是增加了一个日历的功能，一个支持农历和法定节假日的万年历搭配待办事项的模块。 我原本的计划是在这里做一个提醒的功能，我日常日历用最多的，就是看法定节假日调休，设置提醒，尤其是重复提醒，当时迭代这一版的功能时，我想做的就是直接干掉手机当中的日历、便签和滴答清单这3个应用，后面这个提醒开发完成之后，我自己用了一段时间，因为经常被手机杀后台，提醒没…

开源不是做慈善，是先放水养鱼

iFLYTEK's wholly-owned subsidiary launched and open-sourced Spark X2.5-4B and X2.5-1.7B, which it says are the first edge models to natively support up to one million tokens of context.

所有东西都在慢慢涨价，包括订阅服务。历史悠久的自由软件和开源新闻网站 LWN 宣布它将从 9 月 15 日起上调订阅费用。LWN 从 2002 年起采用订阅模式，过去 24 年只涨价过两次，最近一次是 2022 年。根据美国官方的数据，2022 年以来消费者价格通胀率累计接近 20%，因此 LWN 的订阅价格也将上调 20%。 订阅级别：

英伟达把"每一美元能买多少智能"立成行业新尺子，千问一个月四次迭代交卷。Qwen3.8-Flash 提前放出为 Qwen4 准备的 Next 架构，把下一代地基交给开源社区先跑，友商却锁在发布会前。这场长期账，算的是架构开放与生态耐心。 上个月，英伟达发了篇论文，提了个概念，intelligence per dollar，每一美元能买到多少智能。 以前行业比谁脑子大、参数多，往后得比每一美元买到多少智能；这个尺子立起来刚一个月，千问就把答案交了。 模型迭代的节奏也确实变了，以前几个月憋一个重磅，现在几乎每天来一波。 不信你看 Qwen3.8，8 月 3 日 Max，12 日开放权重，14 日 27B 开源，昨晚 Flash，一个月四次，消息一个接一个，多得有点看不过来。 这也不只是 Qwen 一家在赶。 最近模型厂商都卷起了轻量便宜的 Flash 模型，先是 DeepSeek 给 V4 Flash 加上了多模态，紧接着这周，智谱和 Qwen 前后脚扔出了 GLM-5.3-Flash 和 Qwen3.8-Flash。 大伙儿都在想办法，用更少的钱把前沿模型的能力打下来，不过Qwen这次新…

9月1日，距离世界人工智能开源大赛（GOAI）杭州总决赛还有21天，GOAI正式进入决赛月。9月22日至24日，GOAI总决赛、云栖大会与数贸会将在杭州密集启幕，杭州将成为全球AI创新的焦点。 从7月16日全球线上报名开启到7月21日杭州线下启动，再到9月22日至23日杭州总决赛暨GOAI DAY，这持续两个多月的全球人工智能开源赛事，即将迎来最终角逐阶段。 从2999份初赛作品中脱颖而出的120强项目，已开启新一轮冲刺。120个晋级席位，初赛晋级率仅约4%。能够从近3000份作品中突围，每一支团队都已经证明了自己的创新实力。而接下来的比赛，不仅是一次席位之争，更是对AI项目真实能力、工程价值与开源成果的集中检验。 三大赛道复赛作品提交仅剩2天 对于赛道一「新智基座」、赛道二「无界应用」、赛道三「前沿探索」的100支晋级团队而言，此刻正是最关键的冲刺阶段。 根据赛事安排，复赛作品提交截止时间为9月3日18:00（北京时间），请各晋级团队在规定时间内进一步完善作品，按要求提交项目方案、Demo、代码、实验结果及运行证据等参赛材料。 一次成功的Demo不再是终点。评委将结合项目方案、演示效…

Tencent Holdings’ use of its vast product ecosystem to train its new Hy4 preview model gives it an edge in developing AI agents and brings its flagship model suite back into the top tier of open-source offerings, according to analysts. The Chinese tech giant’s “differentiated product-plus-model strategy”, where preview models were first deployed across Tencent’s suite of products, enabled it to collect user data before feeding the information back into subsequent rounds of training, Goldman...

最近，Cloudflare 在 GitHub" 上开源了 Cloudflare OS"。Cloudflare OS 使企业团队能够基于企业知识、专业技能和预配置的连接器产出工作工件，在优化 Token 成本的前提下自动化重复性工作流（仅在必要时借助 AI 辅助），并在安全的沙箱模型内构建个性化、可共享且可定制的工作软件，以满足特定的复杂使用场景。其底层的能力驱动型模型可以用于执行企业策略。 在一篇简短的博文"中，首席架构师 Kenton Varda" 阐述了这次涉及多个领域的大规模发布： 今天，我们发布了 Cloudflare OS——一款配备连接器的聊天机器人，就像其他科技公司都在做的那样。[…] 不过实际上，它并不一样。这是一个完全个人化的应用氛围编程平台，其沙箱环境极为安全，以至于 […] 企业安全团队都可以放心授权非技术用户在其中自由编程，自己也能高枕无忧。这怎么可能呢？[…] 例如，如果你有一个文档编辑器应用，每个文档都会作为该应用的单独实例，在独立的沙箱（一个 Gadget）中运行。这意味着两点，我认为这两点都至关重要：1. 该平台可以通过控制谁能够访问 Gadget 来管…

让 AI 在 Penpot 里画一个移动端登录页，最常见的结局是：颜色随机挑、间距靠蒙、画完它自己也不知道对不对。问题不在模型不会调 API，在于从来没人告诉它什么叫”对”。设计决策里那些隐性的判断力，才是人和代码猴子之间的分水岭。 penpot-uiux-design 这个 Skill 给的解法很直接。它不是又一份 MCP 工具清单，而是一份把”一个合格设计师进场前该做的动作”编码成硬流程的约束文档。它挂在 Smithery 上，ID 是 github/penpot-uiux-design，目标读者是已经接好 Penpot MCP 的 AI 客户端。 抓它最核心的架构思想，一句话就能说清：先探查再创建，先问设计系统再落像素，画完必须自己看一眼。这三拍顺序错一处，输出质量就塌一半。它卖的不是创意，是纪律。 但有个前提必须先摆出来。它依赖的 penpot/penpot-mcp 仓库在 2026 年 2 月 3 日已经归档，代码整体迁进了 Penpot 主仓库的 develop/mcp 目录，连插件 UI 都在归档后加了弃用提示。这件事不只是历史 footnote，它会直接影响你现在怎么装…

一年前，亚马逊云科技推出AI编程工具Kiro时，试图解决的是“生成代码之后怎么办”：与只凭一句提示词快速搭建原型不同，Kiro把需求、技术设计和任务拆解放在写代码之前，希望用规范驱动开发降低AI生成代码的随机性。 一年后，问题又向前推进了一步。 当开发者开始同时调度多个Agent，并把代码迁移、故障排查、依赖升级等任务交给它们持续运行数小时甚至更久，新的瓶颈不再只是模型会不会写代码，而是Agent能否跨会话记住项目背景、在无人值守时安全执行，并让开发者知道它究竟做了什么。 Kiro Crew正是在这一背景下出现的。它将持久记忆、多Agent协作、任务调度、失败重试和安全控制放进同一个工作空间，试图补齐Agent从单轮代码生成走向长期任务执行时缺少的工程控制层。 亚马逊云科技杰出开发者布道师Darko Mesaroš在近期分享中表示，长期运行并不意味着让模型无限循环，而是让任务能够跨越多个会话持续推进，同时保留必要的上下文、执行记录和人工干预入口。 从Vibe Coding到规范驱动开发，Kiro多走了一步 Kiro Crew于8月4日正式开源。与Kiro IDE面向单次开发会话、由开发…

谷歌推出 HEIR（同态加密中间表示）"。这是一个开源编译器和开发工具链，旨在简化加密计算的部署。具体而言，它能够对通常使用未加密输入构建的预训练 AI 模型进行编译，使其能够处理加密数据。 据谷歌介绍，同态加密"（HE）解决了端到端加密面临的若干挑战，包括使垃圾邮件和病毒检测等服务能够对加密的用户数据进行处理，降低在用户设备上部署时泄露专有 AI 模型的风险，诸如此类。 解决这些问题的方案是同态加密——这项技术正在迅速成熟，它允许直接对加密数据进行计算，从而从根本上改变了这种权衡关系。服务器可以处理密文并返回加密结果，而无需泄露任何底层信息。 在这个背景下，HEIR" 是一个面向同态加密（HE）的开源编译器工具链和开发平台，它能够将原本设计用于处理明文数据的预训练 AI 模型改造为处理加密输入。利用 HEIR ，谷歌已经实现了在不泄露用户数据的情况下提供私密内容推荐；在保护敏感财务信息的同时检测信用卡欺诈；在不向服务提供商透露数据包内容的情况下识别网络入侵；以及在不披露底层录音的情况下识别音频流中的关键词。 HEIR 采用一种中间表示作为抽象层，用于“在不同方言间表示和扩展复杂的模型…

图片不只被编码，还直接参与 Attention、MoE 与 Agent 推理。 作者丨郑佳美 编辑丨岑 峰 这不是一个全新的模型突然出现。早在 8 月 21 日，DeepSeek 就已经把它接入 API，当时外界只能看到结果：V4 开始能处理图片，而且在 ApexBench、Agents' Last Exam、Chartography 等多模态 Agent 基准上整体提升。 现在不一样了。 随着权重和参考推理代码公开，V4 的视觉部分第一次可以直接拆开看。Vision Encoder 怎么处理图片，Aligner 怎么把视觉特征压进语言空间，视觉 Token 怎么进入 DFlash，MoE 又怎么给图片选择专家，这些东西都已经暴露出来。 拆完代码会发现，DeepSeek 做的并不是简单给 V4 接一个看图模块。 图片经过视觉编码以后，会被直接塞进 V4 原有的 Token 序列，继续参与长上下文 Attention、MoE 路由和后面的 Agent 推理。甚至连注意力窗口和专家路由，都专门为视觉 Token 改了规则。 所以这次开放权重之后，更值得研究的问题已经从 V4 会不会看图，变…

由 Vite 和 Vue 创建者 Evan You 创立的公司 VoidZero 发布了 Vite+" 的测试版。这是是一款面向 Web 的统一工具链，通过单个 vp 命令即可调用每个项目所需的运行时、包管理器以及前端工具。 Vite+ 旨在成为 Web 开发的一个统一入口。它管理运行时和包管理器，并将 Vite"、Vitest"、Rolldown"、tsdown"、Oxlint" 以及 Oxfmt" 与内置的任务运行器整合在一起，作为一个经过测试的工具栈提供。该项目完全开源，采用 MIT 许可证，而且不依赖任何特定的框架，适用于命令行工具、库和 Web 应用。 其核心在于跨所有代码库实现一致的工作流。vp dev 可以在 Vite 8 上启动热重载服务器；vp check 可以通过单个步骤使用 Oxfmt 格式化代码、使用 Oxlint 进行代码检查并执行类型检查；vp test 可以运行 Vitest；vp build 可以生成生产环境构建；vp pack 可以使用 tsdown 打包库；而 vp run 则可以通过一个支持缓存和依赖项管理的任务运行器执行单体库任务。 vp cre…

Tencent's operating-system-level AI assistant Marvis rolled out a custom-model feature on September 1, letting users connect third-party models—including Kimi, Zhipu GLM, DeepSeek and MiniMax—or run local open-source models, synced across devices.

距离 DeepSeek Harness 开源已经有一段时间，「Everything is a Plugin」的口号也已经在各种领域开枝散叶，坊间涌现出了特别多的插件和社区。（雷峰网） 十几天后的现在，GitHub 上【 dsh-plugin 】标签下有一万多个仓库。我们花了几天时间，把这一万多个仓库拆开数了一遍，写了一个探针插件装进去试探，又装了二十几个下载量最高的插件跑了一夜。 「一切皆插件」是把内核的每一颗螺丝都交到你手里。 但实际上绝大多数人对螺丝毫无兴趣；而整个插件生态没人管理也没人负责。（注：整个生态数据变化很快，本文中所有数据仅截至 2026 年 8 月 25 日实查。 01 1.1 万个插件，到底有多少是真的？ 不同的统计方式差挺多 同一天，同一个生态，不同网站统计的插件数量是这样的： 造成这个现象的原因是「插件」这个词在这个生态里还没有公认的定义，谁都可以合理地说自己那个数是对的。如果把整个 dsh 的插件生态做成漏斗大概是这样的： 从第一层到第三层掉了 81%，从第三层到第五层又掉了 55%。也就是说 DeepSeek Harness 插件生态目前有 1.1 万个插件…

不管哪个时代，人都会遇到同一道题：无论宏大叙事还是人生决策，面前问题太复杂，资源和时间却不够，必须决定先做哪个、放弃哪个。（雷峰网） 从 1812 年黑格尔的辩证法，到马克思、列宁，再到 1915 年毛泽东在延安写下的《矛盾论》，一百多年里，这套思想最终落到了一个很实际的问题上：复杂事物中矛盾很多，但真正重要的是找到决定其他矛盾的主要矛盾。 今天的大模型行业也不例外，当前大模型行业面临的主要问题有以下这些： 1.模型能力的增长速度，同把这种能力转化成可靠产出的能力之间的矛盾（模型强，但产出物没价值）。 2.算力资源受限，同能力需求无限之间的矛盾（人们总吐槽 AI 太傻）。 3.单价在快速下降，同真实账单在上涨之间的矛盾（模型便宜了，但每个月花的更多了）。 4.要做通用智能，同要交付一个能用的产品之间矛盾（简单的不好用，好用的不简单）。 这些矛盾才构成了交错向上发展的行业和机会。没有人能逃避这些选项，DeepSeek 也一样。 我们对 deepseek-v4-Pro以及 Harness 做了几轮实测：直接打接口的探针、七次编码任务运行（其中四次是只改一个变量的对照）、把上下文压到 92 …

Max长程Agent能力的背后，是精雕细琢的典范，还是算力黑洞的失控？ 作者丨李娜 编辑丨岑峰 我让Qwen 3.8-Max从零搭建了一个3D大模型演进宇宙网站，又和GPT-5.6做了迭代对比。 （Qwen3.8-Max运行成果截图） 效果上限方面，Qwen 3.8-Max 展现了远超 GPT-5.6 的交付细节； 效率和成本代价方面，Max高完成度背后是低效，而且因为无法自主判断任务终点导致了额度耗尽中断； 适用场景方面， 追求快速迭代、低成本原型，GPT 依然是首选，但在不计成本追求极致性能的场景，Qwen 3.8-Max 提供了一个昂贵但有效的国产替代。（雷峰网） 01 2.4万亿参数之后， Max3.8为什么开始强调Agent? 8月3日，阿里正式发布Qwen 3.8-Max。 从规格看，它依然足够醒目：2.4万亿总参数、约950亿激活参数、100万Token上下文，覆盖文本、代码和视觉任务，并计划开放Max权重和27B小模型。榜单、规模、价格和开源，延续着Qwen过去几年的竞争路线。 （阿里Qwen3.8 max官方技术博客截图） 但到了这一代，仅靠这些已经很难解释Max的差…

从部署到实测：覆盖标准部署、量化部署、Agent场景三大维度。 作者丨吴海明 何宇轩 编辑丨李娜 岑峰 8月14日，阿里 Qwen 团队开源了 Qwen3.8-27B 模型，紧接着社区里的声音从“能不能跑”变成了“是不是新的模型斩杀线”，有人把它叫作本地 Opus，也有人直接给出更刺激的判断：一个 27B 开源模型，已经能在部分代码和 Agent 任务上达到顶级闭源模型的水平。那么，一个 27B 开源模型，体验到底怎么样呢? 根据官方数据，27B dense、Apache 2.0、262K 原生上下文、可扩展到 100 万 token、支持视觉理解、思考默认开启，低比特量化后还能压到十几 GB 级 GGUF 文件，这说明 Qwen3.8-27B 是一个试图把代码、长上下文、多模态和 Agent 工作流一起拉到本地的开源底座。 因此，我们从适配 Agent 出发，先后测试标准化部署、量化部署和接入 Agent 框架。其中，标准部署看 vLLM、SGLang 和 Llama.cpp 谁更能榨干 GPU，将推理速度提到最快；量化部署从 2bit 测到 16bit，看文件体积、速度和质量怎么取…

Qwen3.8-27B开始和顶级闭源模型正面叫板，过度思考是最大问题。 作者丨李娜 编辑丨岑峰 8月17日，阿里发布的Qwen3.8-27B 成为 Hugging Face 上排名第一的热门模型。Qwen正在成为全球开源社区的Base Model。 01 一个 27B 的模型， 为什么突然让全球 AI 社区兴奋？ 如果只看参数，Qwen3.8-27B 并不像一个会制造太大声量的模型。27B参数，在今天动辄数千亿甚至万亿参数的旗舰模型面前，甚至显得有些“小”。但2026年8月14日，阿里千问正式开源Qwen3.8-27B之后，海外AI社区的反应却异常热烈。 原因恰恰就在这个“小”字上。 在Qwen官方公布的成绩里，Qwen3.8-27B 已经开始在部分 Coding 和 Agent 测试中，与 Claude Opus 4.6 Max 这样的前沿闭源模型放在同一张表格里比较。与此同时，4bit 量化后约 17.1GB，一张 RTX 4090 或 3090 就能完整装下，进入了个人设备能够尝试本地运行的范围。 这形成了一种过去并不常见的反差：一边是消费级硬件能够承受的模型尺寸，另一边却开始出…

最严安全档形同虚设，装插件就能读到你的 API Key。 作者丨Rhea 编辑丨李娜 岑峰 距离 DeepSeek Harness 开源已经有一段时间，「Everything is a Plugin」的口号也已经在各种领域开枝散叶，坊间涌现出了特别多的插件和社区。 十几天后的现在，GitHub 上【 dsh-plugin 】标签下有一万多个仓库。我们花了几天时间，把这一万多个仓库拆开数了一遍，写了一个探针插件装进去试探，又装了二十几个下载量最高的插件跑了一夜。 「一切皆插件」是把内核的每一颗螺丝都交到你手里。但实际上绝大多数人对螺丝毫无兴趣；而整个插件生态没人管理也没人负责。（注：整个生态数据变化很快，本文中所有数据仅截至 2026 年 8 月 25 日实查。 01 1.1 万个插件，到底有多少是真的？ ▎不同的统计方式差挺多 同一天，同一个生态，不同网站统计的插件数量是这样的： 造成这个现象的原因是「插件」这个词在这个生态里还没有公认的定义，谁都可以合理地说自己那个数是对的。如果把整个 dsh 的插件生态做成漏斗大概是这样的： 从第一层到第三层掉了 81%，从第三层到第五层又掉了 5…

指望 Agent 替人上班之前，它们还得自己先去上个班（雷峰网） 作者丨李娜 编辑丨岑峰 美国时间 7 月 23 日，人工智能领域的著名学者吴恩达与 Rohit Prasad 在 X 上正式发布了一款开源的桌面 Agent：OpenWorker。 顶流学者背书、开箱即用的桌面形态、模型自由切换……OpenWorker 几乎集齐了所有爆款的要素。那么，这款产品的实际体验如何呢？ （OpenWorker 生成的 AI 新闻简报） 上图是OpenWorker生成的一份过去 24 小时的 AI 新闻简报。从产品形态上看，它已经把过去需要代码配置的 Agent 工作流，压缩成了一个可以直接操作的桌面应用。 然而上线一周，社区的真实反馈却明确指出，从“极客的玩具”到“普通人的数字员工”，中间还隔着一条巨大的产品化鸿沟。 作为一个刚刚开源的桌面 Agent，它不仅展示了这类产品正在形成的基本结构，更暴露出多模型兼容、数据流向和权限控制仍未解决的问题。 01 OpenWorker 的架构与工作流程 更准确地说，OpenWorker是一套运行在桌面端的Agent工作台。从整体结构来看，OpenWorke…

美观且支持实时更新的架构图，也能用AI一键生成了！