阿里千问集成至Apple智能，美团LongCat-2.0开源

1️⃣ [持续跟踪] 美团 LongCat-2.0 正式开源：万亿参数模型权重与国产卡推理代码全面开放#

• 前情提要：美团 LongCat 团队此前已发布 LongCat-2.0 预览版，该模型在五万卡国产算力集群上完成全流程训练，总参数 1.6T，平均激活约 48B，专注 Agentic Coding 任务。
• 最新突破：今日 LongCat-2.0 模型权重（BF16/FP8/INT8 多精度版本）及国产卡推理代码（基于 SGLang-FluentLLM）全面开源，同步开放 GPU 推理代码（SGLang PR #30042）。同步开源的还有 VitaBench 2.0（长期动态用户建模基准）和 WBench（交互式世界模型基准）。
• 行业意义：这是首个在五万卡国产算力集群上完成推理的万亿参数模型的完整开源，为行业提供了可复现的国产大模型训练与推理技术路径，对盘活存量国产算力生态具有示范意义。 🔗 美团技术博客 | HuggingFace | GitHub

2️⃣ 阿里千问将作为 AI 能力集成至 Apple 智能#

• 核心发布：《科创板日报》独家报道，阿里千问将作为 AI 能力集成至 Apple 智能，为 iOS、iPadOS、macOS 和 visionOS 的中国用户带来智能体验。用户无需在应用间切换，即可在 Apple 设备上直接体验千问的文本与图像理解、内容生成等能力。
• 官方进展：今日网信办发布 7 款提供手机端侧生成式人工智能服务备案信息，包括 Apple 智能、华为小艺大模型、OPPO AndesGPT 大模型等。Apple 智能的端侧备案为正式上线扫清了监管障碍。
• 行业意义：这是 Apple 在中国市场落地 AI 战略的关键一步，选择阿里而非百度或字节，反映出 Apple 对千问模型在合规、性能和用户体验上的综合评估结果。此举有望重塑中国 AI 助手竞争格局。 🔗 科创板日报推文 | 网信办公告

3️⃣ PixVerse Game 发布：全球首个实时视频驱动游戏引擎#

• 核心发布：爱诗科技（PixVerse）今日正式发布 PixVerse Game，定位为全球首个实时视频驱动的游戏引擎。用户只需输入自然语言描述，即可在 1 分钟内生成一个可交互的游戏原型，并持续通过对话调整玩法、角色和规则。
• 产品形态：支持探索类、战斗类、策略类等多种游戏类型，提供 Game Composer 工具（可视化和自然语言双重修改模式）。游戏机制包含目标、胜负判定、资源管理等完整逻辑，而非单纯视频生成。
• 行业意义：PixVerse Game 将 AI 视频生成从“被动观看”推入“主动交互”阶段，大幅降低了游戏创作门槛。这是爱诗科技推动实时世界模型落地的重要尝试，公司近期完成 29.8 亿元人民币 C 轮融资。 🔗 爱范儿实测 | PixVerse Game 产品地址

4️⃣ [持续跟踪] Grok 4.5 在 Long-Horizon Terminal-Bench 登顶，超越 Claude Fable 5#

• 前情提要：昨日 xAI 与 Cursor 联合发布 Grok 4.5，定位为编码与 Agent 专用模型，并在 FrontierSWE 排行榜位列第二。
• 最新突破：今日 Grok 4.5 在 Long-Horizon Terminal-Bench 基准测试中登顶，以 0.505 的均值奖励超过 Claude Fable 5、Claude Opus 4.8 和 GPT-5.6-sol。该基准测试 AI Agent 在数百个终端动作链上持续保持进展的能力，最长 90 分钟。Elon Musk 转推称“Good reason to try Grok 4.5 with Grok Build”。
• 行业意义：Grok 4.5 在长周期 Agent 任务上的表现验证了 xAI 的技术路线，叠加其开源策略（Grok Build 近日开源），正在快速建立竞争优势。 🔗 Elon Musk 推文 | 评测推文

5️⃣ NVIDIA GEAR Lab 发布 RoboTTT：机器人策略原生支持 8K 时间步长上下文#

• 核心发布：NVIDIA GEAR Lab 发布 RoboTTT，核心创新是将 Test-Time Training (TTT) 机制引入机器人模型，使模型原生支持 8,000 个时间步长（约 5 分钟）的视觉运动上下文，比之前 SOTA 高出三个数量级。
• 技术亮点：每次传感器输入触发一次梯度更新，历史信息被压缩到模型内部的小型神经网络权重中，推理成本恒定。支持从人类视频中进行一次模仿学习，并能自我改进和从扰动中恢复。8K 上下文预训练比 1K 提升 62%。
• 行业意义：RoboTTT 标志着机器人学习从“几帧记忆”向“长程肌肉记忆”的质变，验证了上下文缩放律（Context Scaling Curve）在机器人领域的有效性，为通用机器人策略开辟了新路径。 🔗 Jim Fan 推文 | 项目主页

6️⃣ Arena 引入事实性权重排名：GPT-5.5 升至搜索榜第一#

• 核心发布：lmarena.ai 今日正式为 Text Arena 和 Search Arena 引入基于事实性的加权排名系统。模型排名现在可以按照人类偏好和事实性的加权组合进行查看。Arena 团队已标注超过 200 万条来自真实对话的 LLM 声明。
• 榜单变化：在 Search Arena 中，GPT-5.5-search 跃升至事实性排行榜第一，GPT-5.2-search 从 #11 跳升至 #3。在 Text Arena 中，GPT-5.5 上升 13 位至第 7，而 Claude Fable 5 从 #1 降至 #2。
• 行业意义：这是主流评测平台首次将“事实性”作为独立维度纳入模型排名，回应了长期以来对模型幻觉问题的行业关切。开发者可依据此榜单选择更可靠的模型用于生产。 🔗 Arena 公告推文 | 博客详细

7️⃣ ModelScope 联合 AgentScope 推出 Agent 身份服务：DojoZero 为首个落地场景#

• 核心发布：魔搭社区（ModelScope）联合 AgentScope 团队推出 AgentID 身份服务，为 Agent 签发可验证的数字身份。DojoZero 竞技场（世界杯实时赛况预测）是首个采信此身份的应用。
• 技术原理：Agent 本地持有一对 Ed25519 密钥，公钥注册至 ModelScope 获取 agent_id，私钥用于向第三方应用签发短期通行证（JWT），第三方应用通过 ModelScope JWKS 验签。解决了跨平台归属认证、密钥安全与公平激励问题。
• 行业意义：AgentID 为 Agent 生态提供了基础信任层，将“谁是谁”与“谁更强”解耦，降低了第三方应用的接入成本。这是实现 Agent 互操作和跨应用信誉体系的重要基础设施。 🔗 魔搭社区博客 | 项目页面

8️⃣ AWS 与 Anthropic 发布 Claude Apps Gateway：集中管控 Claude Code/Desktop#

• 核心发布：AWS 和 Anthropic 联合发布 Claude Apps Gateway，一款自托管控制平面，可集中管理 Claude Code 和 Claude Desktop 的身份、策略、遥测、路由和费用限制。网关以单个无状态容器运行，将推理路由至 Amazon Bedrock 或 Claude Platform。
• 功能细节：支持单点登录（SSO）、基于角色的访问控制、提示模板、操作审计日志，以及每小时/每日的预算控制。网络出口可通过 VPC 或 Direct Connect 限制。
• 行业意义：这是企业大规模部署 Claude Code 的关键基础设施，解决了“影子 AI”治理难题。将 Agent 治理从“信任工具”转向“信任控制平面”的模式，有望成为企业 AI 部署的标准实践。 🔗 InfoQ 报道 | AWS 博客

9️⃣ Claude for Teachers：面向美国 K-12 教师免费开放高级版#

• 核心发布：Anthropic 今日推出 Claude for Teachers，面向美国经过认证的 K-12 教师免费开放高级版 Claude。教师可直接使用技能库和基于证据的课程内容，生成教案、教学材料等。
• 功能覆盖：包括课程计划生成、差异化教学建议、评估题创建、与学生和家长沟通的模板等，同时提供教学技能库，并能直接连接各州教育标准。
• 行业意义：Anthropic 瞄准教育这一高粘性、高影响力场景，通过免费策略抢占 K-12 市场，与 Google（Gemini for Education）和微软（Copilot for Education）形成直接竞争。 🔗 Anthropic 官方博客 | 转述推文

🔟 微软 Nature 论文：Copilot 在医疗领域为低信心用户提供关键支持#

• 核心发布：微软 AI Futures 团队今日在 Nature Health 上发表论文，分析 109 个国家的 170 万次对话，发现 Copilot 尤其为对自身医疗系统信心不足的用户提供了宝贵资源。Mustafa Suleyman 称这是“AI 作为伟大均衡器”的进一步证据。
• 研究结论：Copilot 让未被充分服务的群体在最需要时获得了至关重要的支持。研究强调 AI 不是取代医生，而是弥合医疗资源分布不均的鸿沟。
• 行业意义：这是大语言模型在公共卫生领域最大规模的实证研究之一，为“AI 赋能普惠医疗”提供了有说服力的数据支撑，对 AI 医疗产品的合规论证和政策推进具有参考价值。 🔗 Mustafa Suleyman 推文 | 论文链接

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
openinterpreter/openinterpreter	AI Agent / Coding Agent	65.5k
HKUDS/DeepTutor	AI Agent / 教育智能体	26.2k

---

1. openinterpreter/openinterpreter ⭐ 今日 +299#

语言/许可： Rust / Apache-2.0
总 Stars： 65.5k
仓库： GitHub

项目定位：
面向开发者的编码 Agent 终端工具，专为低成本模型（如 DeepSeek、Qwen、Kimi）优化执行效率，替代原 Python 版本的 Rust 重写。

核心功能：

• 支持多模型 Harness 切换，包含 claude-code、kimi-cli、deepseek-tui、swe-agent 等原生模拟层
• 内置浏览器/原生应用的 QA 测试能力，通过 agent-browser 与 trycua 驱动界面操作
• 以 TUI 实现模型/提供商动态切换（/model）、Harness 切换（/harness）
• 支持 Agent Client Protocol，可作为编辑器 ACP agent 运行，并保留了 MCP、hooks、sandbox 等完整权限体系

技术亮点：
基于 Rust 实现原生 Harness，利用零成本抽象降低低配模型的调用开销，同时保持与 OpenAI 兼容的交互模式。

---

2. HKUDS/DeepTutor ⭐ 今日 +172#

语言/许可： Python / Apache-2.0
总 Stars： 26.2k
仓库： GitHub

项目定位：
面向终身个性化学习的 AI 辅导系统，结合多智能体协作与 RAG，提供自适应课程、知识库问答及深度研究能力。

核心功能：

• 多智能体架构：支持自定义 Partner Agent，每个 Agent 拥有独立身份、知识库和记忆，可在聊天中实时调用
• 三层记忆系统（L1/L2/L3）与长期个性化，基于会话历史与用户画像动态调整教学策略
• 内置 Deep Research、自动解题、智能出题引擎，可基于任意知识库生成测验与引导学习路径
• 提供 Web UI、CLI、IM 客户端（支持 Mattermost、Discord 等 15 个渠道），以及 REST API 接口

技术亮点：
采用 LlamaIndex + LightRAG 双检索后端，可切换 FAISS / 图索引；原生支持 MinerU、PyMuPDF4LLM 等文档解析引擎，实现多模态知识注入。

🟧 Hacker News 热议#

Inkling: Our Open-Weights Model#

580 pts · 143 comments · thinkingmachines.ai

📌 内容总结

• 背景：Thinking Machines 发布 975B 总参数（41B 活跃）的 MoE 开源模型 Inkling，支持 1M 上下文、多模态输入（文本/图像/音频），并配套 Tinker 微调平台。模型架构借鉴 DeepSeek-V3，使用相对位置编码而非 RoPE，训练数据 45T tokens。
• HN 关注点:
  • 这是美国实验室在开源权重赛道上的重要发布，但 benchmark 整体弱于 GLM 5.2、Kimi K2.6 等中国模型。
  • 核心差异化在于：多模态原生支持、可控 thinking effort（效率曲线优于竞品）、以及深度绑定的微调服务（Tinker）。
  • 商业模型：靠微调平台盈利，而非直接卖模型。

💬 讨论总结

• 共识：Inkling 是目前美国最强的开源权重模型之一，但并非 overall 最强；其多模态和可控 effort 是实际优势。
• 竞争格局：与 GLM 5.2、Kimi K2.6 相比，Inkling 在编码/agent 任务上稍弱，但在音频和 vision 任务上领先（尤其音频）。有评论指出“benchmark 不能说明全部，真实体验可能不同”。
• 商业现实：开放权重+微调服务的模式被认为可持续，类似 Red Hat 路线。但质疑点：为什么用 Inkling 做基座进行 LoRA 微调会比用其他模型有优势？企业是否愿意为微调平台买单？
• 技术细节：RL 训练超过 30M 次 rollout，思维链过程 spontan 变得更加简洁（效率驱动而非奖励）。Inkling-Small（12B 活跃）表现接近大号，有望成为 DeepSeek V4 Flash 的替代品。
• 反对/质疑：1) 模型大小（975B total）相比竞品更大但性能未明显胜出；2) 许可证为 Apache-2.0 但附加 AUP，社区对“开放权重 vs 开源”的界线有争论；3) 发布日期恰逢 Kimi 和 DeepSeek 即将发布 Fable 级模型，时机尴尬。

🔗 原文 · HN 讨论页

Grok Build is open source#

195 pts · 228 comments · github.com/xai-org

📌 内容总结

• 背景：SpaceXAI 开源了其编码 agent TUI 工具 Grok Build（Rust 实现）。此前数日有报道称 Grok Build 会将用户整个仓库上传到云端，引发隐私争议。开源被认为是对此的回应。
• HN 关注点:
  • 代码是否包含上传逻辑？源码中确实有 upload 相关模块，但当前为 stub 函数；部分过滤逻辑（如排除 .env 文件）已存在。
  • 代码规模巨大：182 个顶层外部依赖，约 130 万行 Rust 代码，被批评为“slop”。
  • 对比其他开源 agent（Codex CLI、Kimi Code、Pi.dev），Grok Build 的功能（TUI、MCP、sandbox）齐全，但信任度受质疑。

💬 讨论总结

• 隐私争议：多数评论认为开源是“damage control”。此前用户数据上传行为已被证实，xAI 承诺删除数据但未出示第三方认证。社区建议：如要使用 Grok 模型，应通过普通 API 而非此工具。
• 代码质量：依赖管理和代码量被批评为“过度工程化”。有开发者尝试编译并确认可构建，但指出 Cargo.toml 由生成脚本管理，不利于社区贡献。混合 vendoring 策略（部分依赖直接嵌入）被认为既多余又增加审计负担。
• 工程经验：代码中包含来自 OpenCodex、OpenCode 等项目的 in-tree 移植，并保留第三方许可声明，这一点受到认可。TUI 性能被评价为“比 Claude Code 更快”。
• 反对/质疑：1) 依然怀疑源码是否包含隐藏的上传逻辑（现在的 upload_session_state 是空函数）；2) 代码复杂度过高，不适合作为可审计的参考实现；3) 有评论认为这是“战术性开源”，xAI 真正的重心是收购的 Cursor（60B 美元），开源只是挽救声誉。
• 历史背景：类似 OpenAI 开源 Codex CLI，xAI 追随了这一趋势。但 Anthropic 仍未被说服开源 Claude Code，呼吁声持续。

🔗 原文 · HN 讨论页

Running Gemma 4 26B at 5 tokens/sec on a 13-year-old Xeon with no GPU#

218 pts · 140 comments · neomindlabs.com

📌 内容总结

• 背景：作者受此前“10-year-old Xeon”帖子启发，尝试在更老的 Ivy Bridge Xeon（2013年，仅 AVX1）上运行 Gemma 4 26B MoE 模型。发现 ik_llama.cpp 的 MoE 操作在无 AVX2 时的 silent bug——两个图操作没有 dispatch case，导致专家 FFN 输出为未初始化内存，输出多语言乱码。
• HN 关注点:
  • 通过 instrumenting logits 发现异常（mean logit +16），定位到 bug 并提交 PR #2138。
  • 修复思路：将 fused MoE 操作拆分为两个单独 matmul + SiLU，不使用 AVX2 特定 kernel。
  • 最终性能：decode 约 5.2 tok/s，prompt eval 约 16 tok/s，使用 Q8_0 量化。

💬 讨论总结

• 共识：这是一个优秀的工程 debug 案例，展示了“理解底层指令集约束 + 工具辅助调试”的价值。社区认可作者对 bug 诊断过程的详细描述。
• 技术讨论：核心问题——缺失 AVX2 的 CPU 上，两个图操作 dispatch 无实现，导致未经计算的 tensor。作者使用 Claude 辅助定位和修复，但也被批评文章本身可能 AI 生成痕迹明显。
• 成本争议：多名用户计算电力成本——此系统推理时约 300W，产出 18k toks/hour，对比 API 费用（约 $0.005/18k toks）实际上更贵。结论：本地推理的主要价值是隐私和实验，而非省钱。
• 工程经验：有其他用户分享了在类似旧硬件上运行的经验（如 E5-2690 v2、Dual Xeon），普遍得到 5–8 tok/s。另有用户提到使用专用 GPU（如 FirePro D300）可达 20–30 tok/s。
• 反对/质疑：1) 速度太慢，实用性有限；2) 上下文窗口未测试，真实场景可能更慢；3) 文章后半段（bug 分析部分）由 Claude 撰写——有违“本人动手”的 DIY 精神。

🔗 原文 · HN 讨论页

今日洞察#

Apple选择阿里集成AI，而非此前传闻的百度或字节，是今天最明确的格局变化信号。千问获得iOS系统级入口，意味着日活入口将从个体App跃升至操作系统层面——中国AI助手竞争从“应用层流量争夺”转向“设备层默认能力”。这对字节豆包、百度文心形成直接挤压，而阿里获得的不仅是品牌曝光，更是与Apple供应链深度绑定的数据管道和合规背书。

与此同时，Agent治理层正密集补齐基础设施。Claude Apps Gateway为企业提供身份/策略/预算的集中控制平面，AgentID（基于Ed25519+JWT）为Agent签发可验证数字身份，Grok Build则在隐私争议后被迫开源代码以重建信任。这三件事指向同一个方向：Agent从小规模试水进入企业大规模部署时，信任与治理已经从“可选项”变成“前提条件”。社区对Grok Build代码质量的批评（130万行Rust、隐藏上传逻辑）进一步表明，开放权重之下，代码可审计性和透明治理才是真正的门槛。

Arena引入事实性排名也是一个信号：当模型基础能力接近，事实性成为生产选型的硬约束。GPT-5.5-search因此跃升至第一，而Claude Fable 5下降。这一点与开发者对幻觉的持续焦虑一致——可靠模型正在取代“最强模型”成为默认选择，评测体系的权重调整会加速这一分化。