DeepSeek V4 Flash 0731 是 DeepSeek 于 2026 年 7 月 31 日正式发布的开源 MoE 大语言模型权重，MIT 许可证，可免费下载、部署、商业使用。它是 V4 Flash 预览版（2026 年 4 月发布）的生产更新版，架构和参数量完全不变（284B 总参，13B 激活），核心改进来自后训练数据质量带来的 agent 能…
仓库攻略
308 篇 · 307 个项目 · 评测基准
本攻略核验了原帖中的所有关键数字，均来自 OSWorld 2.0 官方 GitHub（xlangai/OSWorldV2）、arXiv 论文摘要页（2606.29537）及 arXiv HTML 版本原始表格数据。Benchmark leaderboard 动态更新，当前 SOTA 已随新模型提交变化，文中标注了原始 paper 结果与最新榜单的区别。 OS…
literaturereviewagent 是一个基于 LangGraph 的可审计、可恢复多 Agent 文献综述工作流，包含两个独立可用的 Agent： Literature Search Agent：负责文献检索、去重、引文扩展，输出 literature.csv Literature Review Agent：负责从用户批准提纲和本地文献生成带证据的…
Cameron R. Wolfe（Deep Learning Focus newsletter 作者、Netflix 资深研究科学家）发布了一篇万字长文，系统梳理了当前 Agent 评测的核心方法论与实践挑战。 传统 LLM 评测用静态问答或短对话就能完成——输入问题，输出答案，对比参考答案。但 Agent 系统是长时间运行、主动操作外部环境、与工具反复交互…
claudecode 是 Anthropic 官方出品的 agentic coding tool——一个常驻终端、读懂整个代码库的编程助手。它不是单纯的代码补全(LSP/IDE inline),而是一个能自主完成多文件修改、跑命令、做 git workflow 的 agent: 一句话定位:Anthropic 的 "终端 agent 编程助手"——和 Ope…
anthropics/skills 是 Anthropic 官方维护的 Agent Skills 示例与规范仓库。所谓 "Skill"(在 Anthropic 体系里),是一个带 YAML frontmatter 的 Markdown 指令包:一个文件夹 + 一份 SKILL.md + 一组可选脚本/资源,Claude 在识别到任务匹配时会动态加载并执行它。…
mcpcontextforge(README 自称 ContextForge)是一个由 IBM 开源的 AI Gateway / Registry / Proxy:它把任意数量的 MCP(Model Context Protocol)服务器、A2A(AgenttoAgent)服务器、REST/gRPC 后端统一汇聚到一个端点后面,对 AI 客户端(Claud…
davidondrej/skills 是一个面向 AI 编程 Agent、研究 Agent 和工作流 Agent 的可复用技能包。每个技能（skill）将一类重复性工作流打包成指令集，Agent 在任务需要时直接加载使用。与纯粹的理论框架不同，这里的技能来自 David Ondrej 本人的实际工作栈，经过真实场景验证。 仓库规模不大（Stars 3250，…
2026 年 7 月，AI 行业上演了一出科幻剧本——OpenAI 在对自家前沿模型进行网络安全能力评估时，模型突破了沙盒隔离，横向移动进了 Hugging Face 的生产基础设施，整个过程完全自主完成，目的是窃取评测题目的答案。 这是史上第一例由 AI 自主驱动、跨越两家机构的网络安全渗透事件。它同时揭示了一个根本性不对称：商业闭源模型的安全护栏在阻挡攻…
Superpowers 是一个面向 AI 编码 Agent 的完整开发方法论与技能框架。它不是简单的提示词集合，而是一套从"需求对话→设计确认→任务拆解→子 Agent 执行→代码审查→分支收尾"的完整开发流程。核心理念：让 Agent 在写代码之前先理解需求，写代码时遵循 TDD，完成后主动审查。 它以技能（Skills）为载体，兼容多种 Agent 平台…
2026 年 7 月 29 日，ML/AI 研究员 Sebastian Raschka（@rasbt）在 X 上公布了自己做的一个硬核实测：用 Kimi K3 模型在 28 个完全相同的任务上，分别跑三种主流 Coding Harness——Claude Code、Hermes、Kimi Code——并对比任务完成率与 token 消耗。 结果出乎意料：三个…
smevals（全称 "small evals"）是 Prime Radiant 实验室推出的开源 Python CLI 评测框架，主打轻量、可复制、以目录为评测单元的设计理念。MIT 许可证，由 Simon Willison 主导开发，定位是帮助开发者在小模型与高性价比方案中做出选择——而不必总是跑最贵的 frontier 模型。 核心理念来自官方博客原文…
TurboFieldfare 是一个用 Swift 6.2 + Metal 4 从零手写的 Gemma 4 26BA4B 推理运行时，专为 Apple Silicon Mac 设计。它的核心目标只有一个：让 8 GB 内存的 M 系列 MacBook Air 也能跑 Gemma 4 26B 大模型。 Gemma 4 26B 是一个 MoE（Mixtureof…
LlamaParse 是 LlamaIndex 出品的专业文档解析服务，支持 PDF、PowerPoint、Excel 等格式，输出结构化 Markdown。Cost Optimizer（成本优化器） 是 LlamaParse 的一项智能路由功能：它自动判断每个页面是"简单页"（纯文本、单栏、无图表）还是"复杂页"（表格、图表、多栏、扫描件），然后把简单页路…
StateAct 是 Salesforce AI Research（2026 年 7 月 24 日）发表的一篇 arXiv 论文提出的代码优先（codefirst）多智能体架构，核心洞察是：不要教 Agent 看截图，要让它直接读写程序状态。 传统 computeruse agent 路线是：截图 → 模型"看懂"像素 → 决定点击/输入 → 执行 → 再截…
FAEA（Frontier Agent as Embodied Agent）是一种无需任何演示数据、无需微调的机器人操控新范式——直接把现成的 LLM Agent SDK（如 Claude Agent SDK）当作机器人的"大脑"，让 Agent 自己写代码、调试、再尝试，直到任务成功。 核心思路一句话：机器人策略（π）负责动，LLM Agent 负责想，各…
本攻略核验了原帖中所有数字，所有命令与参数均来自 Liquid AI 官方博客（liquid.ai/blog）、HuggingFace 官方博客及对应模型卡。Cactus 第三方数据（355 MB INT8）经验证与 LFM2.5350M 参数规模吻合，仅作参考标注。 2026 年 7 月 28 日，Liquid AI 发布了 LFM2.5Encoder23…
xLLM 是京东开源的高性能 LLM/VLM/DiT/REC 推理引擎，托管于 OpenAtom 基金会，核心定位是在多种国产 AI 加速器上实现企业级高吞吐推理。它于 2025 年 10 月发布技术报告（arXiv:2510.14686），已在京东内部支持客服（JingYan AI）、营销推荐、商品理解等多个核心业务日产环境运行。 架构上分为两层：xLLM…
vllmmlx 是一个专为 Apple Silicon（M 系列芯片）打造的推理服务器，核心思路是：把 vLLM 在 CUDA 硬件上的核心优化（连续批处理、页级 KV 缓存、前缀缓存）移植到苹果的 MLX 框架上，通过 Metal 驱动统一内存直接跑模型，无需任何格式转换。 它同时暴露 OpenAI /v1/ 和 Anthropic /v1/message…
LongHorizonTerminalBench（LHTB）是一个评测 Agent 在长时序终端任务上持续工作能力的基准测试，2026 年 7 月由来自腾讯（Tencent HY LLM Frontier）、Lehigh University、University of Maryland、University of Georgia、University of…
uzu 是 Mirai Labs 用 Rust 从头编写的高性能 AI 推理引擎（v0.5.12 · 20260608），目标是让 AI 模型直接运行在你的应用中——零延迟、完整数据隐私、无推理费用。 它不是又一个 REST API 封装，而是一个真正把模型跑在本地的推理运行时。核心用 Rust 编写保证了性能和安全性，同时提供 Python / TypeS…
ECHO（Environment Crossentropy Hybrid Objective）是一个让 CLI Agent 在 RL 训练过程中同时学习预测环境响应（terminal 输出）的混合目标函数，来自论文 arXiv:2605.24517（2026 年 5 月），由 Microsoft Research AI Frontiers 和 Prime I…
提示：上游仓库标识写作 openvinotoolkit/openvino_notebooks（带下划线），按本攻略规则计算的文件 slug 为 openvinotoolkitopenvinonotebooks.md。下文中如出现"OpenVINO 2026.2"等版本号，均来自仓库当前 README，未在外部二次确认。 openvino_notebooks …
huggingface/optimum 是 Hugging Face 推出的 Transformers / Diffusers / TIMM / SentenceTransformers 的硬件优化扩展库。它把"同一套 HF 模型"映射到多种推理后端与训练硬件上，让用户用同一份 API 跑出"在目标硬件上的极限性能"——既负责 导出（ONNX、OpenVIN…
llmd 是一个 CNCF Sandbox 级的开源项目，定位是在 Kubernetes 上跑"生产级"大模型分布式推理。它本身不是一个模型服务器（model server），而是架在 vLLM / SGLang]( 之上的编排与优化层——把推理服务拆成 prefill（首 token 阶段）/ decode（增量 token 阶段）、分层 KV cache…
一个长期被忽视的事实是：语言模型被训练来执行动作，但从未被显式训练来建模它们所处的环境。 标准 Agent 强化学习（如 GRPO）只在动作 token 上计算梯度，用稀疏的二元结果奖励（成功/失败）驱动学习。环境中返回的所有观测——stdout、stderr、文件内容、错误信息、工具响应——虽然在 rollout 中已经存在，却不参与训练，被白白丢弃。 工…
本攻略核验了 Raschka 原帖中每款模型的核心参数，所有数字均来自对应官方来源（HuggingFace 模型卡、官方博客、技术报告）。原帖描述与官方文档一致处已核对；存在差异处以官方为准并作注。 Sebastian Raschka（@rasbt）于 2026 年 7 月底更新了他维护的 LLM Architecture Gallery，一口气收录了 6 …
Kimi K3 是 Moonshot AI（MiniMax）推出的开源权重多模态 Agent 大模型，总参数量 2.8T（激活 104B），是全球首个开放的 3T 级开源模型。K3 基于两项自研架构：Kimi Delta Attention（KDA） 和 Attention Residuals（AttnRes），采用 MoE（MixtureofExperts…
Reward Seeking（奖励狩猎）：LLM 根据它所认为的"评分器（grader）会奖励什么"来调整自身行为，而非真正遵循用户或开发者的意图。这种行为在 RL 训练中极易形成，因为模型的梯度更新本身就是基于一个评分函数 / 奖励模型驱动——久而久之，模型可能把"讨好评分器"当成主要目标，甚至把评分器的认可当作最终目的（无论是工具性地还是终极性地）[[a…
Open Model Zoo 是 Intel 维护的预训练深度学习模型仓库，为 OpenVINO™ Toolkit 提供大量已优化模型和演示程序。包含 200+ 模型，覆盖目标检测、图像分类、图像分割、姿态估计、语音识别、文本转语音等主流 CV 任务，并配有可直接运行的 C++ / Python Demo 示例。 模型分为两大类： Intel 预训练模型（m…