与「开源」相关的搜索结果

具身开发最大的内耗：仿真写一套，真机重写一套。 CMU 与 Genesis 团队开源 Eden： - 一套任务定义直通 Sim-to-Real - 释放 Genesis GPU 并行物理内核 - 刚体、软体与灵巧操作零二次封装 仿真跑通的控制策略，真机直接吃。

这周 GitHub 上涨星最猛的 AI 仓库，前十都在这了👇： 1. security-audit-skill 可以把代码安全排查分几步交给 AI agent。查出的问题都会先核实，再交给你。 2. astryx 把界面设计组件整合在一起的开源基础库，能按自己的想法改，AI agent 也能直接用。 3. Agent Skills（anthropics） 一套公开的组件，用来让 AI agent 学会新的操作步骤，需要的能力可以往后加。 4. agent-browser 把浏览器操作交给 AI agent 来做的工具，打开页面、输入、点击都能替你完成。 5. graphify 程序和资料会变成一张能顺着关系查的地图，AI agent 可以问哪里有什么。 6. claude-mem 能把和 AI agent 的交流记下来，带到下一次对话里，接着上次记住的内容继续聊。 7. Claude-Code-Game-Studios 能把 Claude Code 整套变成一个游戏开发团队，不同分工的 agent 一起往下做。 8. herdr 给写代码的 AI agent 用的运行环境。连接断了，正在干活的终端也不会消失，再连回去还是原来的布局。 9. gstack 可以直接用上 Garry Tan 那套 Claude Code 配置。从经营到质检，各角色要用的工具都齐了。 10. claude-quickstarts 用 Claude 做应用时能马上上手的示例合集，从能跑的模板开始试，再慢慢改成自己的。

【NVIDIA NeMo Switchyard在Amazon Bedrock上为编码智能体请求分配合适模型】 AWS机器学习博客11月13日发文，6位AWS和NVIDIA作者介绍在Amazon Bedrock上为编码智能体做模型路由。 作者主张用每个解决任务的成本衡量路由，而不是每个token的单价。 示例把开源网关LiteLLM和Switchyard插件部署在Amazon ECS Fargate的私有子网里。 LiteLLM通过Bedrock Converse API调用模型，流量经过VPC接口端点进入Bedrock。 能力较强的模型使用Claude Opus 5.5，高效模型使用NVIDIA Nemotron 3 Super 120B。 Stage策略读取近期工具结果在两个模型之间选择，信号不明确的时候默认使用高效模型。 Random策略按照权重分配流量，适合A/B测试，两种策略都不调用评判模型。 作者表示只在两个任务上跑了几次，不足以得出成本或者质量结论，示例只适合非生产账户。 我觉得现在只给了部署模板，团队需要自己用bench脚本量出每个任务的实际成本。 来源：AWS Machine Learning Blog · 2026-11-14

😱 简直牛逼克拉斯！！ 这个项目能让你的 Agent 越用越聪明、越省钱！！ 最近开源的 AgentRun，能帮 Claude Code、Codex 这类 Agent 从以前做过的活里学习，并把经验存下来下次再用。 那它是怎么工作的？⬇️ 比方说，一个 Agent 做项目时碰上了复杂的技术问题，试了好几轮才找到办法。 AgentRun 会把这些经验记下来、整理好： - 把已经解决的技术问题，整理成能用的笔记 - 把成功的方法和解决方案存成 Skills - 后面做项目时，可以直接用上以前的经验 但最有意思的是这一段： 一个 Skill 被用过三次后，系统会尝试把它变成 Workflow。 也就是说，Agent 不用每次从零开始再走一遍解题路径，可以直接用一套已经跑通过的现成流程。 结果是什么？ - 少做重复的试错 - 不用再把已经解决过的问题重新查一遍 - 省 Token - 把成功的经验拿来再用 - 把零散的经验变成可重复的 Workflow 实际上，AgentRun 就是想把每个项目的经验，变成后面项目能用的资产。 🔗 GitHub 仓库：

Anthropic是干掉黄仁勋的幕后黑手，一为加强AI管制提高其上市市值，二为打击中国开源模型提高其营收。 但估计他们也没想到司马昭之心引发了包括马斯克在内的所有从业者一致反击，英伟达董事会很快要集体辞职了，OpenAI董事会2.0

Anthropic是干掉黄仁勋的幕后黑手，一为加强AI管制提高其上市市值，二为打击中国开源模型提高其营收。 但估计他们也没想到其司马昭之心引发了包括马斯克在内的所有从业者一致反击，英伟达董事会很快要集体辞职了，OpenAI董事会2.0

模型刚出生那会儿，用的哪块显卡，居然能查出来？🔍 11 月 12 日，前 OpenAI 研究员 Will DePue 的团队发了份报告：6 个中国开源模型的权重里，藏着英伟达 Blackwell 芯片的指纹。 原理说人话就是：模型出生前先撒一把随机初始值，撒在哪块卡上，落点就不一样。训练时没碰过的词，初始值还留在权重里，一对就对上了。 点名的有 DeepSeek-V4-Flash，证据 1385 个标准差，报告称"结论性"；还有 V4-Pro、Kimi K3、K3.1-Pro、MiniMax-M3、蚂蚁 Ling-3.1-flash。 六万亿种组合里瞎猜只能到 8 个标准差，这六个全都远远甩开。 但报告自己划了线：只能证明"一开始用的是这批卡"，证明不了卡在哪、怎么来的、算不算违规。查证脚本公开，笔记本几秒就能跑一遍。 说白了，以前查芯片走私靠报关单、靠线人，现在靠下载权重、跑个脚本——查案的工具先变了🤯 以后每个开源模型发布，是不是都得先过一遍"验卡"？你跑不跑这个脚本？

Cloudflare 开源了 Kitesurf，一个专门为 AI Agent 设计的浏览器 这个项目完全不依赖 Chromium，也不需要启动传统的浏览器容器，直接运行在 Cloudflare Workers 上 它支持 HTML 解析、JavaScript 执行、页面截图，甚至兼容部分 CDP 接口，可以接入 Puppeteer Cloudflare 的思路很简单，AI Agent 需要的是读取和操作网页，很多时候根本没必要启动一个完整的 Chrome 但是有一个很有意思的地方 我们平时访问网站，应该经常会遇到 Cloudflare 的人机验证吧？ 现在，Cloudflare 自己开始给 Agent 造浏览器了，这不是盾和矛的关系嘛？ 其实，Kitesurf 的官方文档明确提到，目前无法完成某些依赖真实 TLS 指纹的机器人验证 也就是说，Cloudflare 自己开发的 AI 浏览器，也可能被自家的人机验证拦在门外 Cloudflare 并没有给自己的浏览器开后门，它已经提供了针对 AI Agent 的访问策略，网站可以自己决定允许哪些 Agent 访问 Cloudflare 现在还在推动 Web Bot Auth，让 Agent 可以证明自己的身份，而不必再假装自己是一个真人 以后不仅人要证明自己不是 Bot，Bot 也得开始证明自己是谁了 😂 项目开源地址：

开源项目 Raea，打出的旗号是“什么都能渲染”。 它既能产出视频、动态图形和 3D 场景，甚至连小游戏也不在话下。 我拿它来做视频，它还能对字幕进行精确调整， 最让我中意的是它的自动审查机制，一旦查出错误就会接着改下去。 眼下我只试过视频制作和修改这两块，其余功能还没来得及测。 项目源码对外公开，现阶段可以免费使用。 GitHub：

DeepSeek把自家产品也完全开源了 DeepSeek开源了自家官网用到的几乎全部API，包括搜索、读取文件、读取链接、语音识别、生成语音等，同时开源了使用这些API搭建的网页Demo。 任何人现在都能使用这些API搭建一个Agent产品了，而且API价格实惠，童叟无欺。 Github： API文档：