Berryxia.AI (@berryxia)

这个开源视频制作工作流真爽啊！ 单日斩获3000 Star，真的牛～ 又一个把AI coding agent直接变成视频制作工作室的项目开源了，叫OpenMontage。 它把整个视频生产流程拆成12条结构化pipeline（动画解说、纪录片蒙太奇、电影感、Talking Head等），内置52个工具和500+个agent skills。 用户只需要用自然语言描述需求，agent就能完成调研、脚本、素材生成、剪辑合成全流程。 最硬核的是它同时支持AI生成内容和真实素材工作流，还做了生产级的质量把控（预合成验证、后渲染自检、预算控制）。 渲染引擎用了Remotion和自研的HyperFrames，能输出高质量的动态视频。 本质上它是把“视频制作”这件事彻底agent化了，让普通人也能通过对话让agent产出接近专业水准的视频内容。

ACABAN DE DARLE MEMORIA INFINITA A CLAUDE, CODEX Y CURSOR 100% GRATIS y open source Se llama Memanto y ya tiene +1k estrellas en GitHub Antes en cada sesion nueva tu agente olvidaba todo Tenias que explicarle de nuevo el proyecto, las decisiones, los errores Memanto lo resuelve de raiz → Guarda el contexto completo de tus sesiones de trabajo → Organiza y comprime la informacion utilizando IA → Recupera lo relevante en menos de 90ms → Funciona con claude code, cursor, codex, LangGraph, CrewAI y mas Sin bases de datos vectoriales Sin configuracion compleja Solo un comando: pip install memanto Tu agente ya recuerda donde lo dejaste No mas perder tiempo explicando lo mismo cada dia

Voicenotes Dictation is now live on iOS. You can now use the Voicenotes keyboard to speak into any app with a text box - Messages, emails, notes, comments, basically anywhere you’d normally type. Just speak, and your words appear instantly. Update Voicenotes from the App Store to try it.

i tried building an AI commentator for the World Cup it watches the live stream as the viewers, samples the newest frames, reads the action, and speaks the play-by-play back into the broadcast in real time here it is calling the 2022 final:

受够了每次搜 X 都要查高级语法 就干脆自己做了个Chrome 扩展插件 「X Search Filters」—— 高级搜索面板 在可视化面板上点点点，可以轻松搜指定用户、时间、地点、图片、视频、高赞推文，筛选。 支持预览语法、历史记录、收藏，中英文随意切。 已开源，感兴趣欢迎使用~

兄弟们！这个研究有点牛逼啊！ Physical AI 的瓶颈根本不是「模型不够大」，是一开始范式就错了。 先说一个真实场景：桌子高了 2cm，当前最强的 VLA 模型直接失败。 为什么？ 因为它只学到了「手伸到某个位置」的相关性，根本不知道「为什么」会摔、「怎样」才能不摔。 这就是 LLM/VLA 路线的致命伤，它在互联网数据上学的是统计相关性，但物理世界运行靠的是因果律。 你可以生成一段完美的「桌面物体掉落」视频，但模型完全不知道下一秒会发生什么。 UCSD 黄碧薇教授 @huang_biwei 刚在 CVPR 2026 发了 Causal World Models（因果世界模型）框架，给这个问题指出了一条新路：让 AI 从「模仿动作」进化到「理解因果」。 不是学「人做了什么」，是让它学「这样做为什么有效、换一个场景为什么失效」。 她今天宣布 Aether AI 融资2000万美金，也成为全球首个因果世界模型公司。 关于她的含金量，我们也来挖一挖： ① 12 年因果 AI 深耕，CMU PhD（导师 Kun Zhang + Clark Glymour） ②100+ 顶会论文，Apple Scholar in AI/ML ③causal-learn 作者（Python 因果发现库，GitHub 高星） CLeaR 2025 Program Co-Chair ④世界模型赛道正热：杨立昆 AMI 融了 $10 亿+，李飞飞 World Labs $10 亿，国内 25 起融资超 22 亿。 几乎所有玩家都在卷数据量、卷仿真规模。 但 Aether AI 的切入点完全不同，不卷 Scale，卷因果结构。 这可能是具身智能从「花拳绣腿」到「真正理解物理世界」的范式转折点。 感兴趣的可以看看官网：

美国🇺🇸政府又整活儿了！ 特朗普政府要求 OpenAI 推迟新模型发布，理由是安全担忧。 根据多家媒体（包括《The Information》、路透社等）报道： 特朗普政府已要求 OpenAI 分阶段（stagger）发布其下一代前沿模型（据报道为 GPT-5.6），原因是存在网络安全和国家安全担忧。 具体情况包括如下： - OpenAI CEO Sam Altman 在公司内部问答中告知员工：新模型不会立即全面公开发布，而是先以有限预览（limited preview）的形式，仅开放给一小部分选定的合作伙伴和企业客户。 - 在这个预览阶段，美国政府将对每个客户的访问权限进行逐个审批（customer-by-customer）。 - 这一要求来自美国政府两个关键机构：国家网络总监办公室（Office of the National Cyber Director）和科技政策办公室（Office of Science and Technology Policy）。 - 这与近期 Anthropic 的情况类似，政府也在对先进模型的发布施加更严格的控制。 背景： 这与特朗普政府今年6月初签署的行政命令有关。 该命令建立了一个自愿框架，鼓励 AI 公司在其最强大的模型公开发布前，提前最多30天提交给政府进行网络安全测试。 以评估潜在风险（尤其是网络攻击能力、对关键基础设施的威胁等）。 OpenAI 表示将遵守这一自愿审查机制，强调安全与创新需要并行推进。 意义： 这标志着美国政府对前沿 AI 模型发布的监管正在加强。 即使是自愿性质，也意味着 AI 公司不能完全自主决定何时、以何种方式向公众开放最先进的模型。 未来这类“分阶段发布 + 政府审批”的模式可能会成为常态。 总结：OpenAI 原本计划的全面发布被政府要求改为受控的有限预览，目的是在模型正式落地前更好地管控安全风险。 原文：

Skip transformer math to build AI agents in 2026. You just need these 6 (+1) core architectural pillars. 𝟭. 𝗠𝗼𝗱𝗲𝗹 𝗖𝗼𝗻𝘁𝗲𝘅𝘁 𝗣𝗿𝗼𝘁𝗼𝗰𝗼𝗹 (𝗠𝗖𝗣) Think "USB-C for AI." One universal standard that lets any agent plug into external tools and data — instead of hand-building an integration for every tool. Anthropic introduced it; the industry adopted it fast. 𝟮. 𝗔𝗴𝗲𝗻𝘁 𝗟𝗼𝗼𝗽𝘀 The engine behind every agent. A cycle of: perceive → think → act → observe → repeat. The agent keeps looping until the task is done, or it decides it's stuck. No loop, no autonomy. 𝟯. 𝗦𝗸𝗶𝗹𝗹𝘀 The agent's job description. MCP handles the connection and tools expose the API, a Skill is the higher-level logic that orchestrates them into a finished outcome. 𝟰. 𝗦𝗶𝗻𝗴𝗹𝗲 𝘃𝘀 𝗠𝘂𝗹𝘁𝗶-𝗔𝗴𝗲𝗻𝘁 𝗔𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝘂𝗿𝗲 Two ends of one spectrum. Single-agent: one LLM runs the whole pipeline. Multi-agent: specialized agents split the work, one retrieves, one validates, one writes, trading simplicity for scale. 𝟱. 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗥𝗔𝗚 RAG with a brain. The agent can route queries to specialized knowledge sources, validate retrieved context, and make dynamic decisions about what information to use. 𝟲. 𝗔𝗴𝗲𝗻𝘁 𝗠𝗲𝗺𝗼𝗿𝘆 Short-term lives in the context window; long-term is pulled on demand from external stores (knowledge bases or vector databases). It's what keeps agents coherent across interactions, and lets them learn from past ones. 𝟳. 𝗛𝘂𝗺𝗮𝗻-𝗶𝗻-𝘁𝗵𝗲-𝗟𝗼𝗼𝗽 (𝗛𝗜𝗧𝗟) The ultimate guardrail. Autonomous loops are powerful, but pure autonomy is dangerous for high-stakes tasks. HITL inserts human checkpoints for approval or correction before critical actions run. Which term would you add? 🤔

1-bit GLM-5.2 GGUF vs. Claude 4.8 Opus vs. GPT-5.5 We gave 3 models the same prompt and compared one-shot outputs. The 1-bit GLM-5.2 GGUF ran locally on a Mac Studio M3 Ultra with 256GB RAM at ~21.6 tok/s. Which output do you like best? GGUF: