Claude改写Bun引发Zig反击
Bun 用 Claude 把一套大型 JavaScript 运行时从 Zig 迁到 Rust,刚被包装成 AI 编程的标杆案例,Zig 创始人 Andrew Kelley 就把桌子掀了。 这场争议有个很具体的画面:一边是 11 天、6778
收录 开源 相关 AI 新闻、产品动态和产业观察。 本页收录 21 篇已发布文章。
Bun 用 Claude 把一套大型 JavaScript 运行时从 Zig 迁到 Rust,刚被包装成 AI 编程的标杆案例,Zig 创始人 Andrew Kelley 就把桌子掀了。 这场争议有个很具体的画面:一边是 11 天、6778
一个开源项目最近抛出个有点反直觉的结论:与其用一个最强的模型,不如把四个国产模型凑到一块投票。 这个项目叫OpenSquilla,7月6日放出0.5.0预览版,背后是家刚成立不久、估值1亿美元的公司基元律动。它的核心改动,是在Agent的调
Palantir 和英伟达 6 月 29 日联手推出了一套系统,专治政府机构一个老矛盾:既想用上强大的 AI,又不敢把敏感数据送出自己的机房。 它们的做法,是把英伟达的 Nemotron 开源模型整个搬进"气隙"(air gapped)环境
一个在 OpenBSD 内核里躺了 23 年的内存漏洞,被一个 AI 翻了出来。 这是 OpenAI 周一(6 月 22 日)甩出来的成绩单里最扎眼的一条。当天它把一套叫 Daybreak 的安全产品摊开讲,核心是一个专门干安全活的模型——
开源世界有个老毛病,这两年被 AI 放大了:真正在维护那些底层项目的,常常就那么几个人。 OpenAI 自己引的数据挺扎心——被广泛使用的开源项目里,九成多的代码更新,是不到十个开发者扛下来的。平时就忙不过来,现在 AI 还能成批往他们邮箱
AI 生成的视频有个老毛病:镜头往前推一段、再转回来,原先那把椅子可能就换了个样,墙上的画也飘没了。模型不记得"刚才这儿长啥样"。 6 月 14 日,微软研究院联合几所高校放出一个叫 Mirage 的视频世界模型,专治这个健忘症——而且代码
做文生图的公司大多把最好的模型锁在 API 后面收钱。Ideogram 这回反着来——6 月 3 日,它把当家旗舰 Ideogram 4.0 的权重直接放到了 GitHub 上,让你下回家自己跑。 这不是一个缩水的开源小号,是它能拿出手的最
2240亿对1860亿。这不是融资额对比,是这周OpenRouter上跑得最猛的两个AI Agent,一天烧掉的token数。 先说结论:OpenClaw的第一终于丢了。 5月10日,MarkTechPost盘点了OpenRouter的全球
Hugging Face 的开源机器人框架 LeRobot 被发现一个严重远程代码执行漏洞, 任何能连到服务端口的攻击者都能直接接管你的机器 ——不用用户名、不用密码、不用证书。 CVE 编号是 CVE 2026 25874 。 漏洞具体长
"AI自我进化"这个词被说烂了,但MiniMax在M2.7上做的事稍微不一样。 不是科幻意义上的自我意识,而是:M2.7在自己的训练过程里,用一套agent框架自动跑实验、读日志、分析指标、调代码、再跑实验,循环100多轮—— 没有人工干预
去年九月底,DeepSeek悄悄放出了V3.2,没有大张旗鼓,但这个版本搞了一个挺有意思的架构变动。 V3.2的核心改动不是参数规模,而是注意力机制。他们做了一个叫 DeepSeek Sparse Attention(DSA) 的东西,把传
两年前"开源能追上闭源吗"还是个有争议的问题,现在答案已经很清楚了: 在大部分常规任务上,开源已经追平甚至超过了。 当前格局 开源阵营 : DeepSeek V3/R1——顶级性能,极低成本 Llama 4 Scout/Maverick——
Hugging Face刚出了2026年春季的开源生态报告,几组数据很有冲击力: 平台规模 用户: 1300万 公开模型: 200万+ 公开数据集: 50万+ 三项数据同比都接近翻倍。 最大的变化:中国模型下载量占41% 中国模型在Hugg
欧盟的AI法案(AI Act)在2025年开始分阶段实施,到2026年大部分条款已经生效。对开源AI社区来说,影响没有之前担心的那么严重。 开源豁免 AI Act对开源模型有专门的 豁免条款 ——如果你发布的是研究性质的开源模型,很多合规要
OpenClaw在开发者社区的走红速度有点出乎意料——从一个小众的开源项目到GitHub trending榜首,只用了不到两周。 OpenClaw是什么 一个 开源的AI agent开发框架 ,核心定位是让开发者能够快速搭建和部署自定义的A
2024年11月Anthropic发布MCP协议的时候,多数人的反应是"又一个公司推自家标准"。结果一年不到, OpenAI、Google、微软全部跟进采用 ,MCP成了AI领域的事实标准。 MCP解决了什么问题? 以前每个AI模型要对接每
去年4月5号Meta放出了Llama 4,这是Llama系列 第一次用MoE架构 。同时发了两个型号: Llama 4 Scout 激活参数: 17B / 总参数约109B 专家数量: 16个 上下文窗口: 1000万token 没错,一千
阿里今年把Qwen3全系列模型用 Apache 2.0协议 开源了,从0.6B到235B一共8个尺寸,全线开放。 为什么Apache协议很重要? Apache 2.0基本上是最宽松的开源协议之一,意味着企业可以 免费商用 ,不用额外谈授权。
去年7月,月之暗面直接开源了Kimi K2——一个 万亿参数 的MoE大模型,每个token只激活32B参数。 架构亮点 总参数: 1万亿 每token激活: 32B 训练数据:约 15.5万亿token 上下文:128K(后续升级到256
今年1月,DeepSeek把R1推理模型直接开源了,社区的反应很直接: 没想到开源这边已经卷到这个程度了。 先看硬指标: AIME数学竞赛 :77.5分 MATH 500 :96.2分 Codeforces编程 :94百分位 MMLU :0
去年12月DeepSeek发布了V3,这个模型最让同行坐不住的地方不是性能——而是 成本 。 先看架构 V3的设计核心是 Mixture of Experts : 总参数量: 671B 每个token实际激活: 37B 每层256个专家,每