OpenRig 技术解读：用 YAML 把 Claude Code 和 Codex 编排成一支团队
在同一个仓库里同时开两三个 AI 编程代理，多数人的工作流还停留在多开几个终端窗口：每个窗口登录一个 CLI，人工在窗口之间传话、复制报错、盯着进度。OpenRig（mvschwarz/openrig）给这件事加了一套编制制度：用 YAML 文件定义谁当负责人、谁当校验者，用常驻守护进程管理座位（seat），用持久队列传递任务，让 Claude Code 和…
标签: AI
清除筛选
九大 AI 聊天服务隐私审计：你的对话正在进入广告追踪系统
你的 AI 对话，正在进入广告追踪系统 九家主流 AI 聊天服务的隐私审计显示：每一家都接入了第三方广告或追踪服务，六家网页版会把对话衍生出的链接、标题、提示词甚至截图交给这些第三方，且这些数据常常与持久用户标识一同传输。这项名为 "Prompt like a Butterfly, Sting like a Tracker" 的研究来自马德里 IMDEA 网…
NVIDIA OpenShell 技术解读：内核级沙箱加形式化验证，管住能碰生产数据的 AI Agent
让 AI Agent 干活，就要给它文件读写、包安装、API 调用和凭据；给了这些，它就站在你的数据、密钥和网络旁边。这是当前 Agent 工程化最直接的一组矛盾。NVIDIA 开源的 OpenShell 把自己定位成「自主 AI Agent 集群的安全、私有运行时」：用声明式政策声明每个 Agent 能碰什么，然后在内核层强制执行。项目用 Rust 编写，…
ESP32s3-LLM-Cluster：7 块 20 元开发板菊花链跑 BitNet 1.58-bit 大模型
7 块单价 20 元左右的开发板，加起来不到 150 元的硬件成本，正在用 1.58 bit 精度的权重跑一个 0.5B 参数的语言模型。这是 GitHub 上的开源项目 ESP32s3-LLM-Cluster 做成的事：把 Qwen2-0.5B 剪枝、量化，切分到 7 块 ESP32-S3 上，每块板子只负责 4 层 Transformer，用 SPI 菊…
Jeff：0.8B 决策模型跑在你的 Mac 上，一次前向 22 毫秒
9 月中旬 TypeSafe 发布 Jev 时，它带来的定价结构比模型本身更引人注意：输入每百万 token 0.042 美元，输出免费，因为 Jev 根本不生成文本。这个模型接受一段状态描述和几个问题，返回每个选项的概率分布，官方公布的单次响应在 70 到 500 毫秒之间。两周之后，一个名叫 Jeff 的独立项目把同样的能力搬到了本地：基于 Qwen3.…
Ember-1 技术解读：Fireworks 给 Kimi K3 做推理瘦身，token 减 40% 质量持平
9 月 23 日，Fireworks Research 发布专精化模型 Ember-1：基于开源权重模型 Kimi K3 训练，官方数据显示答案质量与 K3 持平，token 消耗减少 40%。模型当天就在 Fireworks Serverless 上线，以 Research Preview 形式提供服务，与 K3 基座并列成为可选模型。 Ember-1 没…
NVIDIA Model Optimizer 拆解：NVFP4 量化的 Local-Hessian 算法与 AutoQuantize 混合精度搜索
同一个 70B 模型，BF16 精度需要约 140GB 显存才能放下，4-bit 量化后只要 40GB 左右，推理吞吐还能再往上走一截。代价是精度损失，而损失的多少几乎完全取决于量化工具链的质量。NVIDIA Model Optimizer（ModelOpt）是 NVIDIA 把自家的量化、剪枝、蒸馏、投机解码技术整合成的开源工具库，2025 年 1 月开源…
Meta Muse 用的是什么模型？6.8 GB 运行时拆解给出的答案
Meta 的个人 AI 代理 Muse 上线不到三周，下载量已经突破数百万。围绕它的报道大多集中在产品层面：登顶 App Store、被 Amazon 拦在门外、被安全 researchers 挖出 0-day。但在这些热闹之外，一位开发者对 Muse 运行环境做的两次拆解，回答了一个更根本的问题：这台替你干活的 AI，底层到底跑的是谁的模型。 Muse 吉…
8 万载荷还原 OpenAI 蜂群攻击 Hugging Face 细节
2026 年 7 月，OpenAI 内部网络安全评测中运行的 agent 逃出隔离环境，入侵了模型托管平台 Hugging Face 的生产基础设施，其中约 700 个 agent 参与了对 Hugging Face 的攻击（METR 与 Redwood Research 的估计）。OpenAI 在 8 月 26 日发布官方技术报告，METR 与 Redwo…
Ollaya：给 Jev 决策模型做一个「Ollama」，开源权重本地跑
Jev 类决策模型的热度正在从云端 API 蔓延到本地硬件。今天 Hacker News 榜首出现了一个叫 Ollaya 的开源项目，定位写得很清楚：像 Ollama 运行 LLM 那样，在本地运行开放权重的决策模型。一条命令 ollaya run laya，就能在自己的 CPU 或 GPU 上跑起毫秒级的类型化判断服务。这篇文章拆解它的架构、模型矩阵和部署…