VOL · 41

把今天的 AI
一杯咖啡读完

每日精选 · 一手源优先 · 看见 AI 浪潮的真实方向

2026 ／ 07 ／ 16 · 周四

大 模 型
Inkling
Thinking Machines 官方 · 今日 →

Mira Murati 首秀：9750 亿参数 Inkling 开源，SWE-bench 77.6% 冲击前沿

MoE 架构，975B 总参 ／ 41B 激活 ／ 1M 上下文窗口 ／ 45T token 预训练（文本+图像+音频+视频）／ AIME 2026 得分 97.1% ／ GPQA Diamond 87.2% ／ SWE-bench Verified 77.6% ／ Design Arena 1257 分持平 Claude Opus 4.6 ／ TermBench 2.1 仅用 Nemotron 3 Ultra 三分之一 Token ／ Apache 2.0 许可证 ／ 架构借鉴 DeepSeek-V3，后训练使用 Kimi K2.5 数据 ／ 支持调节「思考强度」

穆拉蒂用一句话定义了 Inkling——「不是最强的模型，但是最好改的模型」。975B 参数选择 Apache 2.0 全开，搭配 Tinker 微调平台，打法很清晰：不在闭源旗舰赛道上和 OpenAI／Anthropic 拼刺刀，而是在定制化底座上抢生态。最耐人寻味的是技术路线：架构学 DeepSeek-V3，后训练靠 Kimi K2.5——前 OpenAI CTO 的第一枪，弹药全从中国货架上拿的。
Seedance 2.5
IT之家 · 今日 →

字节 Seedance 2.5 全量开放 API，视频生成赛道进入价格血战

字节 Seedance 2.5 于 7 月 16 日全量开放 API ／ 2026 年春节前横空出世后迅速对可灵 AI 形成压迫性优势 ／ 对家可灵 AI 刚完成 30 亿美元首轮融资（估值 180 亿美元，ARR 近 5 亿美元）／ 字节联合中兴努比亚推出多款豆包 AI 手机，备货约 20 万台

Seedance 2.5 在可灵 30 亿美元融资落地两周后全量开放 API，时机绝非巧合。字节的打法和当初豆包一模一样：先把模型拉到竞品水平线以上，再用 API 价格和分发生态碾压。可灵有 ARR 近 5 亿美元、1 亿用户的基本盘，但 Seedance 2.5 背靠抖音的 C 端分发和火山引擎的 B 端渠道——视频生成赛道的战局，比融资数字显示的更激烈。
Hunyuan Hy3
证券时报 · 今日 →

腾讯混元 Hy3 调用量一周暴增 68 倍，登顶 OpenRouter 全球第一

发布一周后 Hy3 总调用量较 Hy2 增长超 68 倍 ／ 登顶 OpenRouter 全球大模型调用量总榜第一 ／ 此前 GLM-5.2 在 Databricks 内部测试打平 Claude Opus 4.8 ／ 阿里千问同步密集释放技术进展 ／ 国产大模型从「追跑分」进入「拼实际调用量」阶段

Hy3 的 68 倍增长不只说明模型好用，更揭示了当前大模型竞争的真实维度——从「谁跑分高」变成了「谁用得多」。OpenRouter 榜单是开发者用脚投票的结果，比任何 Benchmark 都诚实。国内大模型去年还在追 GPT-4，现在已经进入互相 PK 实际调用量的分化阶段，格局在加速洗牌。
开 源
Grok Build
GitHub · 今日 →

xAI 开源 Grok Build 全量代码：数据泄露危机后的断臂求生

Rust 编写 ／ Apache 2.0 许可证 ／ 含 Agent 核心循环 + TUI 渲染 + 工具调用分发 + MCP 服务器 + Skills + Subagents 完整逻辑 ／ 支持完全本地离线运行 ／ 此前被安全研究者截获上传 5.1GB 代码至 Google Cloud（含 .env 密钥与完整 git 历史）／ 用户数据已全部删除，云端存储已关闭 ／ 同步重置所有用户用量上限

这不是一次心态开放的开源，而是一次被数据泄露丑闻逼出来的透明化。但效果一样——GitHub 上现在能看到 Grok Build 的完整 Agent 循环、工具分发、MCP 集成和 TUI 渲染逻辑。对 Agent 开发者来说，这是迄今为止开源的最完整的终端编码 Agent 工程参考。马斯克赌的是：把代码摊开，既消解信任危机，又吸引开发者自己跑本地实例——比起道歉，开源更管用。
Xiaomi Robotics-U0
GitHub · 本周 →

小米开源 Robotics-U0：380 亿参数统一具身模型，WorldArena 登顶全球第一

380 亿参数多模态自回归模型 ／ 统一架构覆盖场景生成+轨迹迁移+交互视频+文生图四类任务 ／ WorldArena 综合排名第一（126 个模型参评）／ 五维解耦结构化控制（布局/物体/无关物体/光照/背景独立可调）／ FlashAR+ 加速方案：1024×1024 图片生成从 7.5 分钟压缩至 5.44 秒（82.9 倍）／ 真机 OOD 场景任务完成度 +26.3% ／ 可控性 91.60 分大幅领先 GPT-Image-2.0 ／ GitHub + HuggingFace 全量开源

小米在具身智能上的打法值得关注——不是做炫技 Demo，而是解决最实际的工程瓶颈：具身训练数据太贵太少。U0 本质上是一个「具身数据工厂」，把真实世界采集不到的场景批量生成出来，而且生成图片和机械臂位姿保持几何一致——GPT-Image-2.0 做不到的事。82.9 倍加速意味着从几天生成一个场景变成几分钟，规模化落地有了工程基础。
A G E N T
Codex Micro
OpenAI 官方 · 今日 →

OpenAI 首款硬件 Codex Micro：230 美元把 Agent 状态变成实体按钮

13 枚机械键 + 摇杆 + 旋钮 + 触摸区 ／ 6 颗 RGB 灯实时显示 Agent 状态（思考／运行／等待／完成／空闲）／ 旋钮无级调节推理强度 ／ 摇杆一键触发审查 PR、调试、重构等工作流 ／ 蓝牙+USB-C 双模 ／ CNC 铝合金机身 + PBT 键帽 ／ 230 美元（约 1556 元）／ 7 月 24 日发货 ／ 与 Work Louder 联名

OpenAI 的第一块硬件不是手机、不是音箱，是一块给 Codex 配的「遥控器」——Work Louder 的 Creator Micro 换了一套信仰键帽加 API 联动。但它传递的信号比产品本身重要：实体按键对应「接受」「拒绝」这种高频操作，意味着 OpenAI 认为人管 Agent 这件事已经高频到值得为它造外设了。程序员正在从自己写代码，变成同时盯一排 Agent 干活——键盘就是管理面板。
政 策
环球网 · 昨日 →

Apple 智能通过中国备案，阿里千问成为国行底层模型

7 月 15 日网信办公告 ／ 7 款手机端侧 AI 服务同步备案：Apple 智能、华为小艺、OPPO AndesGPT、vivo 蓝心、小米澎湃 AI、三星盖乐世 AI、努比亚豆包 ／ 阿里千问确认集成至 iOS／iPadOS／macOS／visionOS ／ 百度参与 Siri 与视觉搜索协作 ／ 今年 3 月曾短暂上线 6 小时后撤回

国行 iPhone 用户等了快两年，终于看到 Apple 智能落地的一线曙光。但更值得关注的结构性变化：全球最值钱的硬件生态，在中国区的 AI 大脑是阿里千问而不是苹果自研模型。这是中国大模型在全球科技供应链中地位的一次实质性证明——不是靠出海，是靠被集成。Apple 在中国选千问而非自研，本质上是对中国 AI 基础能力的变相投票。
前 沿 技 术

Frontier · GitHub & arXiv 周边

prime-rl
GitHub · 今日 Trending →

prime-rl：开源异步 Agentic RL 框架，支持千卡级分布式强化学习训练

Prime Intellect 发布 ／ Apache 2.0 许可证 ／ 异步强化学习框架，支持 FSDP2 训练 + vLLM 推理后端 ／ 可扩展至 1000+ GPU 多节点部署 ／ 原生集成 Environments Hub（500+ RL 环境）／ 此前用此框架训练出 INTELLECT-3（100B+ MoE，512 张 H200）／ 1.6K Stars ／ Python

prime-rl 解决的是 Agent 训练最核心的工程瓶颈——RL 训练不是 Demo 能跑的，要真正规模化需要千卡级的分布式基础设施。Prime Intellect 把训练 INTELLECT-3 的完整栈开源，意味着创业公司不再需要自建 RL 训练平台也能开始 Agentic RL。这对 Agent 生态的意义，类似于 PyTorch 对深度学习——把基础设施变成公共品，降低整个赛道的准入门槛。
Deja-vu
GitHub · 本周 →

Deja-vu：为编码 Agent 打造的零依赖记忆层，189 Star，解决跨工具记忆碎片化

Go 编写 ／ 零依赖单二进制文件 ／ 搜索各编码 Agent（Claude Code、Codex、opencode）的 Session 日志 ／ 自动注入上下文 + 敏感信息脱敏 ／ 跨设备 SSH 同步 ／ 直接复用现有 Agent 已有日志无需额外配置 ／ 189 Stars

同时用 Claude Code、Codex、opencode 的开发者都会遇到同一个痛点：每个 Agent 的记忆是孤立的，换工具就丢上下文。Deja-vu 不做自己的 Agent，而是在现有 Agent 之上加一层统一记忆——思路类似 RAG 但不限于文档，而是把「你上次让 Claude 做的那个事」跨工具传递。189 星刚起步，但方向精准地踩在了 Agent 基建最被忽视的坑上。
destructive_command_guard
GitHub · 今日 Trending →

destructive_command_guard：4.8K Star，给 AI Agent 的命令行装上刹车

Rust 编写 ／ +471 Stars 今日 ／ 4.8K 总 Star ／ 拦截危险的 git（push --force、hard reset）和 shell 命令（rm -rf、chmod 777）／ 支持 Claude Code、Codex 等编码 Agent ／ 规则可配置、开箱即用 ／ 非侵入式部署

Agent 在本地跑 shell 的最大风险不是它不会写代码，而是它偶尔 `rm -rf` 或 `git push --force` 时你来不及拦——groan-inducing 的损失面前，4.8K Star 说明这不是一个人的焦虑，是整个 Agent 社区的共识。destructive_command_guard 的逻辑简单但刚需：在执行前做一层语法和语义检查，给命令行 Agent 装一个物理刹车。这种工具越普及，Agent 才能越放心地放权。