首页

开源项目

GitHub 实核数据 + 实战解读的开源 AI 项目盘点。

62 星仓库登上《自然》:2100 万条结构全给了

中国科学技术大学 MIRACLE 实验室的 structRFM 是结构引导的 RNA 序列基础模型,相关论文 2026 年 11 月 5 日发表于《自然》(DOI 10.1038/s41586-026-11210-2)。仓库 heqin-zhu/structRFM 采用 MIT 许可,2026 年 11 月 6 日 GitHub API 实抓 62 星,创建于 2025 年 2 月、README 仍指向 2025 年 8 月 bioRxiv 预印本。团队表示已开放约 2100 万条序列-二级结构配对数据、模型权重与源代码:数据集由 RNAcentral 与 BPfold 构造、序列长度限制 512、Zenodo 上 4.5 GB;SgMLM 结构引导掩码建模与 MUSES 多源结构集成让模型仅凭序列输出序列级、核苷酸级与核苷酸对级特征,支持二级与三级结构预测、剪接位点预测、IRES 识别、非编码 RNA 分类与零样本同源性分类。

CPU 17 秒揭底 API:不交权重也能自证清白?

anthropics/FlashProve 是 Anthropic 开源的零知识可验证推理研究原型(Apache-2.0,2026-11-05 GitHub API 实抓 843 星,版本 0.16.0,官方自标研究产物、不维护、不接受贡献)。三步协议:服务商离线生成权重承诺 ID(单卡 H100 约 39 分钟)、每次回复由 GPU 出证明(每 1024 token 约 19MB)、任何人用普通 CPU 跑 cp_verify 几秒验证。已在 4000 亿参数的 Llama 4 Maverick 上实现单卡 H100 约 110 token/s 出证、CPU 约 17 秒验证,代价是约 70 至 95 倍于普通推理的 GPU 时间;协议可靠性在 Lean 4 中形式化证明。它只证来源不证正确性,目前尚无主流服务商实装。

连失败实验都拿来训练:MIT 开源科学大模型

2026-11-02 深度原理发布并开源 Hydrogen-1.0:基于 GLM-5.3 后训练的 753B 科学大模型,MIT 许可,ModelScope 与 HuggingFace 同步开放(deep-principle/Hydrogen-1.0,BF16 约 1.51TB,另有 NVFP4/MXFP4 量化版,8 卡 SGLang 测试)。官方自报 FSR 38.3% 超 GPT-6-Astra 的 33.3%、GPQA-Diamonds 93.0% 接近 Kimi-K3;特色是把自有实验室记录与失败实验数据纳入训练,配 Lab Compile 虚拟编译拦截错误实验指令。

纯 C 引擎与 744B:老机器啃得动 MoE 巨模型吗

JustVugg/colibri 是纯 C 编写的 MoE 分层推理引擎(Apache-2.0,2026-11-04 GitHub API 实抓 47,567 星):热专家驻 GPU(CUDA/Vulkan)、温专家在 RAM、冷专家从 NVMe 流式加载,13 个引擎直接读已发布的 GGUF,最低 8 GB 内存、22 GB 磁盘即可起步,Windows START-HERE.bat 与 Linux/macOS start-here.sh 三步装好。README 示例为 GLM-5.2 744B MoE int4、32 秒就绪、常驻 9.9 GB。注意其引擎清单不含 Hy4,只能作为同量级 MoE 的通用本地引擎。

只存 32 层算出 56 层:商汤把 27B 装进 9B

2026-10-30 商汤开源 SenseNova Loop-9B-Preview(github.com/OpenSenseNova/SenseNova-Loop,Apache-2.0):Looped Transformer 架构只存 32 个解码层,中间 24 层共享权重循环执行 2 次,单次前向跑出 56 次层计算,9B 参数、约 14.6B 计算量,官方自报在多类评测中媲美 27B 级模型;配合双流 mHC 超连接稳定循环中的信息传递,256K 上下文,多模态输入,官方还给出 torchtitan 微调配方。

DeepSeek 把 Agent 调度的秘籍开源了:让 AI 管 AI

2026-10-31 晚间,DeepSeek Harness 团队公布自主 Agent 探索项目 Super-agent 的底层架构并开源原型(github.com/deepseek-ai/dsh-superagent-prototype,MIT,截至 11-02 约 9,374 星)。核心是把计算机系统的调度、缓存、存算分离、看门狗思想搬进 Agent:双层 Router+Worker 常驻、事件驱动、异步多信道、外部 Watchdog。实验(合成负载)显示一半任务 12.4 分钟、95% 任务 15.7 分钟内完成,但更费 token——拿 token 换时间与稳定性。

开源TTS第一,权重却禁止商用:Breeze TTS 2拆解

上海微风蓝(BreezeBlue,2025 年 6 月成立、15 人团队,创始人杨斌为前 MiniMax 技术合伙人,8 月 25 日官宣 600 万美元种子轮)开源 Breeze TTS 2:仓库 breezeblue-ai/breeze-tts(1,230 星,代码 Apache-2.0),权重约 3.48B,中英双语,Hugging Face 与魔搭同步上架。Artificial Analysis Provider Voice 表现力榜(8 月 26 日前后快照)Elo 1215、开放权重第一,领先同榜 Fish Audio S2 Pro(1125)90 分;但受控音色克隆榜(8 固定音色)开放权重仅第三(1002,与 Fish S2 Pro 并列、落后 Mistral Voxtral TTS 1010),全站第六——「第一」必须挂榜名。README 口径:H100 预热 fast path 首包低于 40ms、RTF 0.32,eager 约 7.7GiB 显存(建议 12GB 卡)、--fast-all 约 14.4GiB(建议 24GB,fast 更耗显存);架构四段 T5Gemma2 文本编码器/Qwen3 结构主干 28 层/深度解码器 12 层/Mimi 系 VQ(16 路、12.5Hz)。核心钩子是许可双轨:代码 Apache-2.0 随便改,权重、衍生模型与自托管输出限研究/非商用,商用需 RESONIA 书面授权或走托管(34 美元/百万字符);社区 int8 量化后 8GB 卡可跑(有开发者实测峰值 7.4GB),另有 ComfyUI 节点包与 MLX 4bit 社区移植。

Unlimited OCR 2 开源:一次读完 3600 页哈利波特

百度 10 月 27 日发布并开源 Unlimited OCR 2(仓库 github.com/baidu/Unlimited-OCR,MIT 许可,权重同上架 Hugging Face 与魔搭):主打任意页数文档解析,官方实测一次解析《哈利·波特》全七部超 3600 页,MPDocBench 84.6、百页级 MarathonDocBench 77.1 双双端到端第一(技术报告精确值 84.59/77.06,第二名 Kimi-K3 仅 33.74)。SR-SWA 稀疏参考滑动窗口注意力模拟人类抄书——只在需要核对时回看,单步解码达 Full Attention 的 7 倍、上一代 R-SWA 的 5.6 倍;技术报告口径百页级峰值 KV 缓存 47GB 降至 1.77GB(减 96.2%)、16 路并发吞吐 3.65 倍,均为官方自报待复现。原生版面要素切分、跨页表格合并、跨页段落接续三大能力;第一代曾单日四榜第一、HF 累计下载破 1000 万、获 LeCun 转发,二代三天涨至 29,757 星(10-30 实测,官方公告口径 2.85 万)。短板如实记:HeadingTEDS 仅 48.20,强依赖标题层级树者留意;参数量 3B/激活 500M 为第三方报道口径官方未公布;二代部署推荐 SGLang(vLLM 支持属一代记录)。与站内六款 OCR 横评及 GLM-OCR/DeepSeek-OCR 的分工:那几篇管单页与几十页,本篇管任意页数。

Whisper该换了吗?NVIDIA开源转写模型登顶Open ASR

NVIDIA 10 月 28 日开放权重 Nemotron 3.5 Transcribe(仓库名 30B-A4B,模型卡口径 34B 总参含音频编码器、每步仅激活约 4.3B,语言骨干 Lightning 30B-A3B):40 语言转写、31 语言翻译、13 语言说话人归属,单条音频最长 1 小时、最多 8 说话人,批处理离线设计不支持流式(流式另有 0.6B 姊妹模型)。转写精度两个官方口径并存:模型卡 9 公开集英文平均 WER 4.71%(对照 Qwen3-ASR-1.7B 4.94%)、榜单站 5.33%(10-09 起计入私有保留集);Artificial Analysis 独立测 2.81%,接近激活参数约 6 倍于它的 Voxtral Small 的 2.77%。许可证 OpenMDW-1.1(Linux 基金会宽松许可)可免费商用再分发微调;权重 BF16/FP8/NVFP4/GGUF,GGUF 面向 NeMo-Speech.cpp 但发布时官方仍称量化版即将推出——权重挂出不等于本地工具链现成。训练数据 Granary v2 公开清单 463,062 小时/48 语言(全处理集约 84 万小时为另一口径)。与站内同传开源 Hy-SimulMT 的分工:转写是听写,不是边听边译。