首页

开源项目

GitHub 实核数据 + 实战解读的开源 AI 项目盘点。

Reflection AI Beam 501B:1TB 权重四张 B200 够吗?

Reflection AI 首个开放权重模型 Beam 于 2026-10-16 真正到账:仓库 huggingface.co/reflection/Beam-1.0-501B-A23B(另有 FP8 与 NVFP4 变体),Apache 2.0 许可,模型卡 informational only 不改许可。时间线必须写全:10-05 官宣时只有 waitlist,承诺本月发权重;10-08 更新基准表;10-13 时 HF 组织页尚无公开仓库;10-16 权重与 HF 官方博客《Welcome Beam》、AWS SageMaker 部署路径同日落地,十一天从承诺到交付。架构为稀疏 MoE:501B 总参、每 token 激活 23B(激活率约 4.6%)、52 层、每层 256 专家路由 8 个,纯文本进出;有效上下文 1M(midtraining 拉长)与 RL rollout 的 256K 是两个口径不得混写,服务端上下文上限与最大输出未公布;推理深度五档 low/medium/high/xhigh/max,权重附带 DFlash2 投机解码 drafter。硬件账是本文核心:BF16 全精度约 1TB,NVFP4 压到约 280GB,HF 明说两台 B200 勉强装下、建议规划四台 B200(720GB);最小 GGUF 约 103GB 且首先是内存要求;与站内 24GB/8GB 消费级线形成两极。基准全部为 Reflection 自报(10-08 修订)且无独立复现:SWE-bench Verified 81.6%(FP8 80.2%/NVFP4 80.7%)、Terminal-Bench v2.1 80.1%、GPQA Diamond 90.6%、AIME 2026 97.7%、HLE 无工具 36.0%;AA 已收录(Intelligence Index 30 分、美国开放权重第 2,转引 Artificial Analysis 口径,二手)。Ollama day-zero 限时免费但 ollama run beam 实为 beam:cloud 云端推理,本地跑须显式本地 GGUF;Mirror CLI(Rust)agent harness 同步开源,40+ 伙伴生态,self-distillation recipes 承诺中尚未发布;FT 报道 Nvidia 洽谈收购或加深投资(双方未证实)。与站内 muse-spark-open-816b-hotspot 分工:那篇讲 Meta 的桌面路径,本篇讲 Beam 的数据中心路径。

参数少 38%,Elo 多 91:FLUX 3 Klein 开放权重

Black Forest Labs 于 2026-10-15 把 FLUX 3 Image Klein 的权重放上 Hugging Face,仓库地址:huggingface.co/black-forest-labs/flux-3-image-klein(另有可微调的 base 仓与给 ComfyUI 用的 gated comfy 仓)。图像生成器为 5.6B 的 flow matching transformer,按官方描述由 per-mode early blocks 加 28 个 joint blocks 组成,文本编码器换成 Qwen3-VL-4B,VAE 沿用 FLUX.2;参数口径为各厂商自报、不含文本编码器。核心结论是更小的一代更强:对照自家前代 FLUX.2 [klein] 9B,文生图 +91 Elo、图像编辑 +70 Elo、参数少 38%;BFL 内部评测里它在文生图、多参考生成、图像编辑三项排第一,压过对照中的闭源 Ideogram V4.5 与自家 FLUX.2 [pro],同场开源对照为 Qwen-Image 2.1(7B)与 Krea 2(12.9B)。Krea 2 不支持图像编辑,故未进编辑项对比,这一点必须写明,否则容易读成三项全胜所有对手。能力上:原生 4K(宽高须为 16 的倍数)、pixel-perfect 编辑(未编辑区域官方用词为 exactly 保留而非近似重绘)、bounding box 可指定元素落位也可把编辑限制在框定区域内、最多 10 张参考图做角色一致性与风格迁移且无需重训、可选基于 Qwen3.5-9B 的 prompt upsampler。显存三档:BF16 需 11.2GB、FP8 需 5.6GB、INT8 构建可在最低 8GB 显存的 NVIDIA GeForce RTX 上经 ComfyUI 或 Diffusers 运行;速度按厂商口径,distilled 加 INT8 下 1MP 图在 RTX 5090 约 4 秒、RTX 4070 不到 9 秒,NVIDIA GB300 上 NVFP4 不到 0.6 秒,挂载 LoRA 使生成时间增加约 5%。许可为 FLUX Kommunity License:个人与年化总营收低于 500 万美元的公司可免费商用,研究与非商用对所有人免费,超门槛的组织需自托管商业许可或走 API,API 定价 0.009 美元起每 1K 分辨率图,条款细节以 LICENSE 原文为准。三条 caveat 必须并写:全部为 BFL 内部评测、独立复测尚无;API 延迟对照口径不等(BFL 自家服务器计时对竞品客户端计时含轮询与网络开销);8GB 声明未绑定具体变体、输出尺寸或生成时间,且官方速度图表未测 8GB 配置与 4K 输出。生态 day-one 支持 ComfyUI(PR #17064 与四个官方模板)、Hugging Face Diffusers、TensorRT-LLM、SGLang Diffusion、vLLM-Omni;LoRA 走 Ostris AI Toolkit 与 NVIDIA NeMo AutoModel。

官方称5090跑60帧的世界模型,官网面板却是0

昆仑万维旗下 SkyworkAI 于 2026-10-15 把 Matrix-Game 4.0 推上 GitHub(系列仓 github.com/SkyworkAI/Matrix-Game 建于 2025-05-06,4.0 位于子目录 Matrix-Game-4/,主页 matrix-game-v4-0.github.io)。GitHub API 2026-10-16 快照 2,488 星、272 fork——这是系列仓合计数,含 1.0 到 3.0 的积累,不能读成 4.0 单代的增速。核心做法是让游戏引擎先渲染低多边形(low-poly)代理画面,再由因果 DiT 视频模型流式神经渲染成最终画面;三层架构分别是持有游戏状态/物理/输入的游戏引擎、把自然语言指令写成新规则改写引擎并检索引擎状态生成动态 prompt 的 Coding Agent,以及蒸馏到 1 到 2 步去噪、每个 latent 出 4 帧的因果 DiT,HUD 与声音是模型之外的帧对齐表现层。三场景 Medieval Castle、Ancient Egypt、City Racing,权重与素材托管于 Hugging Face 的 Skywork/Matrix-Game-4.0。许可链必须拆三层读(以 LICENSE 原文为准):根仓库 LICENSE 为 MIT(Copyright 2025 SkyworkAI and contributors,覆盖系列老代码)、v4 目录 Matrix-Game-4/LICENSE 为 Apache-2.0 全文(11,357 字符)、v4 内附 licenses/ 目录中 MG4CF 为 Apache-2.0 文本、TAEHV 为 MIT(Copyright (c) 2025 Ollin Boer Bohan);README 原文写明 project code 为 Apache-2.0、vendored 组件保留各自原有许可、模型与素材分发另附许可声明。HF 模型卡的许可字段本站未能取到(检索被网络环境阻断),因此只写「以 Hugging Face 模型卡为准」,不臆测具体许可名。性能三口径必须并写:①官方发布口径为单张 RTX 5090、480p 60FPS、端到端延迟低于 150ms、单步去噪稳态 83 FPS、显存峰值 18.5 GiB(未独立复测);②官网性能面板当前仍是占位符 0FPS/0ms/0p/0GPU,页脚自述内容将在正式发布时更新(本站 10-16 实访);③仓库 README 自测口径最硬——单卡 A100-SXM4-80GB、864×480、一步去噪加 TAEHV 加 SDPA 加 ring/fused DiT 加 CUDA graphs,射击两场景固定 prompt 约 38-39 FPS(在线会话内模型处理吞吐)、赛车固定约 38.5、动态约 28.9(服务端在线管线吞吐),README 同时明写 --fps 40 是采集节奏目标而非吞吐或延迟保证,这些数字既不是浏览器呈现帧率也不是动作到光子延迟,赛车数字来自同架构早期 checkpoint。10-15 同步放出 RTX 5090 专用预设(--preset rtx5090 走 PyTorch SDPA、rtx5090-sage 走 SageAttention),做法是 DiT 块线性权重加载时转 FP8、推理时量化激活,Embedding 与输出头保持 BF16,再叠加融合核与 CUDA graphs;RTX 5080/5070 版官方称下周发布。边界必须知道:单进程仅支持一个活动会话加一个场景模型、网络默认绑回环(官方安全声明为可信单用户 demo,而非带鉴权的公网云游戏服务)、Windows 旧入口保留但未验证功能等价。仓库地址:github.com/SkyworkAI/Matrix-Game。

端侧大模型3GB跑35B:面壁把MoE塞进手机

面壁智能(ModelBest)与清华 THUNLP 背景的 OpenBMB 团队发布 MiniCPM-V 4.7(官方仓库更新日志 2026-10-12,媒体 10-13 前后集中报道),官方口径「首个端侧无损流畅运行的开源 MoE 多模态模型」,提供 35B-A3B(总参 350 亿/每 token 激活 30 亿)与 1B 双版本。速度以官方文档原文为准:iPhone 17 Pro Max 上约 3GB 内存、13+ token/s 解码(第三方转述 15+/17+ 口径与官方不符不采信);3GB 是模型运行内存占用而非整机门槛——专家权重驻闪存按需流式加载(MoE-SSD),官方 App 硬件表推荐 35B-A3B 机型 RAM≥12GB、1B≥4GB。核心三件套:LES 前瞻专家调度(跨层路由预测只影响预取不改计算路由,赌错不损正确性,官方称真机 5 倍提速业界独家开源)+细粒度分层量化+DSpark 投机采样;视觉侧延续混合 4×/16× token 压缩并引入基于 LLaVA-UHD v4 的 intra-ViT 早压缩。生态全家桶:Hugging Face/ModelScope 双渠道 FP8/int4/AWQ/GPTQ/GGUF 全量化;推理框架 SGLang/vLLM/llama.cpp/Ollama,微调 SWIFT/LLaMA-Factory,自回放微调 SRFT 同步开源;官方推理加速主路径为基于 llama.cpp 改造的 OpenBMB/llama.cpp-omni(MIT,10-13 新建仓);iOS/安卓/鸿蒙官方 App 在姊妹仓 OpenBMB/MiniCPM-V-Apps;Day-0 芯片名单按官方文档为 Intel/AMD/Arm/瑞芯微/后摩智能五家(FlagOS 众智另适配昇腾/摩尔线程/沐曦,官方称)。许可:代码与权重统一 Apache-2.0(docs/project_en.md 原文「weights and code are open-sourced under the Apache-2.0 license」已核),登记问卷为可选动作不构成商用前提。GitHub API 2026-10-15 快照 26,753 星/2,096 fork,最近推送 10-14。仓库地址:github.com/OpenBMB/MiniCPM-V。

Agent Skills 的 npm:34,494 星,一条命令收编提示词

vercel-labs/skills——「The open agent skills tool - npx skills」,把存放在 Git 仓库里的可复用指令包(skill)变成可安装、可更新、可分发的依赖,媒体称其为 npm for agent skills。GitHub API 2026-10-14 实测:34,494 星 / 2,952 fork、MIT(LICENSE 原文实测:Copyright 2026 Vercel, Inc.)、TypeScript、2026-01-14 建仓、10-09 刚推、Trending 日榜在榜。覆盖 79 个 coding agents(Claude Code/Codex/Cursor/OpenCode 等);命令全家桶 add/use/list/find/remove/update/check/init;默认项目级 symlink(--copy 兜底、-g 全局、--all -y 无人值守 CI);use 命令先试后装(写临时目录只把 prompt 打印到 stdout);源格式含 GitHub shorthand/GitLab/Azure DevOps/任意 git URL/本地目录/私有仓凭据;限额 10MB 下载/25MB 解压/1000 文件(环境变量可覆写);skills.sh 发现平台默认匿名遥测(DISABLE_TELEMETRY=1 或 DO_NOT_TRACK=1 关)。生态路线之争:Cloudflare 递交 .well-known/skills 竞争提案(RFC 8615)。官方集合仓 vercel-labs/agent-skills(32,367 星;GitHub API 未标 license、根目录未检索到 LICENSE 文件,本文不断言其许可证)含 react-best-practices(40+ 规则 8 类)、web-design-guidelines(100+ 条)等。S1 联想词实证企业采用面(wecomteam/okx/tencent 等真实安装命令)。诚实边界:2026-01 才创建的年轻项目;skill 质量取决于作者与所配模型;symlink 在部分环境会坏。仓库地址:github.com/vercel-labs/skills 与 github.com/vercel-labs/agent-skills。

God's Eye View:53,844星的真数据间谍卫星

God's Eye View(bilawalsidhu/gods-eye-view)自称浏览器里的间谍卫星模拟器,但数据全是真的:CesiumJS WebGL 近真实感 3D 地球上叠加实时航班(ADS-B)、全球船只(AIS)、838 个在轨目标(CelesTrak TLE,SGP4 实时推算)、地震、约 3,600 路公共摄像头、电台、山火、发射任务与天气图层(图层与数量多为第三方报道/项目文档口径)。GitHub API 2026-10-13 实测:53,844 星、10,627 fork、JavaScript、2026-06-22 建仓、pushed 10-12,当日 Trending 日榜第 2(单日 +1,895 星),8 月曾登顶日榜与周榜(README 自述,Trendshift 独立记录 8-27 第一);作者前 Google 产品经理 Bilawal Sidhu。许可证以 LICENSE 原文实测为准:MIT(Copyright 2026 Bilawal Sidhu;GitHub API license 字段标 NOASSERTION 并不准确)。落地要点:15 图层中 13 个免 key(第三方口径),无 key 可看基础层;近真实感 3D 需 Cesium ion(个人非商用条款)或 Google Maps key;语音 AI agent 需 OpenAI key;安装 git clone + npm ci + npm run doctor + npm run dev(Node 18+)或 Pinokio 一键。已知坑:旧版打公共 OSM Overpass 会被拒、Traffic 图层空白先更新;Cesium 实体流与 3D Tiles 吃显存。诚实边界:是地理空间数据融合客户端不是真卫星直播,交通是真实路网上的模拟流量,CCTV 位姿与火箭轨迹为粗估。与站内 9 月版拆解(32,399 星时点)分工:本篇是 10 月时点的落地实操视角。仓库地址:github.com/bilawalsidhu/gods-eye-view。

4GB显存装下2.8万亿参数:别人压缩,它搬家

AirLLM(lyogavin/airllm)的思路是反着来:不量化、不蒸馏、不剪枝,而是把权重逐层流式搬运进显存,用速度换显存。GitHub API 2026-10-12 实证:36,747 星、3,829 fork、Apache-2.0、created 2023-06-12、pushed 2026-10-12、open issues 160、主语言 Jupyter Notebook(据此更适合当研究工具而非生产组件)。仓库地址:github.com/lyogavin/airllm。README 实测口径(官方自报、本文未复现):Qwen3.8-27B 稠密 VL 跑进 3.33GB(RTX 3090 端到端,需 transformers 5.8+);Qwen3.8-Flash-Next 125B 5.95GB(RTX 4090,n-gram 表文件映射到主机、需 64GB 级内存、检查点约 360GB);Kimi K3 2.8T 3.72GB(RTX 6000 Ada,按 token 路由逐专家流式,需 compressed-tensors + flash-attn + CUDA 12 构建的 torch + transformers 4.56.x);DeepSeek-V3 671B 约 12GB;2026/09 起支持训练,125B 训练 <6GB(RTX 3060 Ti)。诚实边界:官方首页 70B ≤4GB 是未标硬件的宣传口径;README 未给 tokens/s,故本文不编速度数字;分层搬运意味着逐 token 交互场景体验有限;磁盘与主机内存才是真门槛;Kimi K3 权重是修改版 MIT(非标准 MIT),商用须读原始 LICENSE。生态定位:站内已有五款部署工具横评,本篇换的是内存策略维度。

看上别人的功能别猜了:84k星REA让agent拆开看

morluto/rea(Reverse Engineer Anything)登顶 GitHub Trending:GitHub API 2026-10-11 实证 84,088 星、MIT、TypeScript;星数演化链三信源分开标口径(媒体引 trending 数据约 10,400 → 第三方引 GitHub API 47,884 → 本站 API 实证 84,088)。仓库地址:github.com/morluto/rea。本质是一个 MCP server + CLI(npx rea-agents setup),把编码 agent(Claude Code/Codex/Cursor/Gemini CLI 等)接到逆向工具箱:native 二进制挂 Hopper/Ghidra/IDA、JS/Electron 静态免引擎、.NET 程序集、APK(JADX)、固件(Binwalk/Unblob)、EVM 字节码、HAR/mitmproxy 抓包、网站。v6.0(2026-10-08 发布说明)新增 pwntools ELF 离线布局、crash inspection、Windows PE x86、LLDB 观察等,24 小时内连发 v6.1~v6.3。边界如实写:不恢复源码、不自动克隆应用、每个结论附证据与限制;分析全部本地运行、目标二进制不出本机。README 口径 showcase:DX-Ball 函数 C 重构通过 3,205 个原始 x86 用例、63 字节逐字节复现;Notion 剪贴板 bridge 全链路追踪。created_at 2026-04-14(API 口径)与媒体称 10-07 launch 两说并存,正文不断言精确发布日。

2%到47%:JetBrains用RL把补丁模型练成agent

JetBrains 2026-10-08 上架 Mellum2.1(HF 实核经 hf-mirror:ungated、Apache 2.0、发布初期 198 下载/77 likes)。仓库地址:huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking。架构与 6 月的 Mellum2 完全同构(12B MoE/2.5B 激活/131K 上下文),卖的是训练配方:RL 从收尾环节变训练主体,数千环境数百万沙盒 run,新增数学/竞赛/科学/工具/软工任务并过滤源数据。JetBrains 自测(Pi harness v0.73.1、thinking mode、第三方未复跑):SWE-bench Verified 2.0 升至 47.0,但 Qwen3.5-9B 为 50.0——真实仓库长任务 Qwen 胜,LiveCodeBench v6 82.0 与 BFCL v4 62.3 是 Mellum 胜(各引各表,分数多以图表呈现无可核对原始数字)。速度:H200 重负载吞吐「接近 Qwen3.5-9B 两倍」为官方口径;单请求 1.6x 依赖 MTP 投机解码——MTP head 未随权重发布(coming soon),现在买不到;GGUF(llama.cpp/Ollama/LM Studio)同为 coming soon。部署:vLLM 即日支持(reasoning-parser qwen3),BF16 权重约 24GB 级(估算口径),无官方托管 API。定位:固定 GPU 预算跑 agent 密度+数据不出域,不是全面超越 Qwen。

开源视频模型LTX-2.5:连视频解码器都拿去训练

Lightricks 2026-08-11 发布 LTX-2.5,替换 LTX-2.3。仓库地址(双形态):huggingface.co/Lightricks/LTX-2.5(HF API 实核 2026-10-09:gated=auto 即登录同意条款自动放行、license 标签 other=自定义 LTX-2.x Community License、168.9 万下载;Diffusers 版 Lightricks/LTX-2.5-Diffusers 同 gated=auto),代码 github.com/Lightricks/LTX-2。架构:22B 视频音频一体骨干 + 自定义 Gemma 4 12B 文本编码器 + 扩散视频解码器——VAE 解码器本身是扩散模型,激进攻画 latent 压缩与高画质不再互斥,是本代最大架构亮点;另有 DFR 自适应算力分配。能力:4K(3840×2176)HDR、最高 50fps、24kHz 立体声同 pass 同步生成、原生多镜头(跨切保持角色/环境/光照/声音)、RAW/EXR 工作流。时长两说并存标注:pinggy 称单次最长 20 秒(Extend 管线可扩),innfactory 称单次 121 帧@24fps 约 5 秒——不写死。显存:全量 80GB+,distilled/FP8 变体单卡 12GB 起,全组件约 66GiB 下载。许可:年收入低于 1000 万美元免费商用,达到须购 Commercial Use Agreement。VFX 定位:HDR 化/修复/上色/日夜转换等 LoRA 全家桶、AlphaGen 抠像、Tiled Fusion 4K/8K 上采样。生态:ComfyUI(int8_convrot 构建)、Diffusers 0.40.0、ltx-trainer 微调。