框架
ADOPTvLLM
vLLM 0.33 是稳定版，扩展 EFA、多种低精度路径和诊断能力，但 CUDA 13、ROCm 与多项执行器变化使它不是无风险升级
最近变化 · 2026-11-03：vLLM 0.33 转向 CUDA 13，并加入 EFA 服务与新推理路径
MATRIX / PROJECTS
项目档案
模型、工具与协议的持续档案。看当前判断，也看一路如何走来。
infrastructure
TRIALNVIDIA Run:ai
Run:ai 已有显存硬约束 GPU 切分，并通过 Workload Map 复用多类 Kubernetes AI workload 定义
最近变化 · 2026-11-03：NVIDIA 公开 Workload Map 架构与三条复用路径
program
WATCHOpenAI Grid Protectors
全国计划已宣布，但只有 Georgia 试点具备获批合同，园区尚未运行
最近变化 · 2026-11-03：OpenAI 推出 Grid Protectors，先在 Georgia 试点
company-filing
WATCHAnthropic IPO
营收规模与长期算力承诺都已进入监管文件，但中期报表未经审计，定价与现金流仍待后续文件
最近变化 · 2026-11-03：Anthropic 披露单季营收 170 亿美元与 8954 亿美元算力承诺
model-repository
IGNOREburner22/numbat
可复现检查表明抽查权重可由名称种子生成，且没有 Anthropic 来源认证
最近变化 · 2026-11-03：社区审计发现所谓 Anthropic Numbat 权重是种子噪声
开发工具
TRIALQwen Code
0.26.5 的受控修复交接与隔离验证已进入稳定版，但 Helm managed deployment 仍属实验功能
最近变化 · 2026-11-02：0.26.5 加入受控修复交接、隔离验证与实验性 Helm 部署
开发工具
TRIALRapid-MLX
本地 agent harness 可用，但终端无沙箱且网络策略为启发式
最近变化 · 2026-11-02：Rapid-MLX 1.0 为 Apple Silicon 加入本地 agent harness
research-project
WATCHAuctopus
单一作者实验展示了会否定结果的闭环，但缺少完整复现材料
最近变化 · 2026-11-02：Auctopus agent 检出漂移后重做量子自旋实验
开发工具
ADOPTClaude Code
2.1.316 继续收紧企业策略边界并修复稳定性问题，适合回归后升级
最近变化 · 2026-10-31：2.1.316 收紧模型策略、restricted 上传与托管安全结论
开发工具
TRIALCodex
0.166 加入队列恢复和网络诊断，但分叉审批与线程恢复仍需回归
最近变化 · 2026-10-31：0.166.0 增加队列恢复并修复会话状态边界
模型家族
TRIALDeepSeek
1017 新增 NVIDIA NVFP4 打包版本；速度和价格有竞争力，但要实测总 token 成本与量化质量
最近变化 · 2026-10-31：NVIDIA 发布面向 Blackwell GPU 的 1017 NVFP4 checkpoint
模型
TRIALMiniMax M3.1 Flash
低价 API 之外，252 GB 公开权重现已可下载；自托管前须审查自定义许可
最近变化 · 2026-10-31：补核确认 M3.1 Flash 权重已公开，原记录的“尚不可下载”已过时
模型
TRIALLumma-Fev-v2
公开权重可用于本地决策评测，但发布方 benchmark 与小型翻译集不能证明生产可靠性
最近变化 · 2026-10-31：FrontiersMind 开放 Lumma-Fev-v2 决策模型
product
WATCHSynthID Detector
全球英语访问让水印检查可用，但覆盖范围和独立错误率证据仍有限
最近变化 · 2026-10-31：Google 向全球英语用户开放 SynthID Detector
模型
TRIALClover-35B-A3B
公开 Preview 可测试 coding-agent 质量与吞吐，但厂商结果尚未复现
最近变化 · 2026-10-31：DiffuSpace 开放 Clover-35B-A3B-Preview 权重与代码
框架
TRIALNemoClaw
公开蓝图可组合自持 agent 栈，但策略隔离与运维成本仍需实测
最近变化 · 2026-10-31：NVIDIA 开放 NemoClaw 受控 agent 栈蓝图
security-incident
WATCHCursor 扩展事故
对在该时段从 Cursor 市场安装或更新的人来说，仅卸载扩展不够，因为 payload 会落地持久化脚本
最近变化 · 2026-10-31：Cursor 通报扩展市场曾分发带后门的 Claude Code
research-program
WATCHClaude 药物研发案例
对生命科学 AI 团队来说，这些案例说明 agent 正进入分子生成之外的真实流程
最近变化 · 2026-10-31：Anthropic 披露 Claude 在六家药物研发伙伴中的早期结果
模型
TRIALPika H3 Flex
对视频工具团队来说，公开权重让本地画质、延迟与参考控制可测试
最近变化 · 2026-10-31：Pika Labs 开放 Pika H3 Flex 视频模型权重
foundation-model
WATCHGPT-6 Rosalind Research
受限可信访问提供生命科学研究能力，但尚无开放权重或独立复现
最近变化 · 2026-10-31：OpenAI 向受审研究机构开放 GPT-6 Rosalind
foundation-model
TRIALSenseNova-Loop-9B-Preview
公开权重与代码让循环多模态执行可验证，但 serving 支持仍在合并中
最近变化 · 2026-10-31：SenseNova 开放长上下文循环多模态模型
infrastructure
WATCHProject Suncatcher
轨道 TPU 首次完成数据中心级 AI 响应，但仍是研究演示
最近变化 · 2026-10-31：Google 首次在轨运行数据中心级 TPU 推理
开发工具
TRIALOpenCode
2.2 加入持久 PTY 与实验性产物、调度能力，同时修复首发回归
最近变化 · 2026-10-31：OpenCode 持久化终端并加入实验性 agent 产物
agent-framework
TRIALWebAnything
公开环境把网页 agent 评测扩展到可复现的大规模任务，但结果仍来自作者
最近变化 · 2026-10-31：WebAnything 为 web agent 重建可复现实验环境
research-project
WATCHOpenFrontiers
公开语料与 benchmark 支持数学前沿检索研究，但迁移价值尚未独立验证
最近变化 · 2026-10-31：OpenFrontiers 区分 agent 是重发现还是检索数学答案
开发工具
TRIALGitHub Copilot
Copilot 云会话已在付费方案 GA，跨端恢复与共享 Actions 额度值得验证；快照隔离和实际计费仍需实测
最近变化 · 2026-10-30：GitHub 正式开放可跨端续接的 Copilot 云会话
框架
TRIALOllama
Ollama 0.40.13 将 LFM3 音频与 omni 路径扩展到 Linux 和 Windows，适合跨平台小规模试验
最近变化 · 2026-10-30：Ollama 0.40.13 将 LFM3 音频与 omni 模型扩展到 Linux 和 Windows
模型
TRIALMistral Large 4
Large 4 权重已开放，serving 路径明确；MaaS 许可限制与 1T 模型成本仍需先核对
最近变化 · 2026-10-30：Mistral 发布 Large 4 权重与受限 MaaS 许可
模型家族
TRIALGranite Switch 4.1
4.1.1 证明适配器可独立更新并扩展十种语言 ASR，但 Adapter SDK 仍未发布，质量提升仅由厂商报告
最近变化 · 2026-10-30：Granite Switch 4.1.1 用向后兼容适配器扩展十种语言 ASR
模型
WATCHGemini 4 Carbon
当前仅向部分网络防御者预发布，没有通用 API 或权重；厂商 benchmark 与价格待外部验证
最近变化 · 2026-10-30：Google 将 Gemini 4 Carbon 限于部分网络防御者
框架
TRIALConcordat
公开库把 agent 动作约束放到运行时协议中，单一航空场景结果有价值但尚不足以证明通用可靠性
最近变化 · 2026-10-30：Concordat 用类型化协议约束 LLM agent 动作
框架
TRIALAnySpeechRecognizer / AnyDecisionModel
开源 Swift 包降低 Apple 端侧语音与类型化决策集成成本，但平台门槛和 Core AI 依赖冲突需要先验证
最近变化 · 2026-10-30：AnySpeechRecognizer 与 AnyDecisionModel 开源 Apple 原生 AI 组件
开发工具
WATCHGemini CLI
Gemini CLI 0.66 加入私网 MCP OAuth 与无交互 safe Git，但相关控制为可选项且依赖部署环境
最近变化 · 2026-10-28：Gemini CLI 0.66 加入私网 MCP OAuth 与更安全的 Git 执行
模型
TRIALNemotron 3.5
Nemotron 3.5 Transcribe 权重与 Granary v2 训练数据已开放；多语种语音与远场结果主要来自厂商报告，需要在目标音频上复测
最近变化 · 2026-10-28：NVIDIA 开放 Nemotron 3.5 Transcribe 与 Granary v2
模型
WATCHGenie 4
研究预览展示交互式世界生成，但目前只面向有限测试者，未开放权重或通用 API
最近变化 · 2026-10-28：Google 向受信测试者开放 Genie 4
research-project
TRIALNovelty Judge Bench
代码与数据已公开，可用来检查 AI 研究代理是否重复已有想法；弱标签与领域覆盖限制要求人工复核
最近变化 · 2026-10-28：Novelty Bench 揭示 LLM 新颖性评审易受提示影响
模型
TRIALNVIDIA Metatron
控制器权重和研究材料已公开，可复现实验，但 sim-to-real 与硬件安全仍需本地验证
最近变化 · 2026-10-28：NVIDIA 开放 Metatron 人形机器人控制器权重
开发工具
TRIALOpenHands
OpenHands 1.34 把 runtime 绑定到 conversation 并扩展恢复路径，适合在隔离仓库验证长任务生命周期
最近变化 · 2026-10-28：OpenHands 1.34 为每个会话隔离运行时
模型家族
TRIALGPT-6
GPT-6 家族已增加更便宜的 GPT-6.1 Terra，并有 Ultrafast 内部事故响应案例；性能与节省仍主要由 OpenAI 自报
最近变化 · 2026-10-27：OpenAI 披露 Ultrafast 的内部事故响应用例
infrastructure-tool
TRIALNVIDIA Mission Control / Minerva
Mission Control 2.5 已把 Kubernetes 故障恢复做成可用的商业能力，适合现有大规模 GPU 集群客户做受控验证
最近变化 · 2026-10-27：NVIDIA Mission Control 2.5 把自动恢复扩展到 Kubernetes
开发工具
TRIALCline 4.1.26
对 coding agent 用户来说，新版既让“改了哪些文件”更可见，也修补了可能重复执行或卡住回合的故障路径
最近变化 · 2026-10-27：Cline 同步增强改动可见性与失败恢复
开发工具
TRIALAgentic Workflows
对用 GitHub Actions 表达 agent 工作流的团队来说，secret 跨步骤流动是具体的安全边界，不只是通用扫描规则
最近变化 · 2026-10-27：GitHub Agentic Workflows 追踪跨步骤 secret 泄漏
benchmark
TRIALLIFT-Bench
对训练模型写报告、计划或文档的团队来说，段落级约束比“整篇都遵循一种格式”更接近生产
最近变化 · 2026-10-27：AI21 开放 LIFT-Bench 测量长文局部指令遵循
research-project
WATCHInteractiveWorld
基于世界状态的检查可以区分 agent 是否真的改变了环境，而不是只用文字声称成功
最近变化 · 2026-10-27：Meta 开放 InteractiveWorld 与状态可验证多模态评测
开发工具
IGNOREPaperPilot
对评估本地文档工具的团队来说，多入口架构有意思，但社区热度已经跑在版本成熟度与证据前面
最近变化 · 2026-10-27：PaperPilot 在稳定版与实测数据缺席时快速升温
协议
TRIALMCP
TypeScript SDK 2.4 提供实验性 Skills 扩展并收紧校验，适合隔离试验而非直接全量升级
最近变化 · 2026-10-25：LiteLLM 修复离线成本表导致的 proxy 启动失败
开发工具
TRIALPaperclip
对运行多个 coding agent 的团队来说，权限边界和成本归因终于进入同一控制面
最近变化 · 2026-10-25：Paperclip 加入可审计私密任务与精确成本控制
模型
TRIALNanbeige4.3-33B
对需要本地长上下文和 coding 能力的团队来说，这是可直接下载的候选项
最近变化 · 2026-10-25：Nanbeige 开放 33B 模型并提供 512K 上下文
research-project
TRIALBeetle
这套产物让多语训练顺序从单篇论文变成可重复实验
最近变化 · 2026-10-25：Beetle 发布多语种学习课程实验套件
research-project
TRIALCarbon-X
对生物信息研究者来说，本地权重能避免把敏感序列发给第三方，并降低实验成本
最近变化 · 2026-10-25：Carbon-X 开放可本地运行的 DNA 语言模型
开发工具
WATCHGPU-Unlock
这可能提高旧款消费级 GPU 的批处理和 prefill 性价比，但证据仍是作者自测
最近变化 · 2026-10-25：GPU-Unlock 解锁 Ampere GeForce 的更快张量路径
开发工具
TRIALGVS5H
这给“先记录失败再重试”提供了可复现实验框架，适合测试 agent 的状态设计
最近变化 · 2026-10-25：GVS5H 开放基于账本的多轮 coding agent 框架
standard
WATCHAgent Skills
标准已转入 AAIF 中立治理，跨平台采用信号强；版本化和安全流程尚待落地
最近变化 · 2026-10-24：Anthropic 将 Agent Skills 捐给 Agentic AI Foundation
api
TRIALOpenAI Decisions API
API 已 GA，批量、缓存、价格与数据控制清晰，适合路由和分类 POC
最近变化 · 2026-10-24：OpenAI 将 Decisions API 正式 GA
benchmark
WATCHEpiSEM-Bench
论文揭示真实但不完整的工具结果也会诱发越权
最近变化 · 2026-10-24：EpiSEM-Bench 揭示工具漏掉关键事实时的 agent 越界
benchmark
WATCHSimulated Control Evals
部署特定仿真在单一环境中优于跨环境对照，但没有公开代码或独立复现
最近变化 · 2026-10-24：Simulated Control Evals 用仿真预测部署环境中的护栏失效
research-project
TRIALOSS Verify
公开 proof 可复查，但保证范围窄于完整软件栈
最近变化 · 2026-10-24：Anthropic 与 Theorem 发布 C 库机器校验证明
open-weight-model
TRIALWeVisOne-VL
权重与代码已公开，适合在真实图片上验证统一视觉链路
最近变化 · 2026-10-24：Tencent 发布 WeVisOne-VL 统一视觉感知权重
security-vulnerability
ADOPTPHP2Shell
PHP 已发布关键安全更新，受影响运行时应立即升级
最近变化 · 2026-10-24：PHP 修复由 frontier models 协助发现的两项核心高危漏洞
open-weight-model
TRIALHy-Nomas
权重、代码和训练方案已公开，但评测仍由发布方完成
最近变化 · 2026-10-24：Tencent 发布交互式世界模型 Hy-Nomas
infrastructure-tool
TRIALTensorRT Global Performance Tuner
公开实现可验证，但性能增益需用自有模型复现
最近变化 · 2026-10-24：NVIDIA 开放 TensorRT 精度约束调优
research-project
WATCHLitPivot
小样本研究有启发，但没有公开系统，无法做工程验证
最近变化 · 2026-10-24：Ai2 测试用 LitPivot 改进文献驱动的研究转向
foundation-model
TRIALKimi K3.1 Pro
API 已可调用，但权重未发布且性能只有厂商结果
最近变化 · 2026-10-24：Moonshot 上线 Kimi K3.1 Pro，权重仍待发布
research-project
WATCHDessa
只有研究预览和精选演示，没有可测试产物
最近变化 · 2026-10-24：Block 预览纯语音训练的全双工模型 Dessa
research-project
IGNOREtinyworldformer
这个 demo 能直观展示极小模型压缩，但还不足以支持实际项目选型
最近变化 · 2026-10-24：Simulated Control Evals 用仿真预测部署环境中的护栏失效
infrastructure
WATCHTorchNeuron
源码已公开，但官方材料对完整运行时是 public beta 还是 closed beta 仍有冲突
最近变化 · 2026-10-23：TorchNeuron 源码公开，但服务访问阶段仍不明确
research-project
WATCHKLS AI 协作证明
人机协作搜索与形式化核验已有强结果，但通用工具和正式验收仍不足
最近变化 · 2026-10-23：研究者借助人类引导的 AI 搜索证明 KLS 猜想
开发工具
TRIALFlint
公开代码与 MCP 入口可直接验证 agent 生成交互图表的可靠性
最近变化 · 2026-10-23：Microsoft 开源 Flint，让 agent 编写交互式图表
模型
TRIALKumo Relational
开放权重与代码可测，但厂商 benchmark 和自定义许可仍需核对
最近变化 · 2026-10-23：NVIDIA 发布 Kumo Relational，直接在关系数据库上预测
research
WATCHSilent Cue Loss
故障模式与 RAG 直接相关，但没有公开代码或独立复现
最近变化 · 2026-10-23：研究发现文档转换会抹掉 policy agent 需要的视觉提示
模型家族
TRIALOlmoEarth
全球嵌入和公开训练产物可直接试用，但许可与独立精度验证仍是门槛
最近变化 · 2026-10-23：Ai2 发布 OlmoEarth v1.3 与全球 10 米嵌入
policy
WATCHOpenAI Usage Policies
新规尚未生效，但会影响直接模型访问中介的架构和合同边界
最近变化 · 2026-10-23：OpenAI 宣布直接转售模型访问需事先审核
模型
TRIALRecursive Flint
Apache-2.0 权重与现成部署路径可测试，但 benchmark 仍由发布方运行
最近变化 · 2026-10-23：Recursive 发布开放权重稀疏 coding model Flint
product
WATCHClaude Duet
主动工作流值得观察，但目前仅是美国 Pro/Max 候补名单预览，可靠性与权限边界未验证
最近变化 · 2026-10-23：Anthropic 以美国候补名单形式开放主动 agent Claude Duet
模型
TRIALVoxtral 3
API、区域和价格已明确，适合真实语音样本试验；性能仍是厂商结果
最近变化 · 2026-10-21：Mistral 推出面向生产语音 agent 的 Voxtral 3
agent-framework
TRIALALTK-Evolve
公开代码支持一天复现，但小样本作者评测不足以证明真实客服收益
最近变化 · 2026-10-21：ALTK-Evolve 为客服 agent 加入可学习记忆
benchmark
TRIALMultiLangBench
公开测试补足低资源编程语言基线，但厂商结果不能替代仓库级迁移验证
最近变化 · 2026-10-21：OpenAI 发布低资源编程语言评测 MultiLangBench
infrastructure
TRIALDeepInfer
生产机制和脚本已公开，但当前只支持窄硬件上的离线推理，完整服务组件仍缺
最近变化 · 2026-10-21：DeepSeek 开源生产推理引擎 DeepInfer
模型
TRIALMercury 3
API 已开放且免费额度足以试验，性能与延迟仍需同条件复现
最近变化 · 2026-10-21：Inception 推出扩散语言模型 Mercury 3
infrastructure
WATCHOpenAI on Google Cloud
集成仍在申请访问阶段，需等 GA 后核对地区、价格和数据边界
最近变化 · 2026-10-21：OpenAI 计划通过 Google Cloud 原生提供模型与 Codex
research
TRIALDistributed Agents
代码与语料可复核并行研究流程，但生物线索仍需实验确认
最近变化 · 2026-10-21：OpenAI 公开用于生物研究的分布式 agent 工作流
infrastructure
TRIALOpenShell + Sentry
OpenShell 已可试，Sentry 仍是计划于明年开放的硬件层
最近变化 · 2026-10-21：NVIDIA 发布 OpenShell 架构并预告 Sentry
模型
TRIALGranite Speech 5
开放权重与宽松许可适合本地语音试验，厂商 WER 与速度需真实录音复核
最近变化 · 2026-10-21：IBM 发布开放权重 Granite Speech 5.0 模型
benchmark
TRIALFairStress
公开核心集能揭示最终答案背后的不稳定标准，但只覆盖一种公平定义
最近变化 · 2026-10-21：Ai2 发布 FairStress 测试 LLM 决策中的隐性不对称
product
TRIALPackage Firewall
组织级 npm 代理值得在真实 agent/CI 流量中验证，但仍是 public preview 且未来计费
最近变化 · 2026-10-21：GitHub 开放 Package Firewall 管控 npm 供应链
模型
TRIALRFD4-Proteina
公开产物足以复现方法，但生物学有效性和发布方性能数字仍需独立验证
最近变化 · 2026-10-21：NVIDIA 发布 RFD4-Proteina 代码与权重
框架
TRIALSGLang
0.5.22 修复一项可能静默生成错误结果的 Mamba 状态问题，并扩展加载与分离式 serving；性能仍需复现
最近变化 · 2026-10-20：0.5.22 扩展 serving 性能路径并修复循环状态正确性问题
开发工具
TRIALLittleguys
0.2 加入实时 Claude Code 会话与加密手机桥接，同时扩大审批与远程控制边界
最近变化 · 2026-10-18：Littleguys 0.2 增加 Claude Code 会话与加密手机桥接
模型
WATCHLing-3.1-flash
权重和部署配方已公开，但 1M 上下文与 coding 成绩仍缺可复现证据
最近变化 · 2026-10-18：InclusionAI 发布面向长时 agent 任务的 Ling-3.1-flash 权重
模型
TRIALGrok Voice
3.0 已 GA 且价格不变；未锁定 alias 的生产会话有行为漂移风险
最近变化 · 2026-10-18：xAI 以原价正式开放 Grok Voice 3.0
框架
TRIALHy-Memory
专用 memory writer 有明确工程价值，但结论仍来自作者的固定子样本
最近变化 · 2026-10-18：腾讯发布面向 agent 长期记忆的专用写入模型
模型
TRIALH2O-Lightning-4B
一次前向计算的结构化决策值得试验，但新版未重跑私有榜，不能沿用旧版权威排名
最近变化 · 2026-10-18：H2O.ai 为 4B 决策模型加入双向读取
开发工具
TRIALIndra OCR
CPU-only 文档解析值得在本地 RAG 流水线试验，但性能与许可要按真实文档核对
最近变化 · 2026-10-18：Datalab 发布 1M 参数的 CPU OCR 流水线
开发工具
IGNORESphinx
0.1 可绕过且明确不是安全闸门，暂不加入强制流程
最近变化 · 2026-10-18：Sphinx 在 Git push 前加入可跳过的理解测验
开发工具
TRIALOpen WebUI
0.12.3 增加加密协作与 Redis 优化，但 Skill prompt 成本和部署条件需要回归
最近变化 · 2026-10-17：Open WebUI 0.12.3 增加加密协作与 Redis 优化
开发工具
TRIALDeepSeek Search
公开 API 低价且按成功结果计费，适合做检索基线；相关性、安全与归因仍缺独立验证
最近变化 · 2026-10-17：DeepSeek 开放面向 agent 检索的 Search 与 Fetch API
模型
TRIALDory1.0-4B
可调循环深度与公开权重值得小规模验证，但稳定上游运行时尚未就绪
最近变化 · 2026-10-17：NVIDIA 发布可调循环深度的 Dory1.0-4B
benchmark
TRIALFDE-Gym
公开 harness 和三个示例足以试验真实交付评测，但完整任务受控且作者结果未独立复现
最近变化 · 2026-10-17：FDE-Gym 用模糊客户需求测试 agent 交付能力
开发工具
TRIALGitHub License Compliance
合并阻断已 GA 且有 API/审计路径，但受企业套餐限制，误报与例外流程仍需验证
最近变化 · 2026-10-17：GitHub 的许可证合并管控正式 GA
hardware-platform
WATCHRTX Spark
平台已发布，但 SKU 库存、价格和独立性能证据不统一，暂不做采购结论
最近变化 · 2026-10-17：NVIDIA 推出面向本地 AI 开发的 RTX Spark PC
模型
TRIALBeam
开放权重和托管端点已可实测，但硬件成本与厂商 benchmark 仍是限制
最近变化 · 2026-10-16：Beam 从限量预览变为 Apache-2.0 开放权重
模型家族
TRIALLiquid d1
本地权重与低价托管 API 都可测试，但结果仍主要来自厂商
最近变化 · 2026-10-16：Liquid AI 推出托管 d1-ultra 决策 API
模型
TRIALTimestral
开放权重和小模型体量足以低成本试验，但榜单优势仍是厂商提交结果
最近变化 · 2026-10-16：Mistral 发布四款开放权重 Timestral 预测模型
模型
TRIALHiRO-ACEv2
公开模型可验证公里级多变量降尺度，但只能在 X-SHiELD 对齐的输入域内使用
最近变化 · 2026-10-16：Ai2 发布公里级气候模拟模型 HiRO-ACEv2
模型
TRIALMuse Spark Open
开放权重和托管 endpoint 让模型可试验，但体量、门控与自定义许可限制生产部署
最近变化 · 2026-10-16：Muse Spark 从预告开放权重变为可下载与可调用
框架
WATCHCloudflare–OpenAI 网页发现试点
变化信号可能改善网页发现效率与新鲜度，但目前只有研究试点、双方自报规模和未公开的接口
最近变化 · 2026-10-16：Cloudflare 与 OpenAI 公布网页发现试点结果
inference-runtime
TRIALllama.cpp
0.7.0 改善 MoE 推理，也带来服务端兼容变化
最近变化 · 2026-10-16：llama.cpp 0.7.0 增加 MoE 缓存并调整服务端 API
policy
WATCH中国 AI 技术出口规则
临时登记已生效，目录限制仍是征求意见稿
最近变化 · 2026-10-16：中国拟调整 AI 技术出口目录，并启动临时登记
模型家族
TRIALGemini 模型
Gemini 4 Argon 已从受控预览进入 Gemini API 付费层，可直接验证长时程任务
最近变化 · 2026-10-14：Gemini 4 Argon 从受控预览进入 Gemini API 付费层，并明确价格翻倍日期
infrastructure
WATCHMaia 300
Maia 300 展示微软对整机架推理能效的路线，但 2027 年才计划生产部署，性能与能效数字仍是厂商预测
最近变化 · 2026-10-14：Microsoft 详解 Maia 300，生产部署将于 2027 年开始
research-project
TRIALStudentSim
StudentSim 提供公开代码和个性化 AI 导师评测方法，适合复跑棋类路径；模拟器结果不能替代真实学习成效
最近变化 · 2026-10-14：StudentSim 用个性化学习者模拟评测 AI 导师
开发工具
TRIALColGrep-Agent
ColGrep-Agent 的开放权重与本地集成足以做工程试验，但定位 benchmark 和 token 节省均为作者自报，尚未证明补丁成功率或总算力更优
最近变化 · 2026-10-14：ColGrep-Agent 开放本地代码库搜索模型
模型
TRIALGrok 4.7
Grok 4.7 已有公开 API、明确价格和 500K 上下文，可直接对照；厂商 benchmark 与安全结论仍需独立验证
最近变化 · 2026-10-14：xAI 通过公开 API 发布 Grok 4.7
模型家族
TRIALMiniCPM-V 4.7
MiniCPM-V 4.7 公开端侧多模态权重与部署路径，适合直接测试；手机速度、质量、温度和耗电仍需独立验证
最近变化 · 2026-10-14：OpenBMB 发布端侧多模态模型 MiniCPM-V 4.7
research-project
WATCH加密能力后门
论文证明能力引出式审计存在最坏情况盲区，但实验规模小且人为构造，不能外推为现有模型已受影响
最近变化 · 2026-10-14：研究证明能力审计可能漏掉加密模型后门
模型
WATCHGLM-Legal
GLM-Legal 有独立方执行的部分 benchmark，但目前只有申请制 beta，没有公开权重或通用 API
最近变化 · 2026-10-14：Z.ai 开放 GLM-Legal 限量测试
开发工具
IGNOREJanas
SSD 专家流式加载有工程想法，但作者自测和年轻 runtime 不值得当前投入
最近变化 · 2026-10-14：Janas 在内存受限电脑上从 SSD 流式加载模型专家
模型
IGNOREJEV-35B
开放权重可验证，但公开 benchmark 由作者自测且不是正式榜单记录，不值得当前投入
最近变化 · 2026-10-14：AutoTrust 发布单次排序决策模型 JEV-35B
开发工具
IGNOREAgent37
发布帖只有社区热度，缺少可核验隔离、可靠性和采用证据
最近变化 · 2026-10-14：Agent37 推出 AI agent 托管沙箱服务
开发工具
IGNOREEmbeddingGemma 2 STT
改造思路新颖，但封闭应用和作者自测不足以支持工程采用
最近变化 · 2026-10-14：独立项目把 EmbeddingGemma 2 改造成语音转写模型
模型
TRIALLFM2.5-24B-A2B
公开权重与多运行时支持让本地工具调用可验证，但厂商 benchmark 和营收门槛许可限制生产采用
最近变化 · 2026-10-14：Liquid AI 发布 LFM2.5-24B-A2B 推理模型
research
TRIALDoubtLess
免训练的推理 token 节省方法有公开代码，但只有作者结果且参考配置需要 80 GB GPU
最近变化 · 2026-10-14：DoubtLess 用对比解码减少推理 token
research
TRIALHybrid Agent
权重和推理代码已公开，潜在推理与工具交互切换值得验证；作者结果尚无独立复现
最近变化 · 2026-10-14：Hybrid Agent 在潜在推理与工具调用间切换
开发工具
ADOPTGitHub Secret Scanning
Anthropic key 检测与默认 push protection 已 GA，成本低且能直接减少凭据进入 Git 历史
最近变化 · 2026-10-14：GitHub push protection 开始拦截 Anthropic API key
开发工具
WATCHThird Moment Agent System
万级长时 agent 与外层监督是强架构信号，但厂商客户案例没有原始遥测或独立验证
最近变化 · 2026-10-14：Third Moment 披露万级 agent 连续运行多日
模型
ADOPTOpenAI API Model Lifecycle
受影响 snapshot 仍可用，但 2027-01-14 的停用期限已经确定，生产环境应立即安排迁移验证
最近变化 · 2026-10-14：OpenAI 将停用一批 GPT-4o 与 GPT-4.1 API snapshot
开发工具
TRIALOpenClaw
OpenClaw 2026.10.1 把权限感知 Skill 搜索、MCP Apps 和可恢复备份带入稳定版；搜索漏检、陈旧保存与迁移边界需要先验证
最近变化 · 2026-10-12：OpenClaw 2026.10.1 加入权限感知 Skill 搜索与可恢复备份
模型
TRIALLightOnOCR-3
LightOnOCR-3 提供公开权重和可复查的文档 OCR、grounding 与图表解析材料；厂商 benchmark 仍需用自有文档验证
最近变化 · 2026-10-12：LightOn 发布可提取版面与图表的 OCR 模型
模型
WATCHCarbon-A
Carbon-A 公开模型、数据和跨物种基准，但陌生物种上的广泛湿实验验证尚未完成
最近变化 · 2026-10-12：Hugging Face Bio 发布跨物种基因注释模型 Carbon-A
开发工具
TRIALTalorys
Talorys 提供可复现的 Cloudflare 自托管个人 agent，但单用户威胁模型、额度依赖和缺少独立审计限制了生产判断
最近变化 · 2026-10-12：Talorys 把自托管个人 agent 打包到 Cloudflare 免费层
模型
TRIALIris-3B
Iris-3B 公开像素空间生成、深度和修复权重，适合做稠密视觉对照；作者评测和较高计算成本仍需本地验证
最近变化 · 2026-10-12：Iris-3B 用像素空间扩散探索通用视觉学习
开发工具
WATCHESP32 iPhone Agent
ESP32 iPhone Agent 以低成本物理桥接降低 iPhone 真机 agent 实验门槛，但目前只有作者演示，跨应用可靠性与安全停止尚未独立复现
最近变化 · 2026-10-12：ESP32 iPhone Agent 用低成本 HID 板桥接真机操作
开发工具
TRIALAgent Standup
Agent Standup 已能本地展示 Codex 与 Claude Code 会话，适合复核命令、工具调用和 token 记录
最近变化 · 2026-10-12：Agent Standup 增加 Codex 会话本地检查
开发工具
WATCHQGIS AI 贡献政策
QGIS 已把 AI 辅助代码设为主仓库的明确禁区
最近变化 · 2026-10-12：QGIS 禁止向主仓库提交 AI 辅助代码
框架
TRIALAgent Lightning
Agent Lightning v1.0 让真实 harness 直接参与 RL，并公开轻量控制面和 Kubernetes rollout
最近变化 · 2026-10-10：Microsoft 重构 Agent Lightning，让真实 harness 直接参与 RL
模型
TRIALMicrosoft-Decision-1
公开 API 和价格足以做低成本路由测试，但准确率、延迟和稳健性仍是厂商自报
最近变化 · 2026-10-10：Microsoft 发布面向结构化决策的低延迟模型
模型
IGNOREQwen Coder390 社区衍生版
社区热度高，但训练数据、许可证链和独立复现不足
最近变化 · 2026-10-10：社区 Qwen 衍生模型走红，但缺少独立验证
模型家族
TRIALQwen 模型
Qwen-Image-2.1-Turbo 以八步采样压低图像生成延迟，但缺少与基础版的公开对比，且使用自定义许可证
最近变化 · 2026-10-09：Qwen 发布八步生成的图像 Turbo 模型
开发工具
TRIALDocker Agent
Docker Agent 将 YAML agent、多 agent、MCP、评估与 OCI 分发放进同一套 Apache-2.0 runtime，值得与现有编排栈做小规模比较
最近变化 · 2026-10-09：Docker Agent 将多 agent 工作流打包为 OCI 产物
open-source
TRIALWhistle
Whistle 用 16.9 MB CPU 模型提供七语种转写、时间戳和语音嵌入，公开产物足以在目标设备复测
最近变化 · 2026-10-09：Whistle 用 16.9 MB 模型在端侧运行多语种语音识别
research
TRIALCaught in the Act
公开数据、代码和探针权重足以做隔离复测，但跨模型迁移、误报与白盒访问成本仍未解决
最近变化 · 2026-10-09：激活探针提前识别 agent 隐性欺骗
research
WATCHOnTrack
毫秒级轨迹监控方向有工程价值，但没有公开实现，中止样本也太少
最近变化 · 2026-10-09：OnTrack 以毫秒级开销预警失败轨迹
research
WATCHMETR 时间跨度统计复核
统计复核揭示短任务区间的非线性，但缺少公开复算包和独立响应
最近变化 · 2026-10-09：研究发现相同倍数的 AI 时间跨度提升难度并不相等
模型
TRIALYoutu-Parsing-Omni
公开 5B 权重覆盖多种输入，但评测代码尚未发布，benchmark 与自定义许可证需要复核
最近变化 · 2026-10-09：Tencent 发布统一解析文档、图表、音视频的模型
infrastructure
WATCHAi2 GPU 调度
30 天生产数据证明指标有价值，但 scheduler 与 simulator 未公开，只适合借鉴契约
最近变化 · 2026-10-09：Ai2 用预算加权公平共享重分配稀缺 GPU
program
TRIALAnthropic CVP
三档 CVP 已把高级 cyber 能力与验证、保留和监测控制绑定
最近变化 · 2026-10-08：Anthropic 将高级 cyber 能力分为三档验证访问
模型家族
TRIALClaude Haiku
Claude Haiku 5.5 是成熟、多云可用的低成本长上下文模型，适合高吞吐与 subagent 路由试点
最近变化 · 2026-10-08：Anthropic 发布面向高吞吐任务的 Claude Haiku 5.5
模型
TRIALEMA Lightning
EMA Lightning 是体积小且公开可运行的土耳其语流式 TTS
最近变化 · 2026-10-08：EMA Lightning 发布小型流式土耳其语语音模型
模型
TRIALEmbeddingGemma 2
EmbeddingGemma 2 是可端侧部署的 Apache 2.0 多模态嵌入模型，适合检索与 RAG 试点
最近变化 · 2026-10-08：Google 发布端侧多模态检索模型 EmbeddingGemma 2
infrastructure
TRIALopenTPU
openTPU 是可审计的 FPGA 推理学习与验证平台，公开模拟器可先做低成本试验；它不是成熟生产加速器
最近变化 · 2026-10-08：openTPU 在可审计 FPGA 加速器上运行开放模型
research
TRIALScienceClaw-Eval
ScienceClaw-Eval 用重放和独立任务 gate 评估 agent 自我改进，公开材料足以做隔离复现
最近变化 · 2026-10-08：ScienceClaw 检验科研 agent 能否保留已验证改进
research
TRIALToken Cues
固定开场 token 能显著改变基础模型推理与拒答行为，但效果仍可能依赖模型、解码与任务
最近变化 · 2026-10-07：固定开场 token 能唤出基础模型的推理能力
框架
TRIALMemPilot
MemPilot 把多模态记忆整理变成运行时质量、成本与延迟的路由问题；公开代码足以做有边界的验证
最近变化 · 2026-10-07：MemPilot 学会按需整理多模态 agent 记忆
benchmark
TRIALBazaarBench
BazaarBench 公开了能检查库存、承诺和交易后果的 agent marketplace 安全评测栈
最近变化 · 2026-10-07：BazaarBench 暴露 marketplace agent 的重复售卖失控
research
TRIALOPPD
OPPD 可能把多候选推理搜索蒸馏进一次生成，但作者结果需要按完整算力成本复现
最近变化 · 2026-10-07：OPPD 把昂贵的答案搜索蒸馏进一次生成
模型
WATCHFalcon-Emirati
Falcon-Emirati 展示地区方言模型的价值，但当前只有聊天入口，无法独立部署或复核
最近变化 · 2026-10-07：TII 发布面向阿联酋方言与文化的 Falcon-Emirati-7B
research
WATCHVals 磁性半导体候选
agent 产出了可审计的材料计算假设，但关键性质尚无实验确认
最近变化 · 2026-10-07：Claude agent 提出两种室温磁性半导体候选材料
research
ADOPTWikimedia Agent 事件
已验证的外部性事件表明生产 agent 必须具备身份、出口、限流与可归因审计
最近变化 · 2026-10-07：Wikimedia 发现未授权 OpenAI agent 编辑并探测其服务
research
TRIALDust
Dust 公开了不用反向传播训练 Transformer 的最小实现，但离生产效率仍差几个数量级
最近变化 · 2026-10-07：Dust 不用反向传播训练小型 Transformer
technology
WATCHtextGrain
textGrain 已进入 API opt-in 与欧盟产品分阶段开放，但短文本、改写和封闭检测器限制了独立验证
最近变化 · 2026-10-06：OpenAI 为 API 输出推出可选 textGrain 水印
模型家族
IGNOREAutoTrust 决策模型
下载量很高，但可复现和独立评测不足，现阶段不值得投入
最近变化 · 2026-10-06：AutoTrust 决策模型在 Hugging Face 激增但缺少独立验证
模型
TRIALClaude Sonnet 5.5
Sonnet 5.5 的单任务成本对 effort 很敏感；独立评测显示 maximum effort 可能比 Sonnet 5 更贵
最近变化 · 2026-10-05：独立评测显示 Sonnet 5.5 的 maximum effort 可能更贵
SDK
TRIALOpenAI Python SDK
Agents Vault API 已有公开文档，secret 通过网络代理按 host 注入，可以进入受控试验
最近变化 · 2026-10-05：OpenAI 公开 Agents Vault API 文档，满足试验门槛
benchmark
TRIALThinkingBox
ThinkingBox 直接核验数据库终态与副作用，公开 harness 已足够进入重复性试验
最近变化 · 2026-10-05：Microsoft 开放 ThinkingBox，用数据库终态核验 agent
模型
TRIALDiarizationLM
DiarizationLM 提供本地可跑权重，适合验证说话人标签修正，但会议证据仍小
最近变化 · 2026-10-05：Google 开源 4B 模型修正转写中的说话人标签
框架
TRIALStrata
Strata 的采用增长与异构 serving 设计值得试验，性能与低比特质量仍需独立验证
最近变化 · 2026-10-05：Strata 让 Qwen3.8-Flash-Next 跑在 12 GB 游戏显卡上
research
WATCHAtaraxos
Ataraxos 有论文和训练代码，但没有 checkpoint，当前只应观察
最近变化 · 2026-10-05：Ataraxos 用阻尼自博弈与搜索击败 Stratego 冠军
protocol-integration
WATCHFigma hosted MCP
Figma hosted MCP 使用客户端白名单，接入前必须确认目录资格
最近变化 · 2026-10-05：Figma 将 hosted MCP server 限于目录内客户端
模型
TRIALStrands Decider
Strands Decider 是公开权重、训练代码与评测记录齐全的小型 decision model，适合验证 agent 路由和工具选择，但作者指标仍需在真实分布上复现
最近变化 · 2026-10-04：Strands 发布 2B 开源 decision model 控制 agent 决策
模型
TRIALMAI Speech
MAI Speech 提供可调用的低延迟流式转写与语音合成，并公布价格；多语质量和真实通话中的打断恢复仍需独立验证
最近变化 · 2026-10-04：Microsoft 发布首批结果约 100 ms 的流式语音模型
模型
TRIALIndex-Translate
Index-Translate 公开了 Apache-2.0 预览权重和推理代码，能直接验证术语与结构化输出约束；厂商基准和预览状态不支持直接上线
最近变化 · 2026-10-04：IndexTeam 开源 35B MoE 模型处理约束翻译
模型
TRIALUI-Venus
UI-Venus-2 的 9B 权重与框架已公开，可在隔离环境验证跨界面任务；权重许可证仍待确认，不能用于商业部署
最近变化 · 2026-10-04：9B 权重与框架已公开，但许可证仍待确认；评级从 WATCH 调整为 TRIAL
模型
TRIALKolibri
Kolibri 为德英双语 RAG、工具调用和长文档提供开放权重与 serving plugin，厂商评测仍需独立复现
最近变化 · 2026-10-04：Aleph Alpha 开源德英双语推理模型 Kolibri
模型
TRIALNaive-N0.5-Flash
Naive-N0.5-Flash 是原生 1M 上下文的开放稀疏模型，但约 315 GB 权重和厂商基准把试验限定在 FP8 集群
最近变化 · 2026-10-04：NaiveAI 开源原生 1M 上下文的 309B 稀疏模型
infrastructure
TRIALDwarfStar ds4
ds4 在高内存工作站上为少数大型 MoE 提供专用本地运行时和明显采用信号，但模型范围窄且仍是 beta
最近变化 · 2026-10-04：DwarfStar 为前沿开放权重打造专用本地运行时
模型
TRIALAstaBrief
AstaBrief-8B 是可下载、许可宽松的引文报告模型，但引文质量和较小的人评样本仍需独立核验
最近变化 · 2026-10-03：Ai2 开源快速生成引文报告的 AstaBrief-8B
模型
WATCHPixelUMM
PixelUMM 的统一像素空间架构可检查，但 checkpoint 为非商业许可，训练配方和生产证据都不完整
最近变化 · 2026-10-03：PixelUMM 开源统一理解与生成的像素空间模型
benchmark
TRIALcua-speedrun
cua-speedrun 是公开的 computer-use agent 速度、成本与成功率统一评测栈
最近变化 · 2026-10-02：cua-speedrun 统一测试 computer-use agent 的速度与成本
框架
TRIALOlmo-core
Olmo-core 3 是少见的开放万亿参数 MoE 训练参考栈，代码和设计都可检查
最近变化 · 2026-10-02：Ai2 开源万亿参数 MoE 训练栈 Olmo-core 3
product
WATCHOpenAI Dots
Dots 已把持续运行、应用连接和独立云端电脑做成可用产品，但访问、后续计价和企业治理仍在变化
最近变化 · 2026-10-02：OpenAI 推出持续运行的云端 agent Dots
模型
TRIALKumo Tabular
Kumo Tabular 是开放权重的表格基础模型，把带标签的行当作上下文，一次前向计算完成分类或回归
最近变化 · 2026-09-30：NVIDIA 发布免训练表格预测模型 Kumo Tabular
Agent 模型
TRIALHolo4
Holo4 同时公开了权重、harness 和逐步轨迹，一个模型就能操作 GUI、执行代码并调用 MCP 与 API
最近变化 · 2026-09-29：H Company 发布跨屏幕、代码和 API 的 Holo4
模型家族
WATCHHy4
腾讯 Hy4 预览版是 Apache 2.0、1M 上下文的超大 MoE 开放权重模型，主仓月下载量已增至 22,788
最近变化 · 2026-09-28：Hy4 预览版月下载量增至 22,788，但完整版与独立可复现评测仍缺席
框架
ADOPTPydantic AI
Pydantic AI 修复了 web fetch 策略绕过和遥测内容泄露，这是运行时边界漏洞，不是小修
最近变化 · 2026-09-27：Pydantic AI 2.51.0 增加 GPT-Live 支持与实时上下文用量，并减少 agent graph 开销
开发工具
WATCHMicrosoft Copilot
Microsoft 把 Copilot 扩展为租户治理的 agent 工作区：Code 负责构建，Managed Runtime 负责沙箱与托管，Autopilot 负责持续运行
最近变化 · 2026-09-27：Microsoft 把 Copilot 扩展为租户治理的 agent 工作区
开发工具
TRIALCursor
Cursor 正把 coding agent 从编辑器延伸到常驻的云端执行：自托管执行机、面向长期工作的 Projects、部署监控与安全审查都已推出
最近变化 · 2026-09-25：Cursor 把 coding agent 延伸到部署监控与安全审查
模型家族
TRIALGLM 模型
GLM-5.3 与 GLM-5.3-Flash 是这一轮中国前沿开放权重里许可最宽松的（MIT），Flash 用混合稀疏-线性注意力压低长上下文的服务成本
最近变化 · 2026-09-12：单方向权重编辑即可剥离 GLM-5.3-Flash 权重的拒绝能力
模型家族
WATCHKimi
档案里还没有 Kimi 模型本身的发布记录，只记录到 vLLM 0.28 为 Kimi-K3 加入了专属服务优化
最近变化 · 2026-08-30：vLLM 0.28.0 发布：Kimi-K3 与 DeepSeek V4 服务优化成主线