Gemini Decision 1 上线 Vercel AI Gateway:不生成文本的决策模型
Google 的 Gemini Decision 1 已上线 Vercel AI Gateway,这是一款支持文本、图像、音频、视频和 PDF 输入的多模态决策模型,直接返回布尔概率、选择与分数。
Google 的 Gemini Decision 1 已上线 Vercel AI Gateway,这是一款支持文本、图像、音频、视频和 PDF 输入的多模态决策模型,直接返回布尔概率、选择与分数。
Atuin 在 18.24 版本推出 Threads,把 Claude Code、Codex 等 AI agent 会话变成可搜索、可跨机器同步并随时续跑的历史记录。
推荐理由:把 shell 历史的同步思路复用到 agent 会话上,端到端加密与跨工具续跑的工程取舍值得借鉴。
【这是什么】Voiceremover 是一个在线去人声工具,可从原曲里拆出伴奏和人声两轨,人声单独一轨可用于对歌词。【商业逻辑】针对 KTV 伴奏多为翻录、与原版差距大的痛点,免费每天 1 首完整歌曲且免注册,登录后 2 首,Pro $4.99/月 120 首,或 $3.99 一次性买 15 首不过期。
推荐理由:作者把音频分离模型接到 Cloudflare Workers 上做成小工具,免费额度加一次性付费的定价方式可供小产品参考。
作者用 48 个 AI agent 逐张查看 NASA 公开 lidar 影像,在墨西哥发现一处此前未见登记的玛雅遗址,72 小时内收到墨西哥国家人类学与历史研究所(INAH)回复,确认该坐标没有已登记的考古遗址。
V2EX 用户发布了一个 Tampermonkey 油猴脚本,只在 chatgpt.com 同源请求 /api/auth/session 并提取 account.id,避免手动复制 JSON 时连带泄露底部的 accessToken。
数学教育者 Scott Farrar 用 Claude Code 搭建了一个家庭 AI 大脑:一个 Markdown 文件夹,在 Obsidian 中查看,记录家电、保修、保险文件和全家待办。他用它挑选车险、规划维修,并与妻子共用这套系统,优先级任务和「近期成果」会显示在 DAKboard 墙面屏上。
Aircad 在浏览器里提供专业 2D 制图与 3D NURBS 实体建模,无需安装即可打开带布局、图块和标注的 DWG/DXF。它把多人实时编辑、无限版本历史、评论与红线审阅放进同一份文件,替代邮件传副本的协作方式。
独立开发者 lidinghui 上线记账 App PFEx,把每个账户的余额变化做成股票式 K 线、成交量与整体资产曲线。它面向单笔支出看似正常、月底却说不清钱去哪的困惑,将个人财务与金融市场概念结合,收入、支出和账户间转账分别处理,资金流向用桑基图呈现。
【这是什么】作者用 10 天把 DeepSeek Harness 提出的 Super-agent 架构落地成一款 7×24 小时持久在线的 SaaS,Router 层统一接入多渠道,并把任务派给本地 Agent worker。
推荐理由:作者把 Super-agent 架构拆成 Router 与本地 worker 两层落地,展示了从架构设计到 10 天上线 SaaS 的工程路径。
【这是什么】Xtaff Browser 是一个 Chrome 插件,通过 MCP 把浏览器操作能力开放给自建 Agent,让 Agent 直接操作日常使用的 Chrome。
苹果正在开发新应用 Harbor,可把搭载 Apple Silicon 的 Mac 变成本地 AI 推理服务器,推理全部在设备上完成。它通过 Thunderbolt 5 连接多台 Mac 自动发现设备并组建集群,共享内存运行单机装不下的大模型,并提升并发能力。Harbor 目前以苹果旗下 Claris 品牌进行私人预览,类似的多机推理集群此前已有开源项目 exo 尝试。
【这是什么】开发者 Laurens Bosscher 用约 10 美元(含运费)的 OpenStick,在 512MB 内存、4GB 存储上装 Debian 与 Podman,跑起 11 款轻量自托管服务。
Apple 正在开发名为 Harbor 的 Mac 应用,可把 Mac 变成私有 AI 推理服务器,在 Apple silicon 上本地运行开放权重模型,数据不出硬件、不上云。它可通过 Thunderbolt 5 连接多台 Mac 池化统一内存,运行单机无法承载的大模型或提升并发。该应用目前处于 Apple 旗下 Claris 品牌的 private preview 阶段。
AI 图片与视频生成网站 Imgveo 已上线,把 Nano Banana、GPT Image、Seedream、FLUX 等模型集中到同一平台,减少多平台切换。支持文生图、图生图与风格转换等图片编辑,以及文生视频、图生视频。全部在浏览器在线使用、无需本地部署,目前仍在优化模型接入、生成速度和体验。
开发者 vitoaaazzz 花三个月自建并开源 Coding Agent Workbench(MAR),核心能力是手机随时接起 Agent 任务并跟进进度。起因是长期使用 CloudCLI,但消息队列这类基础队列能力一直缺失。
推荐理由:作者从 CloudCLI 缺队列能力的不顺手处自建工作台,Remote 接管与多节点调度的工程取舍可供参考。
MiniMax 公布图像生成与编辑模型 H3-Image 并开放权重,扩散 Transformer 参数量 331 亿,10 秒内可生成 4096×4096 像素图像。
MiniMax H3 Image 和 MiniMax H3 Image Highspeed 已在 Vercel AI Gateway 上线,开发者用一个 API key 就能文生图或改图,不必单独开 MiniMax 账号。
Anyscene AI 上线,把 AI 图片、视频、音乐生成整合到一个网站,注册后可获免费积分体验。图片生成集成 Nano Banana、GPT Image、Seedream、Flux 等模型,支持文生图和图生图;视频支持文生视频、图生视频,音乐可按描述或歌词生成歌曲。另有背景移除、图片放大、局部修改、风格转换等编辑功能,以及故事视频、商品广告视频、角色创建等工作流。
【这是什么】Quirekit 为 AI 工具 dsh 适配的插件 dsh-quirekit-md-editor,把 dsh 里只能预览的 Markdown 变成可直接编辑的内置编辑器。
推荐理由:作者改造 lezer 增量解析的按组复用逻辑,长文档编辑性能优化思路可给做编辑器与 AI 工具集成的开发者参考。
SSHYard V1.0.0 正式发布,一款免费开源的 SSH/SFTP 客户端,覆盖 macOS、Windows 和 Linux,把终端、文件管理与 AI 助手收进同一窗口。
推荐理由:纯 Go 原生渲染做出体积小且功能齐全的跨平台客户端,还接入本机 AI 智能体,对桌面工具选型有参考价值。
Anthropic 面向所有付费方案上线 beta 版 Claude Whiteboards 与 Claude Sheets,Claude Dashboards 同时转为正式版并更名 Claude Data。
Google Chrome 联合 Microsoft Edge、Mozilla Firefox 与 MDN 开源 Modern Web Guidance,一套给 coding agent 的 Web 平台技能包,通过 CLI 把现代 API 用法注入 agent 上下文。
推荐理由:用 eval 闭环量化 agent 生成代码的提升,这套技能包和验证方法对做 AI 工具的人有工程参考。
【这是什么】一位 1 型糖尿病患者在 GitHub 开源 T1DMAI,包含其自训的 31k 参数小 Transformer(D16 DILATE / D16 MSE 两版),预测未来 2 小时血糖,并配套 T1DMSIM 合成数据模拟器和 T1DMDROID 手机端运行工具。
【这是什么】cc-clean 是一个清理 Claude Code 与 Codex 会话存储的命令行工具,用 npx cc-clean@latest 一键运行。【商业/痛点逻辑】作者同时用 Claude 和 Codex,session 越积越多、磁盘吃紧又不敢删,于是移除不影响 resume 的冗余内容,占用最大的是聊天记录里反复出现的 Base64 内嵌图片。
推荐理由:作者从磁盘空间不足的实际痛点出发,拆解 Claude 与 Codex 会话存储结构,给出保留 resume 的精简思路。
【这是什么】Google 的 Gemini 4 Carbon 已在 Vercel AI Gateway 上线,面向复杂软件工程、长时 agentic 任务与网络安全防御,支持 1M token 上下文以处理大型代码库和长输入。
Google 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon。该模型在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 排名第 1,单任务成本比次优外部模型低 2 倍以上。
【这是什么】Notion 公告称第三方 AI 供应商 Fireworks AI 发生安全事件,不到 1% 的 Notion 工作区可能受影响。【影响范围】暴露的是无法归属到具体用户或工作区的 Notion AI 聊天记录,不含工具调用结果,工作区其他数据未受影响。
daydaymoney.com 上线,输入网址即可自动生成网页优化方案,并导出交给 AI 编码工具执行。它针对的是不知道网页该往哪个方向优化的处境,目前支持 jev-seo 等方案,也可以自建提示词;导出的优化文件可交给 trae、cursor 等主流 AI 开发工具,加上 /goal 就开始优化项目。
【这是什么】Recalc 是一款开源电子表格,每个单元格都可当作独立终端,填入数字、公式、shell 命令,或直接调用 Claude Code、Codex、pi 跑 agent。
推荐理由:把表格单元格变成独立的 agent 终端,用相邻单元格自动跑测试来校验结果,多 agent 协作的工程思路值得借鉴。
【这是什么】Rapvio 是一个 AI 说唱生成站,可从一句话主题走到歌词、MP3,或一条 10~15 秒竖屏说唱视频,上传照片就能把本人和朋友放进片段里。【路径与痛点】写词、出歌、成片被拆成可各自停下的一步步,对应不会编曲、录音、剪片的人做说唱内容的需求;另有一个免登录艺名生成器。
作者用谷歌 AI 做了一个名为 SH 的稍后阅读工具,网址数据可离线本地存储并导出导入,暂未做加载数据的导入导出。该工具可设置在线与其他设备实时同步,不用注册登录,仅用同步码。它还优化多图加载和代理加载,满足订阅 RSS 看到好文章时快速保存和同步浏览需求。
开源光学仿真系统 os-optics 发布,可由智能体根据自然语言描述搭建光路与光学模块,并导出图纸和 BOM。系统内置 3,273 款光学元件,覆盖透镜、滤光片、波片、反射镜、分束镜、棱镜、窗口片、偏振片等品类,也允许自定义器件。
Event Horizon(EH)通过 MCP 接入已有的 AI Agent,在本机 Chrome 里执行搜索、点击、填表、翻页并把整理结果与页面来源交回当前对话,无需为每个网站编写选择器或点击脚本。
你看到的内容可能由第三方 AI 基于小众软件文章提炼总结而成,可能与原文真实意图产生偏差。不代表小众软件观点和立场。请 点击链接阅读原文 细致比对和校验。复旦大学 NLP 团队的切问学术在双十一推出会员积分×2:订阅任意套餐每月积分翻倍,最长12个月。其定位学术版 Codex,可申请 GPU、跑实验、写综述;Pro 年付积分由240万增至480万,下载登录客户端再送1w积分。
【这是什么】Strands Decider 是一个不生成文本、只对给定选项返回概率与置信度的决策模型,Amazon 内部票据系统用它替换 Claude Sonnet 4.6 承担工单分类。
团队推出结合紫微斗数与 AI 长期记忆的 App「友灵 Youra」,为前 50 位注册并留言的用户开通完整 VIP 测试权限。除本命盘报告外,App 还提供答案之书(小六壬)、流年分析、双人合盘、起名、择吉时和每日星晴,AI 可围绕报告继续追问并关联此前聊过的内容。产品已在海外上线,海外 Android 已开放、海外 iOS 走邀请体验,中国大陆暂仅提供 Android APK 下载。
基于 Chromium 的浏览器 Aid 开放预览名额申请,主打更安静的界面和面向 AI Agent 的操作方式。竖向标签收进侧栏、地址栏做成半透明胶囊、新标签页只有一个搜索框,遥测默认关闭且不连 Chromium 内置 Google 服务。
Simon Willison 用 Claude Code 搭出 Beep Locator,靠多台设备组成的麦克风阵列做声学三角定位,把房间里间歇蜂鸣的声源锁定到约 40cm 范围内,最终挖出一台电量告急的一氧化碳探测器。
【这是什么】myco 是作者开源的 agent 互联工具,让云端 Claude 把任务派给跑在本地的 DeepSeek agent。【商业逻辑】云端 Claude 有防封与额度顾虑,而糙活本地 DeepSeek 就能胜任,借此节约 80% token。
【这是什么】PadNote 是一个开源的平板笔记项目,支持手写、绘图和 PDF 批注,并能围绕笔记内容向 AI 提问。【痛点逻辑】针对学习或处理问题时反复切到聊天窗口向 AI 解释上下文的麻烦,把手写与 AI 交流留在同一份笔记里。