mooncake

just another AI agent builder; 偏见是这个时代最大的套利机会

[小互 @xiaohu]

卧槽，这个牛逼啊

ACTx486：把任意现成播客
变成能插话、能改剧情的视频...

平时看视频，你只能暂停、快进、拖进度条。视频里的人说了一句你没听懂的话，你没法当场追问；你想知道「这事跟我有什么关系」，视频也不会回答你。

ACTx486 想改的就是这件事

它能改造成一段「能听、能回应、还能随你改变」的视频。

你看到一半点一下屏幕，提个问题，画面里的马斯克会转过来回答你；答完了，节目接着原来的地方往下放...

完整演示。画面是一位观众 Lia 坐在沙发上用手机看这期播客，中途不断插话：

问喷火器怎么工作、让马斯克把星舰拿出来拆开讲、让他带自己去火星、叫乔别抽烟、最后让乔亲马斯克一下。

[susun @SuJinYan123]

pega-omni：首个开源全双工语音推理，单卡并发 128 路 PersonaPlex 会话
在 pega-omni 里跑通了 NVIDIA PersonaPlex-7B：
· 协议用 OpenAI 9 月 10 日发布的 GPT-Live，WebSocket 双向流式
· 每拍把所有会话合进一次 CUDA graph
· KV 是固定大小的环形缓冲，会话建立时一次分配，长会话不会 OOM

单卡 128 路会话同时实时输入语音，播放零卡顿，每拍计算约 15ms，只占 80ms 预算的五分之一。
整条推理链路和官方实现逐帧对齐。

截至 9 月 26 日，vllm-omni 和 sglang-omni 对 PersonaPlex 全双工的支持都还不完整，低并发下都做不到稳定流畅。

开源，欢迎试用 👇
https://t.co/xtXKl0p4Bs

[池建强 @sagacity]

这篇长文我要强烈推荐一下：

https://t.co/6VrJELTr0K

X 上关于 Jev 发布的热议铺天盖地，但大多数都没说到点子上：“一个 JSON 分类器，1200 万次浏览？没错，我们确实在泡沫里。”普通 LLM 生成“90% 置信”这样的文字；它产出这几个词的概率，并不等于它有 90% 的概率是对的。然而我们恰恰在这个模式上搭建了欺诈筛查、内容审核、路由分派和风险评估：为逐 token 的生成付费，然后把一个未经验证的置信度声明，当成软件可以据此行动的概率。

Jev 的主张是：保留预训练 LLM 的知识，但把生成出来的置信度声明，换成直接从内部表示读出的决策概率。这些概率是针对真实结果训练出来的。给它共享的状态（state）、问题（questions）和允许的答案，它并行返回各概率分布，不生成任何文本。[1] 对于这一整类应用，这同时解决了两个问题：决策信号的可靠性，以及产生信号所浪费的计算。

只有一个问题：它不开源权重，TypeSafe 也拒绝分享他们的研究……所以，我（作者）来（尽力）代劳。

[Atai Barkai @ataiiam]

🎉 Introducing 𝙾𝚙𝚎𝚗𝙼𝚞𝚜𝚎

An open source, self-hostable personal assistant that works with any agent harness.

Includes:
- Computer use: browser, terminal & files
- Connectors for your personal apps
- Ideas, goals & progress tracking
- Built for Mobile and Web

Repo → https://t.co/wfVccqlpru

Powered by @CopilotKit and AG-UI.

Clone this template and customize it however you want.

[Rohan Paul @rohanpaul_ai]

A 4B coding agent reached 61.5% on SWE-bench Verified without frontier-model distillation by combining a simpler tool interface with synthetic tasks that keep adapting to what the model can currently learn.

FrogNano starts from Qwen3.5-4B and is trained with RL on about 1,500 synthetic software-engineering tasks.

The important part is how those tasks are chosen.

As the model improves, the system generates fresh problems that are challenging but still learnable, so the curriculum improves with the agent.

The interface matters just as much.

Switching to a simpler 5-tool setup moved the base model from 8.3% to 37.2% on SWE-bench Verified.

After 5 rounds, FrogNano reached 61.5%.

– arxiv. org/abs/2609.07925

Title: "FrogNano: Training a 4B Coding Agent via Online Task Synthesis"

[酱紫表 @pengchujin]

最近做 APP 一直在用一个 Skill 叫 Apple Design，将 Apple WWDC 设计分享中的界面与动效原则整理成指导，帮助改善界面层级、反馈和整体连贯性。实践效果非常好，简单克制、很有苹果原生 App 的味道。

作者Emil Kowalski 之前在 Vercel 现在是 Linear 的设计师，Apple Design 是他整理的一组 AI Agent Skills 其中的一个，目的是让 AI 做界面时更有“设计品味”，尤其是动画选择、交互细节和视觉打磨。除了 Apple Design 还有好几个都很实用，项目GitHub Star 数接近 4w：https://t.co/fxbX52krcj

「emil-design-eng：设计工程总则」
关注 UI 的整体质感、组件设计、动画选择和交互细节。适合开发新界面时作为总体设计指导。

「animate：制作动画」
从零设计并实现动画。会先判断是否有必要加动画，再决定动画目的、实现方式、属性、曲线和时长。适合弹窗、抽屉、按钮反馈等动效。

「review-animations：审查动画」
检查已有动画是否合理，例如是否多余、速度是否拖沓、缓动是否合适，以及是否考虑减少动态效果等。适合动画完成后的专项评审。

「improve-animations：改进项目动画」
检查整个项目的动画，并整理出可执行的改进建议。适合接手已有项目、想系统提升动效质量时使用。

「find-animation-opportunities：寻找动画机会」
判断界面上哪些地方值得增加动画，哪些地方不应该动。重点不是“多加动画”，而是让动效真正帮助用户理解操作反馈或界面状态。

「apple-design：Apple 风格设计原则」
将 Apple WWDC 设计分享中的界面与动效原则整理成指导，帮助改善界面层级、反馈和整体连贯性。

「prototype：制作多个原型方案」
针对一个 UI 需求生成多个不同方案，便于比较布局和组件形态。适合设计方向还不确定时使用。

「mobile-native：优化移动端网页体验」
帮助网页在手机上更像原生应用，关注安全区、触控反馈、输入框缩放和移动端视口等细节。

「write-swift：编写现代 Swift」
覆盖 Swift 值类型、并发、泛型、性能和测试等工程实践。适合 Swift 代码编写与整理。

「pick-ui-library：选择 UI 组件库」
根据需求挑选合适的组件库，避免不必要地手写复杂组件，或引入维护状况不佳的依赖。

[meng shao @shao__meng]

https://t.co/MwMh22yihV

[Gorden Sun @Gorden_Sun]

Hemmingway-1：让AI写出来的文字更像真人
开源模型，基于Qwen 3.8 27B微调。专门用来解决普通人日常生活中的写作难题。

平时让AI帮忙起草一条发给房东的短信，很多AI会先给一段客套的前言，再列出三种不同风格的选项，最后还要附带一堆解释。Hemmingway-1 去掉了这些啰嗦的铺垫，用户提要求，它就直接给出一条能直接发出去的自然文本。

团队训练这个模型，主要是为了应对日常沟通里那些容易让人纠结的场景，比如发给同事的工作微信、难开口求助的邮件、催账或者处理琐事的便签。在面对需要委婉表达或说服对方的棘手沟通时，它的表达比很多知名的大模型更自然，不会充满机械感。

不过这个模型仅针对英文做了优化，也不擅长复杂剧情和长篇小说的撰写。

是个不错的模型微调方向，主打去AI味儿的写作。

在线使用：https://t.co/5GGmGLKS2q
模型：https://t.co/xrGW8qPvnM

[PsiACE @repsiace]

最近 Jev 还挺受关注的，社区上也有很多各种各样的方案，比如 Laya、SemIf 等。

我也搞了一个可以在家用显卡上训练和运行的 0.8B 多模态决策模型 Dohnuts-0.1.0-0.8B 。用一张 7900 XTX 24 GB，完成了数据准备、后训练、校准、评测和推理的完整流程。

Dohnuts 基于 Qwen3.5-0.8B，参考 Laya 的 RLCD 方法进行后训练。它支持文本和图像，通过一次前向传播，并行回答针对同一输入的多个独立问题，返回选择、分数和概率。

目前，Dohnuts 在 26 个测试任务组上的宏平均准确率为 78.21%；在 JevBench 的 231 道公开题目上达到 65.80%。按各模型原生上下文设置比较，高于已测的 Laya 多语言和 Laya Vision 检查点。同卡 BF16 热缓存测试中，文本、图像单问题延迟中位数约为 15 ms、24 ms。

代码、权重、数据处理方法和完整训推流程都完全公开，方便本地复现和继续训练。

名字来自霍默喜欢的甜甜圈。D'oh! But dohnuts.

[Harsha Gundala @harshagundal]

They were building in stealth for 2 years, I was building in stealth for 2 hours…

Happy to open source Qwen-2.5-1B-RLCD, 5x faster on-device inference for JSON workloads that need to be type-safe.

⚡️Demo below on a M4 MacBook⚡️

every LLM has the ability to efficiently batch inference every key of a JSON at the same time and generate probabilities from a set of possible categories. No new training required, but it’s easy to optimize if you need!

On hugging face now!

[Dmytro Hrybov @dimentary]

tested Jev as a real-time robotics policy in MuJoCo

it struggled at first, so i split each update into two calls: decide what to do next, then decide how to move the arm and gripper

Jev doesn’t accept images, it gets simplified geometry and contacts as text here

[SuSu_酥酥👅 @NFT_Chen]

🔥还有谁？！Jev模型刚出来没几天，NanoJev 已经把整条链路开源了，不是套一层 API，是 0.6B 并行决策模型 + 数据 + 训练管线！

NanoJev 把「状态+问题 → 完整概率分布、零 token 解码」这条路直接摊开了：
🔹底座只用 Qwen3-0.6B，一次前向就能并行批处理多个状态、多个问题

🔹动态候选 2–255 个，支持 Choice / Boolean / Score 三类结构化决策

🔹50×50 迷宫：244 步、36 次碰撞到达终点；贪吃蛇 12×12 吃到 27 个食物还活着

🔹模型和数据全开源，训练、评测、持久化推理服务、三栏对照演示一条龙

🔹代码规划 + 模型局部判断，不是纯聊天模型硬解游戏

仓库：https://t.co/I9beFZVW6O

模型 / 数据：Hugging Face 上的 C-Tianyu/NanoJev

闭源刚喊完 200 倍更快，开源已经把玩具级 System One 端到端跑通了。就问还有谁？！

#NanoJev #Jev #SystemOne #开源 #LLM #Qwen3 #AIAgent #强化学习 #RLCD

[Cactus Compute @cactuscompute]

We release Needle 3: A Sliceable 8-29MB automation foundation model that can match DeepSeek V4 Flash.

One set of weights, every depth from 2 to 20 layers a model of its own, 25-121M parameters at CQ2-bit, built on our Simple Attention Networks and running locally at up to 4k tokens/sec decode speed on a Raspberry Pi 5.

Needle does not chat. Every turn is a function call: give it the tools your app exposes and it picks the right ones and fills every argument from what the user said, or hand it a schema and it returns a typed record. Ask for something no tool covers and you get an empty list, not a guess.

That trade is lets 121M parameters trained on 360B tokens of structured data beat models 10x their size on mobile tool calls and match 2-3x bigger models on structured JSON extraction.

It runs on mobiles, wearables, smart home devices, small robots and microcontrollers, with prebuilt engines for macOS, Linux, Windows, Android, iOS, watchOS, tvOS, the browser and WASI hosts. Try it in your browser: https://t.co/dLK2tILvG2

[ÆON FORGE ✨ @SpaceTimeViking]

Latest recipe for the Qwen3.8-27B

Dynamic DFlash2
n=10 for c1-c2
n=8 for c3-c4
n=7 for c5-c8
n=6 for c9-c10
… and so on since DFlash acceptance is inversely correlated to concurrency

You get the best of whatever concurrency you are choosing to use.

https://t.co/04O2wj6hSj

[WquGuru @wquguru]

一张卡微调出来的 27B，已经打破了小参数大模型是勤快的小智障的刻板印象

跟还不了解背景的铁汁说下：这里的基座不是什么神秘闭源货，就是大家熟悉的 Qwen3.8-27B-Uncensored。

土耳其的安全研究人员没上集群，就拿一张 RTX PRO 6000（96GB）开了 LoRA SFT，挂在 BF16 基座上，上下文拉到 5k，闷头跑了大约 160 小时、1.9 万步。

听起来像普通炼丹日记，对吧。

结果天还没亮，靶场成绩单就甩出来了̋(ˊ•͈ꇴ•͈ˋ)

HackTheBox 实验室里两台机器，只给了IP地址，套上一个很普通的 agent harness，模型自己扫、自己调工具、自己顺着漏洞往上爬。 平均 25 步、28 分钟，普通用户和管理员权限相继沦陷。 一场下来大约 30 万 token，按基座公开价粗算，成本大概 0.7 美元。

无需多卡，也没有天价 API 账单，就是一张普通推理GPU + 一套红队数据，把 27B 训练成了会自己拿下隔离靶场目标的神奇模型。

更魔幻的是后面，研究者完事后自己先怂了，表示攻击能力太主动，完全不敢开源这个模型。

真的够魔幻的😝

[yibie @yibie]

https://t.co/SVzrexRLap

[AIGCLINK @aigclink]

前OpenAI研究员Diogo Almeida发布了一款新型模型：Jev，一种“放弃生成文字只输出类型化概率决策”的模型

称速度快40–200倍，输入成本便宜5–238倍，输出接近免费

就是说把大模型从会聊天会写长文的生成器，改成软件可以直接调用的概率决策函数

用并行概率决策替代逐token字符串生成，主打结构化、可校准、低延迟、低成本

创始人Diogo Almeida称曾在OpenAI参与指令跟随/对话方法相关研究，他的问题是：模型聊天能力早已超过人，但真正可嵌入代码的自动化仍缺关键一环

Jev背后是一套全新栈：新架构、并行采样器以及新训练方法RLCD

像前沿智能函数调用，输入非结构化状态/程序状态，输出预先定义好的类型化概率决策。放弃自由字符串生成，换来无类型错误、schema内不生成非法/幻觉式输出，并自带置信度

它抢的应该是海量的微决策场景，每一次请求背后几十上百个小判断的基础设施层

可塞进业务系统里做判断器，作为分类、路由、打分、抽取，实时应用里的快速判断，工作流里的“智能if”等

如果真能把每次判断压到毫秒级、接近零输出成本、附带置信度，那这个还是有价值的

#Jev #新型模型

[AI超元域 @AISuperDomain]

丢进一段爆款视频，AI Agent 就能直接克隆出整套制作工作流，并一键生成 100 个视频变体。

并非单纯的“AI 写脚本文案”，而是涵盖换脸、台词对齐、B-roll 和特效的完整工业流水线。

开源项目 Hypit 为 Claude Code、Codex 等编程智能体提供了一套视频构建系统。它改变了手动剪辑的逻辑：

• 词级锚定：所有画面与特效直接对齐具体“台词词汇”，而非时间轴上的固定秒数。修改哪怕一句文案，整体时间也会自动重排。
• 极低成本：无需每月高昂的商业平台订阅费，跑通一条包含画面生成、语音和字幕的完整视频实测成本约 $1（纯代码渲染模式可达 $0）。
• 终端无缝集成：通过 npx skills add hypit-ai/hypit -g 即可安装，直接通过 /hypit 唤起智能体干活。

如果你在做 TikTok 矩阵带货、播客切片或出海广告，只要跑通一个高转化的基础模版，后续每天只需替换产品 SKU 或语言，就能完成极低成本的规模化铺量。

项目地址：https://t.co/SOsc0nFckD

[Yifan Zhang @yifanzhang_]

Superintelligence should learn from experience through RL.

Introducing FlashREINFORCE:

Critic-Free, Single-Rollout, Asynchronous RL for Agentic Language Models

Reinforcement Learning Should Do REINFORCE!

https://t.co/Wz5S57F6B7

[Enze Xie @xieenze_jr]

🚀 Sol-H3 on DGX Spark: 768p in Under a Minute 🤩

Monday: 8×B300, 5s 768p in 1.65s — faster than playback.
Today: the same stack on one desktop Spark — about 56s hot E2E.

Five seconds of 1344×768 video at 24 FPS with stereo audio, on a single NVIDIA DGX Spark (GB10).

Two-stage, not the datacenter profile:
384p H3 draft → latent ×2 → H3-to-LTX VAE adapter → 768p LTX refine → VAE decode

No decode/re-encode between stages. Stage 2 is conditioned on the draft latent, so Gemma stays off the box. Quantized weights stay resident; sparse attention cuts the rest.

Stage 1 takes any MiniMax-H3 few-step LoRA. Timing is hot E2E (encode → both stages → video/audio VAE); cold start and MP4 mux are separate. Apache 2.0.

Server was realtime. Edge is one box, under a minute.

🔗 https://t.co/rfo0EVkJsI

Amazing team effort—full credits in the blog.
@haopengl33 @lawrence_cjs @yitongli165665 @shanasaimoe ,Jingyu Xin, @HaochengXiUCB @songhan_mit