InferNews

DeepSeek Harness 把 Agent 變成插件

Share to X

DeepSeek Harness 想解決的唔係單一 Agent 功能，而係點樣把模型、工具同工作流拆開重組。對想長期調整 Agent 流程的團隊，呢個方向比單次 demo 更有參考價值。

Repository image for deepseek-ai/deepseek-harness

DeepSeek Harness 把 dsh 做成一個面向開發者的 Agent harness，重點不在於再包一層聊天介面，而是把模型、工具、技能、會話、沙箱、存儲、循環、調度同 UI 全部拆成插件，讓團隊用配置去換件、重組，同時保留可追蹤的執行過程。它處理的是 Agent 進入真實工作流後，經常要改工具鏈、換模式、查執行軌跡的維護問題。

你可以直接用 npx @deepseek-ai/dsh web 啟動 Web UI，也可以從原始碼安裝；兩種方式都指向同一件事：DeepSeek 並非只想交付一個可試玩的介面，而是提供一個可延伸的開發底座。現階段它仍屬 developer preview，兼容性破壞會持續出現，較適合願意跟住 API 與插件生態一齊迭代的團隊。

跟不少把能力寫死在框架內的做法相比，DeepSeek Harness 把 Cordis 放在核心位置，內核只負責插件載入、卸載與依賴關係，Agent 能力則交由插件之間透過服務與事件協作。好處是替換模型、工具或 preset 時毋須大改源碼；代價是系統理解成本較高，穩定性亦未到可安心鎖版的階段。

它提供標準模式、PTC 模式、極簡模式同創造模式，反映出同一套底層同時照顧編碼 Agent、基準測試同自訂 preset。當中較值得留意的是 Trajectory 視圖與僅追加式會話日誌，系統會記錄提示詞、工具調用、結果、子 Agent 調度與上下文注入，對除錯、回放、分叉同檢索都幾有用，但官方未提供明確基準分數，現時較難直接用量化結果同其他 Agent 框架比較。

  • 用 Cordis 作核心，將 Agent 各層能力拆成可替換插件
  • 可經 Web UI 快速測試，亦可由原始碼部署到自訂環境
  • Trajectory 與事件流日誌有助追查每一步決策與工具操作
  • developer preview 階段變動頻密，較適合開發者與研究型團隊
  • 重點價值在可組合工作流，而唔係單一模型能力展示

項目主頁 · GitHub

Categories: 開源, Agentic, DeepSeek, API, 工具, Skill 技能, UI/UX

Qwen3.8-2.4T-A95B 超大型開放權重文字推理模型

Share to X

Qwen3.8 把 Qwen-Max 級別能力帶到開放模型，強項不只是答題，而係更穩定完成多步驟工作。

Og image

Qwen3.8-2.4T-A95B 把 Qwen-Max 級別的能力開放出來，而且明確建基於 Qwen3.5 的架構底層，BF16 safetensors 格式及1M上下文。定位上屬於 Causal Language Model，面向文字生成、編程、研究工作與長流程 Agentic 任務；相比只追求單輪回答，它更著重規劃、接收環境回饋，以及把多步驟工作做完。

Qwen3.8-2.4T-A95B 的核心規格相當進取：總參數 2.4T（2.4 trillion）參數，但每次啟動 95B，屬於典型大型 Mixture of Experts（MoE）路線，用較高總容量換取較可控的推理成本。模型經過 Pre-training 與 Post-training，並採用 Qwen3.5 架構延伸而來的層設計，包括 Gated DeltaNet、Gated Attention 與 MoE 組合，重點不是單純堆大，而是提升長鏈推理與任務完成的穩定性。

Qwen3.8-2.4T-A95B 主要來自兩個控制點：reasoning_effort 可調整推理深度，preserve_thinking 可保留歷史訊息中的 reasoning context。這代表它比較適合需要反覆修正、逐步執行的工作流，而唔係只看一次輸出的場景。頁面亦提到它對常見 harness 與開發工具有更廣泛支援，模型檔案可配合 Transformers、vLLM、SGLang、TokenSpeed 等推論堆疊。

  • 基礎模型可確認是建基於 Qwen3.5 architectural foundation。
  • 已知開放的是 Hugging Face Transformers 格式的 post-trained 權重。
  • 官方另有 Qwen3.8-Max 版本，功能更多，包含 vision input、non-thinking support、內建工具，以及預設 1M context length；但這些能力屬於官方服務版本，不應直接視為此頁權重全部具備。
  • 從已公開資訊看，它的優勢在於長流程 Agent 執行與專業工作可靠度提升；限制是硬體需求、完整上下文長度與量化部署細節未在此頁交代，離本地輕量部署仍有距離。

跟一般只強調 benchmark 分數的模型相比，它更強調任務完成率、規劃能力與工具鏈兼容性。由於缺少量化版本、推理記憶體需求與更完整評測數字，現階段較適合把它理解成面向高階推論服務與大型基建環境的開放權重，而不是即插即用的本地模型項目。

模型

Categories: 開源, Agentic, 模型訓練, Qwen, API, LLaMa, Ollama, 編程, Dataset 數據集

Mechanist：把整個科研鏈串起來

Share to X

Mechanist 把模型內部機制研究串成一條自動化流水線，從文獻檢索到實驗驗證都能接手。對做可解釋性、假設檢驗同 GPU 實驗的人，相當有價值。

Mechanist Logo

Mechanist 係一個面向 LLM mechanistic interpretability 的 Autonomous Research Agent，重點唔係幫你寫報告，而係幫你把研究問題拆成可驗證的實驗流程，再逐步產出有證據支撐的結論。它適合需要反覆查文獻、提假設、跑 GPU 實驗、再做 robustness validation 的工作，特別係做模型內部機制分析嘅研究人員同團隊。

使用方式偏向研究工作流而唔係單點工具：先準備 task.md，再喺 Claude Code 入面啟動 /auto，系統會接住做 literature retrieval、hypothesis formulation、experiment implementation 與 execution。項目同時提供 /msearch 同 /mhistory，方便查文獻同追蹤主題脈絡；安裝資料提到要配合 Claude Code、uv，同埋設定 external review model，但 README 亦提到詳細步驟要參考 Quick Start，同時未有完整列出所有命令細節。

它的取捨幾清晰：比起只做文獻整理或者只跑單次實驗，Mechanist 會把整個研究鏈條串起來，仲會喺 GPU budget 內自動縮放實驗規模，唔夠資源時會直接停低並回報。這種做法令佢更像一個可執行的研究夥伴，而唔係純粹的查詢介面。

  • 支援把研究問題轉成可重複驗證的實驗流程
  • 會做文獻檢索、假設生成、實驗執行同穩健性檢查
  • GPU budget 係硬限制，資源不足會明確停機回報
  • 適合做 mechanistic interpretability、模型分析同研究自動化的人
  • 目前以 Claude Code plugin 形式提供，Codex 支援屬於後續方向

項目主頁 · GitHub

Categories: 開源, Agentic, Anthropic, Dataset 數據集

MiniMax-Music3 的音樂描述改寫技能

Share to X

這個項目把短音樂描述整理成更穩定的提示文字，方便後續生成或編修。它也支援帶標籤歌詞，讓內容更貼近音樂創作流程。

Og image

MiniMax-Music3 的 music-caption-rewriter 屬於一個 Skills 項目，重點是把簡短的音樂描述，連同可選的標籤歌詞，改寫成更適合後續處理的文字。它處理的不是旋律本身，而是前期描述太短、太散，難以直接拿去做音樂生成或整理的問題。

這類寫法對內容創作者、音樂生成工作流，或要把零散想法轉成較一致提示文字的人特別有用。它的價值在於先把描述整理好，再交給後續模型或工具，減少輸入太模糊而導致結果飄移的情況。

文件目前可見的資訊主要集中在用途說明，沒有完整交代安裝步驟、執行流程或評估數據，所以較適合把它理解成一個針對文字前處理的技能模組，而不是一個獨立應用。從命名和描述來看，它和一般直接輸入短句就生成的做法不同，重心放在改寫與結構化，讓輸入更一致。

  • 處理短音樂描述的改寫
  • 可搭配 tagged lyrics 一起輸入
  • 目標是讓後續音樂生成更穩定
  • 文件未提供安裝與評測細節
  • 適合音樂生成前的文字整理工作流

項目主頁

Categories: 開源, Agentic, 音樂, MiniMax, Skill 技能

MiniMax-Music3 開放權重音樂模型

Share to X

你可以把它理解成一個把歌詞、風格與編曲意圖直接變成完整歌曲的模型，重點不只係出聲，仲要保住前後段落的連貫感。它適合做 demo、原型同內容製作，代價是控制得愈細，提示詞就要寫得愈具體。

MiniMax

MiniMax Music 3 是一個音樂生成模型，重點在於把「可唱、可編、可聽完整首歌」串成一體，直接產出最長五分鐘的完整歌曲。對內容創作團隊來講，它最有價值嘅位唔係單句旋律，而係可以連住 intro、verse、chorus 到 outro，維持人聲、節奏同編曲走向一致。

輸入通常分兩層：歌詞負責唱咩，同時可以加上 [Intro]、[Verse]、[Chorus] 呢類段落標記；另一層音樂描述就交代風格、情緒推進、人聲質感、樂器配置同空間感。官方亦建議用 Structured Caption，將 Global Metadata、Vocal Details、Arrangement 分開寫，方便模型對長段落做更穩定嘅控制。

它用 8B Global LLM 處理長距離結構，再配 0.6B Local LLM 補足逐幀聲學細節，並結合 Flow Matching 同 Flow-VAE 做連續 hidden-state 合成。這種分工換來較完整的長歌一致性，但亦意味住提示詞要寫得有層次，否則編排同人聲變化未必會完全跟足預期。

  • 最適合做完整歌曲草稿、廣告歌、遊戲音樂同內容原型
  • 由歌詞加音樂描述共同控制，細節比一般單一句 prompt 更可預期
  • 支援 32 kHz、16-bit stereo WAV 輸出，方便接入後期流程
  • 強項係長段落連貫與結構完整，唔係只生成短片段
  • 目前較適合重視創作速度與可控性嘅團隊，而唔係追求即用即完美成品嘅場景

項目主頁 · GitHub · 模型

Categories: 開源, 模型, 音樂, MiniMax

OpenART：把 Agent 安全測試搬進可演化環境

Share to X

OpenART 將工具型 code agent 的安全評估做成可重現的 Docker 工作流，重點不是跑單一任務，而是觀察環境變化如何累積成風險。你可以把它理解成一個用來做 agent red teaming 的開源框架。

Repository image for AI45Lab/OpenART

OpenART 把工具型 code agent 的安全測試，拉到一個更貼近長流程工作的環境裡。它不是單純驗證模型會不會答對，而是看 agent 在共享狀態、連續工具操作與環境演化之下，會不會慢慢走偏，這對做安全研究、紅隊測試或 agent 平台驗證的人都更有參考價值。

整個項目是 Docker-native 的框架，安裝後可先跑本地 smoke task，確認容器、評估器和路徑都正常，再切換到高複雜度任務。README 內也提供 target-only 與 attacker 兩種跑法，方便對比單看目標 agent 與加入 OpenCode-compatible attacker 的差異；任務圖會從 openart-tools 自動選取所需工具，使用方式偏向可控實驗而不是即插即用服務。

它的取捨很清楚：OpenART 把重點放在可重現、可擴展的安全評估，而不是包裝成一個面向終端用戶的產品。項目保留可執行 runtime、少量高複雜度示例與管理過的工具子集，卻刻意不放批次實驗驅動、生成結果和私有場景語料，代表它更像研究與測試底座，適合需要自行編排實驗的人。

論文背景提到，OpenART 提供超過 10,000 個已驗證 stateful scenarios，涵蓋 50 個領域，並支援 75 種 agent-model 配置的統一評估；EMHA（Evolutionary Markov Hypergraph Attack）則是用來推動環境演化的黑箱策略，無需更新參數。文中亦指出，複雜環境下，環境演化比只改指令更容易揭示安全失誤，這正是它相對一般短任務 benchmark 的關鍵差別。

  • 支援先做本地 smoke run，再轉入高複雜度任務驗證
  • 以 Docker 與任務圖管理工具，便於重現與隔離環境
  • 可比較 target-only、attacker 與不同 agent-model 配置
  • 適合做 agent 安全、紅隊測試與平台兼容性檢查
  • 強調長流程與 stateful 環境，較能暴露累積性風險

GitHub

Categories: 開源, 上海人工智慧實驗室, Agentic, 安全, Dataset 數據集

MBA：把商業點子變成多模態評測題

Share to X

MBA 將商業點子生成拉回真實場景，讓模型不只看文字，還要理解圖片、情境同市場證據。它同時提供評測基準同兩個 agent 訓練版本，方便比較不同取捨。

teaser

MBA（Multimodal Benchmark and Agents for Real-World Business Ideation）把原本偏文字的商業構思流程，改成要連圖片、場景同市場證據一齊理解的多模態任務。對做產品構思、創業點子篩選或研究 agent 的團隊來講，重點唔係生成幾多答案，而係點樣喺真實視覺線索下提出夠新意、又講得通的方案。

這個項目同時提供 MBA-Bench 同兩個 agent，MBA-b 同 MBA-k。前者偏盲測設定，後者會利用已知標準，兩者都用 LoRA-based supervised fine-tuning，再接 group relative policy optimization，並加入 creativity、feasibility 等獎勵去訓練。

官方資料提到，MBA-Bench 有 30K 筆樣本，涵蓋六個有明顯視覺線索的領域，評估亦用多個商業向準則去看答案是否具體、可行、具差異化同可擴展。這代表它不只是比模型「講得靚」，而是逼系統在多個限制之間作取捨。

倉庫提供環境設定、資料準備、訓練同推理流程；資料亦可從 Hugging Face 取得，適合想重跑基準、改 reward 設計，或者把 multimodal agent 套到商業 ideation 工作流嘅研究者同工程團隊。現階段最它把 business ideation 由純文本任務，推向更接近現實訊號的評測框架。

  • 同時有 benchmark 同 agent，方便做訓練、比較同復現
  • 強調圖片與市場證據，唔再只靠文字提示
  • 以 creativity 同 feasibility 作核心獎勵
  • MBA-b 同 MBA-k 對應 blind 與 known 兩種設定
  • 適合做多模態 agent、產品構思同商業研究的團隊

項目主頁 · GitHub

Categories: 開源, Agentic, 多模態模型, 模型訓練, 框架, Dataset 數據集

Self-Geometry 補強 3D VFM 幾何一致性

Share to X

同一個場景睇落都幾準，跨視角一對就出現幾何唔一致，正正係 Self-Geometry 想補上的缺口。它用測試階段微調，幫現成 3D Vision Foundation Models 把深度、位姿同 pointmap 對齊。

icon

單張推理已經夠快，但去到多視角場景，depth、camera pose 同 pointmap 未必互相講得通，之後做重建、定位或者室內掃描就會累積誤差。Self-Geometry 屬於 3D 視覺模型適配流程，重點唔係重新訓練一個新模型，而係喺測試階段替現有 3D Vision Foundation Models 補回明確幾何約束。

它採用 GT-Free 的 Test-Time Adaptation (TTA)，直接由 2D pixel correspondences 生成 pseudo ground-truth，再把 Multi-View Consistency、Epipolar Consistency 同 Gradient Disentanglement 組合起來，減少幾種幾何訊號互相拉扯。配合基於 SO(3) geodesic distance 的 Frame Angular-Neighbor 抽幀方式，以及用 LoRA 做 Lightweight TTA，部署理解上比較直接：你可以把它視為加喺 VGGT、π³、DA3-Giant/Large/Base/Small 之上的後處理適配層，而唔係取代原本 backbone。

同類做法常見會依賴模型自己輸出的隱式一致性訊號，Self-Geometry 則改為在測試時加入顯式 multi-view geometry constraints。取捨亦好清楚：它換來較穩定的 pose estimation 同 geometry estimation 改善，但仍然要針對每個 scene 做一次短時間適配，未必適合極端低延遲或單張即時推理流程。

現有資料指出，它在六個 VFMs 同四個 benchmarks，包括 7Scenes、ETH3D、ScanNet++、HiRoom，都有一致提升，而且每個 scene 的適配可在兩分鐘內完成。互動示例亦提供 baseline 與 Self-Geometry 的 pointmap、depth-map 對照，以及相對 TCO、Free-Geometry 的 depth-error、pointmap-error 視覺比較，較適合做 3D reconstruction、camera localization、室內空間感知，或者想保留既有 VFM 而補強幾何一致性的研究團隊同工程項目。

  • 針對預訓練 3D VFM 的多視角幾何不一致問題，而唔係另起一個新模型
  • 用 2D pixel correspondences 當 pseudo ground-truth，避免依賴真實標註
  • 可直接套用到 VGGT、π³、DA3 系列，核心形式屬於 plug-and-play TTA
  • 已公開互動比較與定性結果，重點放在 depth、pointmap 與 pose 的一致改善

項目主頁 · GitHub

Categories: 開源, 框架, 3D

VoxWeave：Windows 本機 RVC 變聲工作站

Share to X

把音頻、影片、麥克風同批次任務收在同一個桌面工作站，VoxWeave 走的是本機離線處理路線。它重點解決變聲流程分散、結果難追蹤，同時保留即時變聲與批量轉換。

VoxWeave

VoxWeave 是一套面向 Windows 的 RVC（Retrieval-based Voice Conversion）變聲工作站，定位很清楚：把離線轉換、即時麥克風變聲、批量處理和結果追蹤放進同一個桌面流程。它適合要穩定處理音頻、歌曲或影片音軌的人，也適合需要交付產物、查看失敗原因和保存位置的工作場景。

使用方式偏向本機部署而不是雲端服務。EXE 不內置大體積環境或模型，首次使用可在介面內按需下載經哈希校驗的運行組件與推薦模型；來源倉庫也保留 Linux 和 macOS 的邊界，但目前真機驗收集中在 Windows 11 與 NVIDIA CUDA。

它和常見變聲工具最大的分別，在於把狀態、任務、批量規則、即時會話、產物與歸檔都收進 SQLite 作為單一真源，連診斷匯出都會帶上運行時、模型和日誌清單。這種做法讓問題排查和重試更直接，但代價是它明確不提供虛擬聲卡、模型訓練或 GPT-SoVITS，定位比完整聲音工坊收得更窄。

  • 支援音頻、影片、資料夾和麥克風輸入，流程集中。
  • 可做離線轉換、即時變聲與批量處理，結果可追蹤。
  • 模型按原路徑登記，會計算權重和索引的 SHA-256，不會複製或改名。
  • URL 模型需要提供來源、最終大小和 SHA-256，授權不明時會明確標示。
  • 目標較適合 Windows 本機使用者、內容製作流程，和需要留存產物與錯誤記錄的團隊。

GitHub

Categories: 開源, AI productions, NVIDIA, Mac, Linux, 語音, Win

WorldClaw 把一句提示詞變成可編輯 3D 世界

Share to X

WorldClaw 將開放式描述轉成可探索、可修改的 3D open-world scene，重點不只在生成，還在把世界結構交到使用者手上。它適合想快速做場景原型、互動展示或內容雛形的團隊。

teaser

WorldClaw 是一個 agentic 3D 生成框架，處理的問題很直接：把一句開放式提示詞，變成一個可以走進去、調整、再延伸的 3D open-world scene。它的價值不在於單次出圖，而是把「生成」和「可編輯」連在一起，令內容創作更接近真正可用的場景製作流程。

這個項目目前更像研究原型與方法展示，重點放在論文、項目頁與流程圖；README 沒有提供完整安裝指令，使用者主要應透過論文和項目頁理解它的工作方式。它由 Tencent-Hunyuan 團隊提出，核心方向是把 agentic 流程套進 3D 世界生成，讓模型不只產生外觀，還能維持場景可探索性與修改空間。

  • 由單一提示詞推進到可互動的 3D 世界，不是只生成靜態資產。
  • 強調 editable 與 explorable，較適合做場景原型和概念驗證。
  • 內容定位偏研究與展示，公開資訊未見完整部署流程。
  • 相比一般 3D 生成方法，它更重視世界結構與後續修改。
  • 對遊戲原型、虛擬場景、數字內容團隊較有參考價值。

從命名和定位看，WorldClaw 把自己放在 3D 生成與 agentic workflow 的交界位，關心的不是單一模型輸出，而是生成過程怎樣逐步組裝成世界。現階段公開材料主要講方法與成果，沒有明確性能表格可供直接比較；讀它時，重點應放在它如何把開放式描述轉成可操作場景，而不是當成現成工具包看待。

項目主頁 · GitHub

Categories: 開源, 騰訊, Agentic, 3D
Page 20 of 92
1 … 18 19 20 21 22 … 92