新功能加入 /goal，能持續目標驅動循環（自主執行直至目標完成）。接手陌生程式碼時，OpenCode 會先協助分析，再切換至開發模式；但模型配置與硬件門檻仍未交代。
V2 連續 3 日更新！OpenCode 能在接手陌生程式碼時，先讓 OpenCode 分析結構及規劃修改，再交由開發模式處理。這個開源 AI 編程代理工具以不同權限配合工作階段，並非獨立模型。
很多時，開發技術差異在於代理模式：預設 build 具完整存取權，負責開發；plan 則以唯讀方式探索程式碼，執行 bash 指令前會要求批准。兩者是操作模式，不是兩款模型。
需要先審視再修改程式碼的開發者，可考慮這套分工方式；選用前仍須確認模型配置與運算需求。安裝前亦應移除早於 0.1.x 的版本。
先在電腦試玩，甚至可戴上頭戴裝置驗證互動，空間應用原型不必一開始就靠硬件測試。
想製作可伸手操作的立體教材或遊戲原型，XR Blocks 可配合 Gemini，把文字描述轉成延展實境（Extended Reality，XR）應用；它是開源框架，不是獨立模型。
框架以 WebXR、three.js 及 LiteRT.js 為基礎，整合環境感知、手部互動與物理效果。配套工作流把程式範本和專用系統提示交給 Gemini，減少模型自行猜測介面。
Google AI Studio 支援在瀏覽器內建立及預覽應用，毋須先安裝本地開發工具。電腦可用 Chrome 執行模擬器；沉浸式測試則需要 Android XR 頭戴裝置，例如 Samsung Galaxy XR，以及支援 WebXR 的 Chrome 136 或以上版本。
原連結未能讀取完整內文，本文以官方文件補充；文件沒有列出最低記憶體或顯示卡要求，不能據此保證所有電腦都能流暢運行。
當搭配如 Claude Code、OpenClaw、Hermes Agent 這類每輪都發送巨大 Context / Tool Transcript 的 Coding Agent 時，oMLX 能直接命中快取，大幅縮短每輪等待時間。
在 Mac 跑編程助手，oMLX 可讓常用模型常駐記憶體，並從選單列管理服務。能使用 Mac 原生 MLX 的吞吐與批次處理。
它以連續批次處理（Continuous batching）配合分層鍵值快取（Key-Value cache，KV cache）：常用區塊留在記憶體，冷資料以 safetensors 格式存入固態硬碟（SSD）。後續請求的前綴吻合便可重用，伺服器重啟後亦能恢復，但不代表任意改寫上下文都能免除重算。
硬件需 Apple Silicon Mac，並為模型及快取預留記憶體與 SSD 空間；來源未列最低容量、模型清單或具體測速，不能據此保證大型模型的速度。
安裝可從 Releases 下載 .dmg，拖入 Applications，並支援程式內更新。需要反覆處理相同上下文的編程工作較能受惠；SSD 快取節省重算，卻不能取代模型推理所需的記憶體。
[YouTube 影片]NVIDIA 的 Open-H3-Regenerate-2K 可在 ComfyUI 將 480p MiniMax H3 草稿提升至 2K，並提供兩種測試方法。
將 480p 影片提升至 2K，往往要在畫面細節、運算成本與輸出穩定性之間取捨。NVIDIA Open-H3-Regenerate-2K 把這項流程帶入 ComfyUI，針對 MiniMax H3 產生的影片草稿進行高解像度重建，適合需要改善輸出尺寸而又想保留原有動態內容的影像工作流程。
影片示範以三個步驟完成處理，並測試兩種方法，相關檔案亦附有連結。不過，提供的原始資料沒有列出具體工作流程、模型檔案名稱、安裝方式或硬件要求，使用者仍需按影片內容及項目檔案確認 ComfyUI 節點、顯示卡記憶體和運算時間。
對內容創作者而言，這個項目可用於先以較低解像度製作草稿，再把選定結果交由高解像度流程處理，減少一開始便以 2K 生成所帶來的資源壓力。它較適合已經使用 ComfyUI、MiniMax H3 或 NVIDIA 影片模型工作流的使用者。
幾張多角度參考圖，就能引導 Wan2.1 生成沿不同鏡頭路徑移動的物件影片，並盡量保持外觀與立體結構一致。現階段程式碼與資料集尚未公開，硬件需求亦未交代。
想把一件商品或角色放進不同場景，再沿環繞鏡頭拍成影片，難處是視角轉到參考圖以外時，物件外形容易走樣。OmniShowcase 是一個影片生成模型項目，利用少量多視角圖片生成同一物件的影片，鏡頭路徑涵蓋完整 360° 環繞，目標是維持物件身份與 3D 結構。
它以 Wan2.1 image-to-video 模型為基礎，透過輕量 LoRA 調整生成模型。流程會由四張參考圖重建物件，再渲染成一組表面法線圖作為條件；生成影片時，鏡頭不必逐格對齊這組法線圖，提示詞可指定其他運鏡路徑。這令模型能沿指定路徑生成影片，而不只是重播固定的旋轉角度。
這種方法適合商品展示、角色視覺化及需要多角度鏡頭素材的內容製作，也可供研究多視角條件影片生成的團隊參考。代價是生成品質依賴參考圖的 3D 重建與表面法線條件。
需要複製聲線、調整情緒，或按劇本生成多角色對話時，Ming-3.0-tts 提供多種控制方式，並支援多種語言與方言。
要為短片配旁白、製作有情緒起伏的角色對白，或生成多角色 Podcast，Ming-3.0-tts 都提供相應能力。這個開源語音生成模型項目支援中文、英文等七種語言，以及廣東話和四川話兩種方言；使用者可克隆參考聲線、用文字描述設計音色，亦可用自然語言指示演繹方式。
支持中文、英文、德文、西班牙文、法文、韓文和日文語音，亦可選擇四川話或廣東話；語速、音高和音量也可以調整。項目提供兩個模型：0.5b 是 dense model，tiny 則是建基於 Ling V3 的 MoE model，總參數量為 7.9B、每次啟用 1.3B。只有 tiny 支援按劇本和參考聲線生成多說話者對話。
兩個模型各有取捨。0.5b 在廣東話 Base CER、ACC，以及部分情緒和屬性控制指標取得領先；tiny 在多項多語言、聲線相似度和播客測試中排名靠前。不過，部分歷史紀錄仍由 Ming-omni-tts 保持，例如播客 CER；tiny 的韓語準確度、音高控制和角色扮演指令遵循能力，亦列為後續改善方向。
模型支持聲線複製、自然語言控制及多角色對話。適合需要製作多語言旁白、有聲內容或角色語音的創作者和開發團隊；若工作依賴特定方言的聲線相似度，或要求穩定遵循複雜角色指令，仍應先用目標語料自行驗證。
Genie 4 可按文字或圖像提示生成可探索的 3D 世界，讓研究人員測試 AI 如何在變化中的環境裡理解場景和採取行動。
輸入一段描述或一張圖像，AI 便能生成可探索的 3D 世界，並隨玩家的操作即時改變場景。Google DeepMind 推出的 Genie 4 是一個世界模型研究項目，目標是建立能模擬環境、回應互動場景，為訓練和研究具身 AI 提供測試空間。
這類場景並非預先錄製的影片：玩家可以移動和探索，模型則持續生成後續畫面。研究人員可藉此觀察 AI 能否掌握環境的空間關係，並在多種情境中持續採取合適行動；不過，生成結果能否長時間保持一致，仍是世界模型需要面對的挑戰。
Genie 4 延續 Google DeepMind 的 Genie 系列研究。官方介紹聚焦於模型生成互動世界的能力，但未提供足以比較不同模型的完整量化評測，因此不宜單憑展示內容推斷它已能穩定支援所有模擬或訓練工作。
對具身 AI、遊戲環境生成和世界模型研究者而言，Genie 4 提供一種建立互動測試場景的方向；一般使用者則可透過生成世界，直觀感受模型如何把提示轉化為可操作的環境。
跨應用程式完成工作，不能只看模型答得對不對；Work Agents 把代理流程、能力與可驗證成果放進同一研究脈絡。
當 AI 要跨應用程式完成多步工作，交付可核實、能供後續使用的成果，比單次答對更重要。Work Agents 是配合調查研究整理的開源閱讀清單，收錄數碼工作代理的系統、訓練、環境、記憶、基準與官方資源，並非可直接安裝的代理軟件。
研究以工作持續性（work persistence）和工作開放性（work openness）描述工作條件，並分成對話（Conversation）、單一步驟（Atomic Action）、多步（Multi-step）、工作流程（Workflow）及工作區（Workspace）五類。它也梳理 foundation models（基礎模型）與 runtime harnesses（執行時框架）的單獨或協同優化，評估則聚焦成果能否符合要求並供下游使用。
你可由 GitHub 清單挑選論文、基準和工具；暫未有可直接執行的代理或統一安裝、測試流程，不能當成部署指南。
產品團隊和自動化流程負責人可用它整理能力缺口與評測方法。清單沒有同一環境下的性能數字，具體效果仍要回到各研究與工具核實。
穿戴式助理要看見甚麼、怎樣給建議，最後能否幫人完成任務，InteractiveWorld 把整段互動放進可持續變化的 3D 場景中測試。
穿戴式 AI 助理不只要辨認眼前物件，還要理解人的要求、給出可執行的指引，並跟進行動後的變化。InteractiveWorld 是一套以人為中心的 3D 模擬器，用第一人稱視角呈現環境，讓助理與模擬人物多輪互動；同一個儲存庫亦提供 InteractiveBench，用來比較多模態大型語言模型（MLLM）在這類任務中的表現。
場景涵蓋 44 個 BEHAVIOR-1K 家居及活動空間。助理以對話提供建議，模擬人物則根據所見自行決定行動；研究者可用簡短指令描述抓取、開門、倒液體等操作，由模擬器處理移動、避障、操作物件及更新場景。世界狀態會延續到下一輪，因此助理要根據新視角調整回答，而非只生成一次性的文字答案。
InteractiveBench 收錄 120 個固定的多輪任務，分為六類，每類 20 個。評分會檢查場景中的狀態是否達成目標，而不是單憑回答文字判斷；基準亦提供評估流程、報告及影片。首頁資料提到曾以 12 個前沿 MLLM 進行評估，但所提供的內容沒有列出各模型分數，無法據此比較排名或判斷差距。
• 模擬器可用 Python API 開啟場景、執行動作、取得觀察結果及原生分數。
• 場景與人物行動涵蓋物件操作、室內移動及第一人稱畫面更新。
• 基準任務固定，適合研究團隊比較模型在多輪助理情境下的完成能力。
• 安裝指南列明資產準備與環境需求；執行需要處理 Isaac Sim 場景及相關資產，並非只呼叫一個輕量 API。
這個項目適合研究穿戴式助理、多模態模型及具身互動的團隊，尤其是需要可重複測試、以環境狀態核實結果的工作。模擬場景能補足純文字評測看不到的行動後果，但仍不能完全代表真實佩戴裝置時的感測誤差、人的習慣差異或實體操作風險；評測結果應視為模擬環境中的能力證據。
操控生成影片時，切換第一人稱、第三人稱與自由鏡頭，畫面仍要延續同一個世界。World-in-Context 以共享控制機制處理這項挑戰。
想在生成影片中移動鏡頭、改變觀看角度，甚至在第一人稱與第三人稱之間切換，畫面仍須保持連貫。World-in-Context（WiC）是為互動影片世界模型而設的訓練框架，目標是讓視角、動作和鏡頭控制在同一段影片中協同運作，而不是各自處理。
WiC 以 Wan2.2-TI2V-5B 作為基礎模型，透過 In-Context Conditioning（ICC）把視角、動作與鏡頭控制轉成共享注意力空間中的 tokens；Interaction-Transport RoPE（IT-RoPE）則把累積的控制變化納入時間注意力。這讓系統可支援自由鏡頭、第一人稱及第三人稱視角，也能在影片進行中切換，適合研究互動式場景生成、遊戲環境及長時間因果推演。
在 WBench 評測中，WiC 的導航平均分為 81.5，視角切換成功率為 93.8%。這些結果反映它能處理導航與鏡頭切換，但不能單憑分數判斷生成影片在所有場景都同樣穩定；GPU 記憶體需求亦會隨影片尺寸和設定改變。
目前程式碼、訓練程式及 WiC 權重仍在審核，尚未公開，因此現階段無法自行安裝並重現推理結果。計劃中的版本要求 Linux、Python 3.10，以及支援 BF16 的 NVIDIA GPU；預設生成設定為 832×480、81 幀、16 FPS 和 50 個採樣步驟，並預計提供 11 個包含起始圖片、提示詞與控制資料的範例。
對研究影片生成、虛擬環境導航或互動遊戲場景的團隊而言，WiC 提供一條把鏡頭與動作控制合併訓練的路線；但在公開程式碼和權重推出前，這些能力仍主要停留在研究成果與展示範例，還不能直接納入工作流程測試。