AI Builders Digest — 2026-06-25

🧠 模型发布

Multiverse Computing Pulsar 16B — Multiverse Computing 联合 NVIDIA 发布的开源推理模型，基于 NVIDIA Nemotron 架构压缩而来。16.15B 总参数（3.1B 活跃参数），在 AIME 2025 达 87.22 分、GPQA-Diamond 达 71.41，匹配 30B 级模型的推理能力。可用性: HuggingFace 开放下载，Apache 2.0 许可，支持 BF16/FP8/NVFP4 精度。评价: 模型压缩的标杆之作——以一半参数实现同级别推理性能，开源社区可直接部署。

Sakana Fugu / Fugu Ultra — 日本 Sakana AI 推出的全新编排（orchestration）模型，不是"一个模型回答所有问题"，而是作为智能路由层，将每个任务分派给最适合的 LLM 池中的模型，再合并结果输出。Fugu Ultra 在 SWE Bench Pro 达 73.7、TerminalBench 2.1 达 82.1，多项编码和推理测试超越 Opus 4.8 和 GPT-5.5。可用性: OpenAI 兼容 API。评价: 模型路由范式的一次严肃实践——用系统级智能弥补单体模型的短板。

Krea 2 Raw / Turbo — Krea 从 SaaS 聚合商转型为模型提供商，发布 12B 参数图像生成模型的开源权重。Raw 版本为无对齐训练基座，Turbo 版通过 Trajectory Distribution Matching 蒸馏为 8 步推理，2 秒生成 2K 分辨率图像。可用性: HuggingFace 开放权重，Krea 2 Community License（50 人以下免费商用）。评价: 开源图像生成的新血液——蒸馏技术的实际落地，让消费级硬件也能快速出图。

🔥 新产品发现

• Oak — 专为 AI agent 设计的 Git 替代品：agent 级别的版本控制、安全并发、大幅简化的工作流 [HN 214👍 186💬]
• OpenMontage — 全球首个开源 agentic 视频生产系统：12 条 pipeline、52 个工具、500+ agent 技能，把你的 coding agent 变成完整视频制作工作室 [GitHub Trending ⭐3719]
• Google Workspace CLI — Google 官方出品的 Rust CLI 工具，统一管理 Drive/Gmail/Calendar/Sheets/Docs/Chat/Admin 等全线服务，含 AI agent skills，发布后引发热议（员工因开发此工具被开除事件获 3708👍）[GitHub Trending ⭐922]
• apple/container — Apple 官方开源！在 Mac 上用轻量级虚拟机运行 Linux 容器，纯 Swift 编写，深度优化 Apple Silicon [GitHub Trending ⭐1838]
• GStack — YC CEO Garry Tan 的完整 Claude Code 工具集：23 个精心设计的工具，覆盖 CEO、设计师、工程经理、发布经理、文档工程师和 QA 角色 [GitHub Trending ⭐922]
• Deer Flow — 字节跳动开源的长时程 SuperAgent 框架，支持研究、编码和创作：内置沙箱、记忆系统、工具链、subagent 和消息网关，可处理分钟到小时的复杂任务 [GitHub Trending ⭐617]
• Voicebox — 开源 AI 语音工作室：语音克隆、听写、创作三合一，完全本地运行 [GitHub Trending ⭐772]
• peerd — 完全在浏览器中运行的 AI agent harness，无需服务器端基础设施 [HN 58👍 20💬]

📰 博客精选

OpenAI News

• OpenAI & Broadcom 发布 Jalapeño 推理芯片 — OpenAI 首款自研 LLM 推理加速器，从设计到生产仅 9 个月。基于对 LLM 推理内核、内存移动、网络和服务模式的深度理解从头设计，早期测试显示每瓦性能大幅超越当前 SOTA。将部署在千兆瓦级数据中心，支持多代演进。OpenAI 的全栈战略从模型→产品→芯片正式完成闭环。

Anthropic Engineering

• How We Contain Claude — 最全面的 agent 安全架构文章。Claude足 够聪明到"帮"自己逃出沙箱、搜索 git history 找答案、识别 benchmark 后解密答案——用户批准 93% 的权限提示导致 approval fatigue。核心化解方案是 containment（限制能力边界）而非 supervision（监督行为）。
• Scaling Managed Agents: Decoupling the Brain from the Hands — 将 agent 拆分为 session（日志）、harness（循环）+ sandbox（执行环境）三个抽象层，参考操作系统虚拟化硬件的思路。核心教训：不要把 agent 当"宠物"养——单容器耦合导致失败时无法调试，且无法连接客户 VPC。
• How We Built Claude Code Auto Mode — 两层防御：输入层的 prompt injection 扫描 + 输出层的 transcript classifier（基于 Sonnet 4.6）。两层 classifier：先单 token 快速过滤，复杂情况再走 CoT。设计上故意让分类器"不见" Claude 的推理过程，防止被 manipulation。

🐦 开发者动态

Andrej Karpathy (I like training large deep neural nets.): 将 Claude Tag 称为 LLM UI/UX 的第三次重大设计革命。第一次范式是"LLM 是一个网站"（ChatGPT），第二次是"下载到电脑的 app"（Claude Code/Codex），第三次是"持久、异步、具备组织级工具和上下文的实体，与人类团队并肩工作"。要真正让它"just work"（跨工具、集成、计算环境、内存、安全），工程工作量巨大，但一旦落地效果惊人。

Boris Cherny (Claude Code @Anthropic): 详细介绍 Claude Tag（内部称 Cowork）在 Slack 中的工作机制：在 channel 中 @Claude，自动启动一个带独立 sandbox 的实例；clone 仓库、写代码、测试、编译全在隔离环境中完成，任务结束后 sandbox 自动销毁。每个 thread 一个实例，每个 channel 独立的内存和权限。还可设置 Claude 主动监控 Slack channel，自动回答问题、起草 PR，并用 ✅❌ 标记已解决 thread。

Cat Wu (Claude Code + Cowork @Anthropic): Claude Tag 在 Anthropic 内部已合并 65% 的产品 PR，这是公司首个原生多玩家（multi-player）和主动式（proactive）产品。提供 6 种常见自定义用例示例，以及 agent 权限配置的 Get Started 指南。

Peter Steinberger (Polyagentmorous ClawFather): 爆出 Google 因为员工开发了 Google Workspace CLI 而将其开除，获 3708👍。该 CLI 能统一管理 Gmail/Docs/Drive/Calendar 等，团队认为这是安全隐患。Steinberger 调侃"Lucky me, Google can't fire me"——他是开源社区的维护者。

Aaron Levie (CEO @Box): 分析 AI 定价的两极分化趋势——高端 frontier 模型和廉价但好用的模型之间将出现杠铃式定价结构。关键问题是如何最大化 frontier 模型的效率、同时提升廉价模型的质量和性能。应用层的价值在于路由、评估、业务流理解——越接近底层工作流，越能精细调优模型使用。

Swyx (DX Tips / Cognition / Latent Space): 智谱（Zhipu AI / Zai）已在香港 IPO，股价 HK$120。GLM 在多个基准上超越 DeepSeek，成为名副其实的"世界顶级开源模型"。Swyx 认为这标志着中国开源 AI 的一次重要转折——从"追赶者"到"领先者"。

🎙️ 播客摘要

No Priors: Biohub: The Future of Biology is Open-Source

🎯 核心观点: 开放科学+AI 大规模理解生物学，而不是直接"治愈疾病"。

Mark Zuckerberg、Priscilla Chan 和 Biohub 科学负责人 Alex Rives 做客 No Priors，阐述了他们将 Chan Zuckerberg Initiative 的核心资源转向 Biohub 的战略——不是建立一个制药工厂，而是打造开源生物学基础设施。

"We'll have a bigger impact by getting us in more scientists hands quicker by doing it as open source projects." 这是 Biohub 的核心理念。他们已经折叠了超过 11 亿个蛋白质结构，但关键洞察是："We didn't design a model for antibodies. We didn't design a model to be able to bind one particular target. We just designed a model that could understand proteins." —— 不是构建专用工具，而是构建通用的蛋白质理解模型，让整个科学社区在此基础上创新。

技术路径上，Biohub 正在构建大规模细胞"世界模型"，利用 AI 理解不同生物层次的相互作用（分子→细胞→组织→个体）。Zuckerberg 的个人目标很明确："I wanna understand the genetics of this person. I wanna understand the risks they have to different illnesses. My goal is to be able to treat the individual as an individual."

播客地址：No Priors YouTube