AllenAI 开源 Omnigent 智能体编排框架
AllenAI 在 GitHub 开源 Omnigent，一个 AI 智能体框架和 meta-harness，可统一编排 Claude Code、Codex、Cursor、Pi 和自定义智能体。它支持在不重写代码的情况下切换 harness，强制执行策略和沙箱隔离，并可从任何设备实时协作。
推荐理由：原文给出统一编排多个智能体的开源框架方案，不重写代码即可切换 harness 并强制策略与沙箱。
#开源/仓库
GitHub Org · allenai精选AI 评分6464
OpenClaw · Blog精选AI 评分6767 OpenClaw 发布 Multiplayer 功能，多人共享同一智能体协作
OpenClaw 发布 Multiplayer 功能，多名用户可同时连接同一个智能体、共享同一份上下文协作。该功能在旧金山 GitHub Universe 现场演示，两台笔记本上的提示词实时互相可见，双方对同一对象连续修改而无需复述或重建对方上下文，共享队列会协调请求以避免冲突指令。
推荐理由：原文演示了多人共享同一智能体与上下文如何减少跨部门协作中的信息丢失，工具开源免费且支持自选模型。
vLLM 官方博客精选AI 评分7474 vLLM 为 Kimi K3.1 Pro 提供 Day-0 支持
vLLM 宣布为 Moonshot AI 开源模型 Kimi K3.1 Pro 提供 Day-0 支持，覆盖 NVIDIA GPU、AMD GPU、Google TPU 和 Alibaba T-Head Zhenwu PPU。
推荐理由：原文给出稀疏注意力在多类芯片上的部署方案与吞吐数据，读者可以据此评估长上下文智能体推理的硬件选型。
GitHub Org · bytedance精选AI 评分6060 字节跳动发布 axion1_0 训练配方，称 2 SFT + RL 即可实现前沿级 Agent 能力
字节跳动在 GitHub 开源 axion1_0 完整训练配方，称仅靠高质量数据和 2 SFT + RL 即可获得前沿级 Agent 能力。该配方不使用 mid-training、DPO 和 OPD。
推荐理由：原文给出完整配方，主张不做 mid-training、DPO 和 OPD 也能做出前沿级 Agent 能力，可作为简化训练流程的参考。
vLLM 官方博客精选AI 评分7373 vLLM 推出对 Mistral Large 4 的 Day 0 支持
vLLM 官方宣布为 Mistral 新旗舰 MoE 原生多模态模型 Mistral Large 4 提供 Day 0 支持，FP8 与 NVFP4 权重均可通过 vllm/vllm-openai:mistral-large-4 镜像部署。
推荐理由：原文在发布支持的同时给出 FP8 与 NVFP4 的质量速度实测对比，读者可据此为不同硬件规模选择部署配置。
PyTorch Blog精选AI 评分6161 PyTorch 2.15 发布，重写 NCCL 通信后端成为默认并优化大模型解码性能
PyTorch 2.15 正式发布，重写的 NCCL 通信后端成为所有 nccl 进程组的默认选项，并提供 TORCH_DIST_USE_NCCL2=0 和 nccl-legacy 回退路径。
推荐理由：官方逐项列出默认启用的重写 NCCL 后端、FSDP2 显存控制和 Apple Silicon FP8 等变化，读者可据此评估升级对现有训练与推理管线的影响。
n8n Blog精选AI 评分6363 n8n 3.0 Beta 发布，稳定版计划 12 月初推出
n8n 发布 3.0.0 Beta 测试版，聚焦提升可靠性、稳定性与安全性的内部变更，稳定版计划 12 月初推出。主要破坏性变更包括手动执行改由 worker 运行、移除内存二进制数据模式、Code 节点默认超时从 5 分钟降为 1 分钟、自托管仅支持 Docker，并移除 Function 和 Cron 等旧节点。
推荐理由：原文集中梳理了破坏性变更主题和迁移报告用法，正在使用 n8n 的用户可据此评估升级前需要调整的工作流。
Google Research 博客精选AI 评分6060 Google Research 复盘基础模型走向结核病筛查一线的历程
Google Research 复盘团队五年 AI 结核病筛查历程，本周在 IDWeek 2026 分享从研究基准到临床工具与开源基础模型的落地路径。
推荐理由：原文复盘了从研究基准到临床认证工具再到开源模型底座的完整路径，医疗 AI 团队可参考其中跨越转化鸿沟的关键步骤。
vLLM 官方博客精选AI 评分6666 蚂蚁集团与 vLLM 社区开源量化推理内核库 Humming
蚂蚁集团与 vLLM 社区开源量化推理内核库 Humming，统一支持 Turing 起的各代 NVIDIA GPU、CUDA 兼容设备 T-Head Zhenwu 810E，覆盖稠密与 MoE 的多类权重量化组合。
推荐理由：原文给出从 Turing 到 Blackwell 各代 GPU 的量化推理提速数据和 vLLM 0.29.0 的启用方式，读者可对照部署硬件评估收益。
Google Developers Blog精选AI 评分6666 Google 发布 TPU 上的 vLLM 与 SGLang 原生 PyTorch 推理引擎
Google 在 TPU 上推出基于 TorchTPU 的原生 PyTorch 推理引擎 vLLM-TorchTPU 与 SGLang-TorchTPU，分别与 Inferact 和 RadixArk 合作开发，项目已在 GitHub 开源。
推荐理由：为习惯 PyTorch 的开发者提供不经 JAX 后端直接在 TPU 上运行 vLLM 和 SGLang 的方式，并附公开基准的成本与吞吐数据。
Google Developers Blog精选AI 评分6666 Google 将 TorchTPU 集成进 TorchTitan，发布面向 Cloud TPU 的大模型训练与优化方案
Google 发布 TorchTitan TPU，借助新推出的 TorchTPU 原生后端（torch.device("tpu")），PyTorch 训练脚本只需少量设备初始化改动即可在 Cloud TPU 上训练，分支仓库为 https://github.com/google-pytorch/torchtitan/，由 Google 与 Meta 共同加入 TPU 原生执行。
推荐理由：原文给出按顺序执行的 TPU 训练优化清单，并用三个模型的案例标出每步改动换来的 MFU 或吞吐提升，便于迁移到自己的训练任务。
vLLM Releases精选AI 评分6060 vLLM 发布 v0.32.0，包含 814 项提交与多项安全修复
vLLM 发布 v0.32.0，包含 363 位贡献者的 814 项提交，新增 /v1/systemone 结构化端点和读取 checkpoint response_template 的通用 hf 工具与推理解析器。
推荐理由：本次集中改进低精度 KV cache、启动速度和 API 负载均衡，并修复多个安全问题，自行部署推理服务的读者可据此评估升级收益。
GitHub Org · deepseek-ai精选AI 评分6262 DeepSeek 开源 DeepGEMM-Ascend：面向华为昇腾 NPU 的矩阵乘法 kernel 库
DeepSeek 在 GitHub 开源 DeepGEMM-Ascend，定位为面向华为昇腾 NPU 的简洁高效矩阵乘法 kernel 库，仓库地址 https://github.com/deepseek-ai/DeepGEMM-Ascend。
推荐理由：DeepSeek 开源了面向华为昇腾 NPU 的矩阵乘法 kernel 库，做底层性能优化的读者可以直接查看源码。
OpenClaw · Blog精选AI 评分6767 OpenClaw 发布开源企业级智能体管控平台 OpenClaw Enterprise
OpenClaw 发布开源、厂商中立的企业级智能体平台 OpenClaw Enterprise（OCE），用于在敏感环境中管理持久化智能体，现已可克隆仓库自托管，支持 docker-compose 本地开发和 kubernetes 内部部署。
推荐理由：原文说明平台如何用多租户、硬安全边界和可替换组件让智能体进入企业环境，现阶段定位内部试点且已可自托管。
vLLM Releases精选AI 评分6262 vLLM v0.30.0 发布，新增 DeepSeek-V4.1-Flash 等模型支持
vLLM 发布 v0.30.0 版本，包含来自 315 位贡献者的 762 个 commit，其中 104 人首次参与贡献。
推荐理由：这一版集中了新模型支持、启动加速与水印生成等改动，维护 vLLM 部署的团队可以对照检查升级收益和破坏性变更。
vLLM Releases精选AI 评分6262 vLLM v0.29.0 发布，Model Runner V2 成为默认运行路径
vLLM 发布 v0.29.0，Model Runner V2 成为所有模型的默认运行路径，MRV1 转为弃用并计划在 v0.32 移除。
推荐理由：原文给出 v0.29.0 变更清单，Model Runner V2 转为默认、MRV1 定于 v0.32 移除，维护部署的读者可据此安排升级。
SGLang Releases精选AI 评分6262 SGLang v0.5.19 发布，新增 beam search 与多款模型支持
SGLang 发布 v0.5.19，合入 214 位贡献者的 786 个 PR，新增 beam search（请求传 beam_width 即返回 n 条最优序列），并将统一 radix tree 设为所有模型的默认缓存。
推荐理由：版本将统一 radix tree 设为默认缓存并新增 beam search，附各硬件实测性能数字，自部署推理服务的人可据此评估升级收益。
GitHub Org · CopilotKit精选AI 评分6060 CopilotKit 开源 OpenBot：为每个 AI 智能体配备独立电脑环境
CopilotKit 在 GitHub 开源 OpenBot，定位为各自拥有一台电脑的开源 AI 同事。每个智能体配有浏览器、文件和工具，每个动作在发生前先做决策、发生后被记录，并支持接入任意 AG-UI 智能体。
推荐理由：开源的 OpenBot 让每个智能体独享一台电脑的环境，动作先决策后留痕且兼容任意 AG-UI 智能体。
Augment Code 博客精选AI 评分6262 Augment Code 重构 Auggie CLI harness，任务成本比 Claude Code 低 53%
Augment Code 从零重构了 Auggie CLI 的 harness，在 SWE-bench Pro 同等通过率下单任务成本 $1.27，比 Claude Code 的 $2.70 低 53%，比旧版 v1 也再降一档。
推荐理由：原文把降本归因于工具面收缩、检索替代探索和主动压缩三个做法，做 Agent 工程的读者可以对照自查自己的 token 成本。
goose 官方博客精选AI 评分6161 goose 宣布以 issues 取代 PR 作为开源贡献主要方式
goose 宣布将开源贡献流程改为以 issues 为中心，配套上线公开的 Goose Issues board，不实现已就绪议题的 PR 会被关闭。新 issue 先进入 Inbox，经分诊后进入 Accepted/design 讨论设计，确定后进入 Ready，再由智能体实现，依次经过 In progress、Verification，经人确认才算 Done。
推荐理由：原文论证智能体让写代码变便宜之后，开源贡献的重心从提交补丁转向提出议题和参与设计讨论。