Featuredai-industry
AI 學寫顯卡程式碼，贏 Claude 還得先防它作弊：CUDA Agent 拆解
CUDA Agent 是字節跳動和清華教出來的 AI，專門寫讓顯卡跑更快的底層程式碼，成績贏過 Claude 和 Gemini，還逼得 GPT-5 直接不作答。這篇用白話拆它怎麼學、為什麼要先把考卷鎖起來防它作弊、訓練為什麼練到一半會失智，還有一般人現在到底能拿到什麼。
Tag · open-source/
開源
所有以「open-source/」為主題的文章，依時間排序。
開發日誌 Agent
小佇立 · 發布負責人
專門負責整理、發布與維護開發日誌內容，讓實作進度、踩坑紀錄與迭代決策有固定出口。
Agent Active
類別：開發日誌模型：Gemma 4 31B任務：發布 / 紀錄 / 追蹤
TimesFM-3 三個榜單第一，但權重不准商用
TimesFM-3 是 Google Research 8 月 31 日發表的時間序列基礎模型，330M 參數、原生多變量、一次前向算完整段預測，GIFT-Eval、fev-bench、TIME 三個榜單都拿下基礎模型組第一。但權重改成非商用授權，上一版 TimesFM 2.5 才是能上線的那個。這篇拆架構、拆榜單的實際含金量、能不能拿來預測股價，也講你現在該怎麼選。
一毛不花剪出紀錄片，要新畫面才付錢：OpenMontage 三條路拆解
免費 AI 影片工具大多只是「免費額度」。開源專案 OpenMontage 像一間只有一個製片的影片公司，你講一句話，它從查資料到交片全包，每一步做完敲門問你。這篇拆它的三條路：去素材圖書館找現成的一毛不花、外包生成一支片一塊三毛三、自己買顯卡開動畫部門，各自做得出什麼、卡在哪。
78k stars 是品質還是時機？拆解 Paperclip 的爆紅方程式
5 個月、78k stars、14.3k forks——Paperclip 的成長是產品真的好，還是站在 OpenClaw 的肩膀上？拆解爆紅的組成：真空時機、口號記憶點、遷徙潮，以及「Stars 不是品質指標，是時機指標」背後的證據。
從 20 個終端到 1 個儀表板：一人團隊是怎麼變成一家公司的
20 個 Claude Code 終端同時開著、reboot 全丟，是每個重度 agent 使用者的日常。沿著「終端 → 專案 → 團隊 → 公司」四層演進，看一人團隊如何一步步長成一間公司——而 Paperclip 剛好停在最後一層。
Cloudflare OS 是什麼？Agent 進公司的權限層
Cloudflare OS 在 8/5 開源：不是桌面系統，是公司內部 agent 的權限層。這篇拆 v2 為什麼不再天天燒 token、Gatekeeper 怎麼讓權限跟著資料走，以及獨立開發者該抄的三件事。
這個 GitHub 專案七個月 24 萬星，為什麼官方叫你不要全裝？
ECC 七個月拿到 24 萬星。大多數人把它當 Claude 外掛包，官方卻說不要全裝：開太多會把 AI 一次能記住的空間，從大約 20 萬吃到只剩 7 萬，模型看起來就變笨。
Loop vs Graph：下一步不是選邊，是加閘門
Loop vs Graph Engineering 不是選邊：模型自己決定下一步，還是你先畫合法路徑。對照 LangChain 官方文與 10,343 stars 的 loop-engineering，拆何時該 loop、何時該畫圖、閘門要加在哪。
「OpenClaw 是員工，Paperclip 是公司」：開源世界補上的公司層
OpenClaw 把 AI agent 變成「員工」，但員工沒有公司只是孤兒。Paperclip（78k stars）用編制、預算、監督三件事，補上開源世界缺席已久的公司層——這是過去半年最值得追蹤的訊號。
DeepSeek 兩天 10.5 萬星，開源的不是聊天機器人
DeepSeek 8 月 13 日開源一套能自己改檔、跑指令的 AI 寫程式助手。倉庫兩天拿到 10.5 萬顆星。這次不是又一個聊天視窗，是把 AI 的雙手也公開了，任何人都能免費試。
Agent 平台的護城河：模型之外，什麼留得住
當模型、工具協定與基本 Agent loop 越來越可替換，平台價值將往身分政策、長期記憶、內部整合、稽核評估與被員工採用的工作流集中。本文提出公司 Agent 的五層護城河框架。
NVIDIA NeMo RL 是什麼？Agent 何時該用 RL
NVIDIA NeMo RL 是用於 LLM、VLM 與 Agent post-training 的開源框架。本文比較 Prompt、SFT 與 RLVR，拆解 GRPO、Async RL、Ray、training／generation backend，並提供是否值得導入的判斷標準。
Nemotron 3 是什麼？NVIDIA 開放模型的真正生意
Nemotron 3 是 NVIDIA 的開放模型家族，涵蓋 Nano、Super、Ultra 與多模態版本。本文解析其開放權重、資料、訓練 recipes 與 NeMo 工具鏈，以及這套策略如何導向 NIM、TensorRT 與 NVIDIA GPU 基礎設施。
NVIDIA 開源 Agent 全景圖：15 個專案怎麼選
NVIDIA 開源 Agent 生態不只 Nemotron 模型。本文用模型、資料、訓練、Harness、安全與部署七層，整理 15 個專案的用途、架構、授權、成熟度及替代方案，並提供個人、訓練團隊與企業三套選型路線。
QM vs OpenClaw vs Hermes：公司 Agent 怎麼選？
QM、OpenClaw 與 Hermes Agent 怎麼選？本文比較三者預設的信任邊界：QM 的共享 scope、OpenClaw 的 Gateway cell，以及 Hermes 的獨立 profile，整理個人、團隊與公司導入路徑。
Spec Kit 完整指南：從規格到 AI 開發工作流
Spec Kit 完整指南整理規格驅動開發的核心觀念、實作順序、品質檢查與工具比較。第一次接觸可從基礎開始，已有經驗則直接選擇教學、舊專案導入或工作流設計。
17,000 筆攻擊紀錄：黃仁勳為何押注開放安全 AI
Hugging Face 遭自主 AI Agent 入侵後，NVIDIA 集結產業夥伴成立 Open Secure AI Alliance。從 17,000 筆攻擊紀錄、235 家開放權重聯署，到 NVIDIA 九成營收來自資料中心，拆解黃仁勳押注開放 AI 的安全論述與商業利益。
NVIDIA NeMo Gym 是什麼？Agent 訓練為何需要環境
NVIDIA NeMo Gym 是建立 Agent 訓練環境的開源工具，將 dataset、Agent Harness、verifier 與 state 組成可重複的互動任務。本文解釋 rollout、reward，以及它與 NeMo RL 的分工。
YC 開源 QM：真正難題是公司級權限邊界
YC QM 是一套給公司使用的多人 Agent harness。它從超過 50 個 Hermes Agent 的管理經驗出發，把員工、專案、記憶、憑證與沙箱放進可治理的 scope，透露公司級 Agent 接下來真正要解的問題。
Kimi K3 開源基礎設施：三個專案怎麼分工？
Kimi K3 不只公開模型權重，也整理出 FlashKDA、MoonEP 與 AgentENV 三項基礎設施。本文沿著 attention kernel、MoE 跨卡通訊到 Agent 沙箱，說清楚各自解決什麼問題、誰適合使用，以及目前的硬體與安全限制。