🔥 1. 清华姚期智团队「代数世界模型」：让 AI 从观察现象走到证明规律 — 1000 pts
顶流模型只是第谷，AWM 想做开普勒。
清华大学姚期智、袁洋团队提出代数世界模型（Algebraic World Model，AWM）。出发点是 ARC-AGI-3：该测试集不给规则也不给目标，全靠自己摸索。GPT-6 Astra 配合 Provider Adapter 能拿 99.9%，它会把游戏机制整理成大量符号化规则——但研究者指出这只是「第谷的实验记录本」，描述了现象却没抓住本质。验证很直接：把一个叫 sc25 的游戏第四关从「至少 19 步」改成只给 18 步，Astra 试了 8 轮后断言「至少要 22 步才能赢」；12 次类似测试中，GPT-6 Astra 与 Claude Opus 5.5 合计只有 5 次判断出「不可能」，其中 4 次给出的最低步数还是错的。AWM 分三步：探索（把现象写成可执行 Python 代码作为假设）、凝炼（用新观察验证修正、提炼成通用对象与规则）、证明（形式化为 Lean 4 断言）。基于 Opus 5.5 的 AWM 面对那个无解关卡只试两次就证明了无解、且指明再多一步即可获胜。整个 ARC-AGI-3 用 Opus 5 跑，183 关全通关、得分 99.9%，平均动作数只有人类基准的 43%。
→ https://www.qbitai.com/2026/11/507031.html
🔥 2. DeepSeek Super-agent 原型 24 小时从 ★468 涨到 ★5,433 — 960 pts
昨天刚开源时还没人注意，一天之后它成了当日 GitHub 涨星最快的 AI 仓库。
昨日简报记录时，deepseek-ai/dsh-superagent-prototype（MIT，TypeScript）还只有 ★468。今天再查已是 ★5,433，一天净增约 4,965 星，仓库简介也从无变成一句「Towards a More Autonomous Agent System」。这个增速说明市场对「Agent 底座架构」的饥渴程度——它不是又一个模型，而是一套把 Router／Worker 双层、投机执行、事件直通、Watchdog 监督串起来的工程范式，且直接给了可读的原型代码。对照来看，昨天同榜单的社区项目 dsh-Go（把 DeepSeek Harness 塞进手机，★3,311）今天已被官方原型反超。需要提醒的是这类仓库的星数很容易被「官方光环 + 一天热度」同时放大，★5,433 反映的是关注度而不是成熟度：仓库建于 10 月 31 日，尚无外部贡献者验证，配套的异步 ReAct Loop 在官方说明里也仍是「已实现但未默认开启」。
→ https://github.com/deepseek-ai/dsh-superagent-prototype
🔥 3. Jev 母公司开源找人工具 Treg：比 Clay 便宜 85%，★6,400 — 920 pts
六分钱换一条线索，找到才收钱。
TypeSafe AI（决策模型 Jev 的母公司）联手 Agent 工具平台 Treg 开源了一款找人工具，揽下约 ★6,400。用法是把 Treg 接进 Agent，然后用人话交代目标，例如「找出旧金山地区 B 轮以后 AI 初创公司的营销负责人，并补齐经过验证的工作邮箱」。分工很清晰：Agent 负责理解任务与调度，Jev 充当判断闸门筛掉「看似沾边实则跑偏」的人，Treg 把背后的数千个数据工具接口接进来干活，最终交付一份可直接用于招聘或拓客的名单。价格最低 0.0089 美元（约 6 分钱）一条线索，找不到不收钱。官方拿 292 人名单正面对比 Clay：Treg 找到 289 个邮箱、其中 264 个与企业公开地址完全一致，总花费 1.49 美元；Clay 找到 280 个、262 个一致，花费 10.34 美元——平均每个正确邮箱 0.0056 美元对 0.0395 美元。People Search Bench 的 119 项真实任务里，B2B 拓客场景 Claude Code 单干正确率 43%，接入后升到 78.2%。也有用户实测反馈搜不到自己，官方公开索取测试集。
→ https://www.qbitai.com/2026/11/506922.html
🔥 4. 红旗连锁终止机器人无人售货：16 个月、约 280 万研发费，输在货架前 — 880 pts
「如果花 200 多万就能解决，具身公司就没有存在价值了。」
2025 年 3 月，四川便利店龙头红旗连锁公告立项「机器人无人售货系统」，次日股价涨停，较公告前曾涨约 35%。2026 年 7 月初公司公告终止研发，历时 16 个月。红旗列出的不足很具体：密集货架与异形商品下机械臂抓取失误率高，玻璃瓶、纸巾、金属罐头的力度与角度要求完全不同；不同光照下视觉易偏差；既要灵活避障又要传输稳定。接近项目的人士补充：夏季玻璃瓶冷饮易结水珠，机器人拿不稳总摔碎；货架间过道窄，还要在顾客与店员环绕下作业。2025 年报研发费用约 286.68 万元，据此推断项目体量约 280 万元。一位行业人士称——「红旗把这件事想得太简单了」。红旗转而做 24 小时云值守。对照之下，全国已有超 100 个机器人零售仓，但多数只承担「移动取货」。
→ https://www.qbitai.com/2026/11/506990.html
🔥 5. OpenAI 让 Dot 智能体进短信：AI 入口从「打开 App」变成「发条消息」 — 850 pts
当 AI 成为通讯录里的一个联系人，使用软件的方式才真正开始改变。
10 月 28 日，OpenAI 宣布美区 ChatGPT Pro 用户可以通过苹果 iMessage 或安卓 RCS 消息联系自己的 Dot 智能体，目前仍属美区有限测试、不支持普通短信。值得注意的不是「AI 会发短信」，而是智能体从「需要主动打开的软件」变成「随时可以联系的助手」：用户像给朋友发消息一样安排任务、发图片或语音，还能收到进展通知；切到消息应用后，Dot 依然能调用此前授权的应用、记忆与工具。限制也给得明确：只能与验证过的本人通信、不读取其他短信、不支持群聊，重要操作仍可能需要回到 ChatGPT 确认。风险同样清楚——消息仍经第三方服务商，而当 AI 能访问邮件、文件甚至执行业务操作时，权限控制与误操作防护比聊天体验重要得多。这条路的含义是竞争从「模型能力」延伸到「服务入口」。
→ https://www.oschina.net/news/503321
🔥 6. pixelfx 两天 ★2,056：244 个像素特效，每个都是一小段代码，外加一个教你写特效的 Skill — 820 pts
它同时是作品集、代码库和一份可调用的技能。
patch-gg/pixelfx（MIT，JavaScript，10 月 30 日建仓）两天冲到 ★2,056。内容很直白：244 个像素艺术特效，每一个都是一小段可读的代码，而不是打包好的库函数——你想知道某种老游戏机的扫描线、抖动、色偏是怎么来的，直接读那几十行。更有意思的是它附带了一个 Claude Code Skill，用来帮你写自己的特效：也就是说这个项目不只是给你 244 个成品，还把「怎么造第 245 个」的方法一起交了。这种「作品 + 代码 + 技能」三件套正在成为新的开源形态——过去一个效果库的价值在调用，现在价值还在于它能不能被 Agent 读懂并延续。同一天上榜的 elvarofficial/teardown（MIT，★723，10 月 30 日建仓）走的是同一条路：一个 Claude Code Skill，把任何机器变成可以拆开来看的 3D 模拟器。
→ https://github.com/patch-gg/pixelfx
🔥 7. teardown 与 craft-anything：把「拆解一个东西」本身做成可调用的技能 — 790 pts
一个教你拆硬件，一个教你拆软件，都不给答案只给方法。
两个同日上榜的小仓库值得放在一起看。elvarofficial/teardown（MIT，JavaScript，★723）是一个 Claude Code Skill，把任意机器变成可以动手拆解的 3D 模拟器——它不提供拆解教程，而是生成一个能让你自己试的环境。storytold/craft-anything（Apache-2.0，Rust，★428）的目标是「理解任何软件是怎么运作的，然后造一个你自己的」，同样把重点放在「理解过程」而非「复制结果」。再加上 Pluviobyte/douyin-comments（★363）——一个抓取抖音单条视频完整评论区（含楼中楼）的 Agent Skill，做法是在已登录的 Chrome 里照抄页面真实请求、把签名交给页面 SDK 处理。四个仓库的共同点是：交付物不是软件，而是「让 Agent 会做某件事」的能力包。昨天 Game-Studios 用 72 个技能复刻一个游戏工作室，今天这批小仓库各自封装一个具体动作，说明技能层的分工正在往更细的粒度下沉。
→ https://github.com/elvarofficial/teardown
→ https://github.com/storytold/craft-anything
🔥 8. sapper-v2 单日 ★406：AI 指挥官带工人集群做渗透测试，腾讯赛第三名 — 760 pts
安全领域的多智能体，第一次把「指挥 + 分工 + 事实图谱」三件事串起来。
N1nEmAn/sapper-v2（MIT，Python，10 月 30 日建仓）今日 ★406，自称「自主渗透军团」——一个 AI 指挥官加一群 worker 组成的集群，中间用分层的「事实—意图图」串联。这个结构值得单独说：渗透测试天然是多阶段、强依赖、需要回溯的任务，单 Agent 容易中途丢掉「已确认什么、下一步验证什么」，而分层事实意图图正是用来保存这类状态，让指挥官派子任务给 worker 并在结果回来时更新全局判断。项目简介注明它是腾讯某智能安全赛事的第三名作品，属比赛孵化出的工程化尝试。风险边界很清楚：能力越强越需要严格的授权范围与审计日志。同期上榜的还有 boardshogunfluctuate/Capri-AI（MIT，★519，桌面 Agent，直接操作文件、项目与代码）与 ramenvr/autopilot（Apache-2.0，★580，目标是「Play any game」）。
→ https://github.com/N1nEmAn/sapper-v2
🔥 9. HF 热度榜换榜首：Nanbeige4.3-33B 反超 DeepSeek，国产 33B 登顶 — 730 pts
一周前它还只是第二名，靠的是量化生态把下载量拉起来。
Hugging Face 镜像站热度榜今日换了头名：Nanbeige/Nanbeige4.3-33B（10 月 24 日建仓）热度值 757、点赞 953、下载 15,795，反超连续多日第一的 deepseek-ai/DeepSeek-V4.1-Flash-1017（热度 715、★4,164、下载 170,353）。第三是 LiquidAI/LFM3-1.7B（热度 612、★657、下载 37,568），第四为 nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B（528），第五是 10 月 30 日刚开放权重的 mistralai/Mistral-Large-4-1T-A52B（热度 459、点赞从 1,361 涨到 1,419、下载 4,576）。Nanbeige 登顶的逻辑和昨天那条观察一致：它的 GGUF 量化版下载量早已远超原始权重（AtomicChat/...-GGUF 4.8 万、无审查版 2.7 万），33B 这个尺寸恰好落在「单卡或双卡能跑」的甜蜜区，需求由本地部署驱动而不是评测分数驱动。相比之下 Mistral Large 4 的下载只有 4,576——1 万亿参数再强，也没有多少人真能把它跑起来。这也解释了为什么榜单前列常年被 30B 以下模型占据：热度由「能不能在自己机器上跑」决定，而不是由谁的榜单分数更高决定。
→ https://hf-mirror.com/Nanbeige/Nanbeige4.3-33B
📌 今日趋势总览
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢