🔥 1. JetBrains 开源 agentic IDE ThinkRail，今日首登 trending — 850 pts
它不自己造模型，而是包了一层 pi 编码 Agent，再给它「活文档」和可复用技能。
JetBrains 孵化的 ThinkRail（★1,124）今日新进 trending。README 的自述是「用得越多越懂你的 agentic IDE」：把开源编码 Agent pi 包进一个完整 IDE 界面，把任务隔离到独立工作区，并给 Agent 提供「活文档」（living specs）与可复用技能作为长期项目知识。路线图是补齐扩展支持，让 ThinkRail 能根据你的工作方式自己造工具。仓库 7 月 8 日创建、今日仍在推送，官方标注为 JetBrains incubator 项目。它的位置值得注意：既不追模型，也不做 CLI，而是占「IDE 这一层怎么托管 Agent」的坑——这正是 Copilot 与 Cursor 之间还没被定型的空地。
→ https://github.com/JetBrains/thinkrail
🔥 2. 一个内核模块把 RTX 4090 的张量吞吐翻倍 — 830 pts
165.6 TF/s 到 331.6 TF/s——只在 FP16／BF16 累加路径上生效。
JustAResearcher/gpu-unlock-ada（★1,792，10 月 23 日建）发布 1.1.1 版，通过 Linux 内核模块在官方 NVIDIA 驱动启动前改写 SM speed-select，解锁 RTX 4090（10de:2684，AD102）的出厂限制，并实验性支持 4070 Ti SUPER 与 4060 Ti 16GB。README 给出实测：FP16→FP32 累加从 165.6 TF/s 升到 331.6 TF/s，BF16 从 165.5 升到 330.6，约 2 倍；INT8、dp4a 与标量 FP32 基本不变。作者称该覆盖在 PCIe FLR、官方驱动 615.78.08 初始化与 CUDA 基准下均存活，并附独立第三方复现记录。对本地跑大模型的人这是实打实的诱惑，但绕开厂商限制意味着散热、稳定性与保修风险自负，不建议在企业环境跟进。
→ https://github.com/JustAResearcher/gpu-unlock-ada
🔥 3. 本周补记｜Apache 2.0 的 40B-A2.5B 编码 Agent 模型 Flint（10 月 21 日） — 950 pts
四天前悄悄上线，靠下载与点赞爬到 HF 趋势第二——中文圈几乎没人提。
Recursive 在 Hugging Face 发布并开源 Flint，一个面向编码 Agent 的 MoE 语言模型：39.8B 总参数、约 2.5B 激活（官方写作 40B-A2.5B），49 层（2 稠密＋47 MoE），256 个路由专家每 token 选 6 个，35 层滑动窗口（513 token）＋14 层全注意力，上下文 262,144，词表 150,144，Apache 2.0，知识截止到 2026 年 6 月。官方评测：Terminal-Bench 2.1 54.9%、SWE-bench Pro v2 89.7%、SWE-bench Verified 74.2%，均按温度 1.0、top-p 0.95、top-k 20 的设定。单张 B300 或 H200 即可跑一份副本，附 SGLang 部署套件，权重约 80GB；NVIDIA 与 Apple Silicon 的量化版另行准备，但官方注明暂未提供 Transformers 建模代码。截至今日 likes 807、下载 6,444。
→ https://hf-mirror.com/RecursiveSI/flint
→ https://www.recursive.com/updates/introducing-recursive-flint
🔥 4. Claude 的技能经济：一个 SEO 技能仓库涨到 2 万星 — 820 pts
模型同质化之后，卖「规程」比卖「能力」更值钱。
今日 trending 上，AgriciDaniel/claude-seo（★20,200，MIT）自称「Claude Code 里的免费开源 SEO 审计」：26 个子技能＋19 个专家 Agent，覆盖技术 SEO、Core Web Vitals、E-E-A-T、Schema.org、面向 AI 搜索的 GEO、本地与电商 SEO。它 2 月 7 日就建了仓，今天是重新上榜。再加上连续两天在榜的 hallmark（★31,486，反 AI 味设计技能）与 impeccable（★85,838，给 AI harness 的设计语言），一条线已经很清晰：当基座能力拉不开差距，把某个专业领域的「怎么做」写成技能包，正在成为独立的开源品类——并且它能靠一个垂直领域攒到两万星。
→ https://github.com/AgriciDaniel/claude-seo
→ https://github.com/Nutlope/hallmark
🔥 5. 本周补记｜NVIDIA Kumo Relational：首个在关系数据上打败监督学习的少样本模型（10 月 21 日） — 860 pts
不训练、不做特征工程、不把表拍平，直接在企业数据库上预测。
NVIDIA 发布 Kumo Relational，一个可直接在企业关系数据库上做预测的预训练基础模型。给一个预测查询，它把历史样本作为上下文，一次前向就给出流失、需求、欺诈等结果——不需要任务级训练、不需要特征工程、不把多表拍平。官方称这是首个在常见关系基准上超过监督机器学习的少样本基础模型：在 15 个数据库的 41 个任务上，胜过监督式关系深度学习和专家手工调优的梯度提升树流水线；在 SAP SALT 企业基准上，平均倒数排名比 AutoGluon 集成高 8%。可扩展到 5000 亿行以上的库，代码与权重开放，论文 arXiv 2604.12596。
→ https://hf-mirror.com/blog/nvidia/kumo-relational
🔥 6. TradingAgents 重回热榜：★11.4 万，2024 年底建的老项目 — 780 pts
多智能体做金融交易这条路热度一直没凉，只是很少被当成新闻。
TauricResearch/TradingAgents（★113,897）今日重回 GitHub trending。它自称「多智能体 LLM 金融交易框架」，仓库创建于 2024 年 12 月 28 日，最后一次推送是 10 月 16 日——所以这是老项目重新上榜，不是新发布。值得注意的是它与昨天上榜的 NVIDIA OpenShell、AWS agent-toolkit、Cloudflare security-audit-skill、以及今天的 claude-seo 构成同一条线：Agent 真正活跃的地方，是「有明确规则、可自动化校验」的垂直场景（安全审计、运维、交易、SEO），而不是通用助理。这一点比任何单项发布都更能说明 Agent 现在的落点。
→ https://github.com/TauricResearch/TradingAgents
🔥 7. 本周补记｜DatI：把数据库发布成 Schema 级授权的 MCP 服务（10 月 23 日） — 800 pts
不用逐表配置，指定一个 Schema 就够——Agent 还能在里面自己建中间表。
DatI 是一个连接 AI Agent 与企业数据库的轻量语义网关，新版把访问控制重构到 Schema 级（schema_scope）：只需指定允许访问的 Schema，系统自动整合该 Schema 下所有物理表并建立语义索引，省去逐表录入；同时修好建表权限，Agent 可在授权 Schema 内自主创建中间表或结果表，支持端到端多步分析，新表自动完成元数据注册与索引。此外完善了主题、术语、语义索引与权限策略的同步，删除实体时自动清理关联 ACL。它通过 Streamable HTTP 暴露 MCP 服务，可接 OpenCode、WorkBuddy 等任意 MCP Host，支持 MySQL、PostgreSQL、ClickHouse、Doris。
→ https://www.oschina.net/news/503165
🔥 8. 开源模型的「48 小时衍生链」：Flint 两天出 GGUF，DeepSeek V4.1 一周出 FP8／GSQ — 820 pts
判断一个开源模型是否真被用起来，看衍生版本比看跑分更准。
今日 HF 趋势榜第一名仍是 deepseek-ai/DeepSeek-V4.1-Flash-1017（likes 2,788、趋势分 1,446），发布一周后热度未退；它周围已经长出一圈衍生版本：dealignai 的 UNCENSORED-FP8（likes 341）、ISTA-DASLab 的 GSQ-RCO-GGUF（10 月 23 日建、likes 209）。新发布的 Flint 也一样——上线四天，unsloth/flint-GGUF 已经出现（likes 228）。这个链条（原版权重→去审查版→多精度量化→GGUF 本地版）的出现速度如今以「天」为单位，而每一环背后都是不同的人在替原团队做「最后一公里」：有人要 FP8 省显存，有人要 GGUF 上 Mac，有人要无审查版本。对部署方来说，这条衍生链的厚度比任何榜单都更能说明模型有没有被真正接纳。
→ https://hf-mirror.com/models?sort=trendingScore
→ https://hf-mirror.com/unsloth/flint-GGUF
🔥 9. 本周补记｜怎么查出 Trainium 上慢在哪：TorchNeuron 性能剖析教程（10 月 21 日） — 750 pts
很多人对「怎么让模型变快」有直觉，但说不清它为什么慢。
AWS 团队在 Hugging Face 博客发布 TorchNeuron 性能剖析系列第一篇，从零讲怎么系统分析 Trainium 上的推理性能，不要求任何剖析经验。内容是三段式实操：先配置 torch.profiler 并抓到干净的 trace；再读 key_averages() 表，找出哪些算子在 Neuron 设备上耗时最多，并对比它们的 Self CPU 时间；最后跟着一个算子从框架派发、运行时调度一路走到 NeuronCore 上的硬件执行。全文用 RMSNorm 的三种实现做对照——朴素 PyTorch 算子、torch.rms_norm、torch.compile 版本——展示同一操作在不同 lowering 路径下的信号差异。属教程而非发布。
→ https://hf-mirror.com/blog/amazon/profiling-torchneuron-part-1
🔥 10. 今日 GitHub 新仓库榜：涨得最快的是工具，不是模型 — 700 pts
一个取压缩包的工具四天拿到 1845 星，比多数 AI 项目跑得快。
看 10 月 19–21 日创建的仓库，今日 star 数最高的几个几乎都和 AI 无关：pengchujin/aerial-tv（★4,717，给国产电视做无广告桌面，含 LG webOS 版本）、JoasASantos/REA-Prompts（★2,274，为逆向工程 Agent REA 写的提示词集）、EthanArbuckle/fairplay-decrypt（★2,039，离线 FairPlay IPA 解密）、xevrion/hatchzip（★1,845，跨平台压缩包工具）、wesbos/3d-model-anything（★1,812，用 iPhone LiDAR 重建可编辑 Three.js 房间）。对照之下，同期新建的模型与 Agent 项目多在几百星量级。这不是说 AI 凉了，而是说明：当模型和技能都成了可下载的现成品，注意力会回流到「能立刻解决一个具体麻烦」的工具上——电视去广告、解压、装个干净桌面，这些需求的共同点是当天就能见效。
→ https://github.com/pengchujin/aerial-tv
→ https://github.com/xevrion/hatchzip
📌 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