开源模型与生态

DeepSeek Harness v0.1 开发者预览版发布，基于 Cordis 元框架构建，以 MIT 许可证开源。该智能体框架采用“一切皆插件”设计，模型、工具、技能、会话、沙箱、文件系统、循环、编排及 UI 均可自由组合、替换和扩展。

BearDrive 是一款开源产品，由产品发布平台 Product Hunt 于 2026 年 8 月 11 日推出，定位为团队 AI 代理的共享文件夹。它旨在为团队中的 AI 代理提供一个集中、开放的文件共享空间，解决 AI 代理之间文件协作与数据共享的需求，使多个 AI 代理能够协同访问和管理共享文件。

Meta AI 超级智能实验室发布了首个开放权重模型 Muse Glimmer，并已上线 OpenRouter。这是一款 30B 参数的密集文本+图像模型，采用 Apache 2.0 许可证，定位为可靠的本地智能体，MCP Atlas 得分 75.5，SWE-Bench Pro 得分 51.2。

HAR 是一个发布在 Product Hunt 上的开源产品，定位为多智能体（multi-agent）编码工作流的编排工具。它旨在为需要协调多个 AI 编码代理完成复杂开发任务的开发者提供支撑，解决多代理协作过程中的流程控制与资源管理问题。项目公开时间约为 2026 年 8 月 6 日。

Open Minis 是一款在 Product Hunt 上发布的端侧 AI 代理产品，可直接在手机上运行，强调开放与安全。它试图将 AI 代理能力带到移动设备，让用户无需依赖云端即可使用。目前该产品尚处于早期发布阶段，具体功能和性能细节有限。

Kiro Crew 是开源智能体开发工作空间，于2026年8月4日在 Product Hunt 上发布。它主要为开发者提供以智能体为核心的开发环境，解决传统工作流中智能体集成与协作不便的问题，属于开发工具产品。

OpenChatCut 是一款开源产品，定位为 AI agent 视频编辑器，其核心特点是提供真实时间线（real timeline）编辑界面，用户可借助 AI agent 完成剪辑操作。目前仅知它在 Product Hunt 上发布，具体开发者或团队信息尚未披露。

Premation 是一款开源的 AI 视频编辑产品，被定位为 Adobe After Effects 的替代品。它于 2026 年 7 月 30 日在 Product Hunt 上发布，目前公开信息有限，仅明确其开源属性和 AI 驱动的特点，旨在为用户提供视频特效制作的另一选择。

面壁智能联合 OpenBMB 开源了 AI 优化系统 ForgeStencil，据称是全球首个支持 Stencil 自动研究和自动部署的系统。它通过 Kernel Agent 与 App Agent 闭环协作，实现从算子优化到应用集成的全自动流程，可在一周内自动优化 100+ 工业与科学软件，全程无需人工介入。

OpenAI 发布了一款开源 CLI 和 TypeScript SDK，名为 Codex 安全工具，用于自动查找、验证和修复代码安全漏洞。它支持扫描仓库、审查变更、随时间追踪发现，并可在 CI 流水线中运行安全检查。

Inkling 是一个开放权重（open weights）的多模态模型，参数量达 975B，专为微调（fine-tuning）场景设计。该产品允许开发者直接获取预训练权重，并在此基础上针对特定任务进行后训练或定制化调整。目前未公布发布方及具体部署方式，但开放权重特性暗示用户可自行托管和修改模型。

微软面向研究社区开源了 Orchard 框架，用于跨任务类型训练和评估 AI 智能体。该框架旨在降低训练与评估的复杂性，通过让研究人员复用同一套基础设施，使较小模型也能实现强劲性能。

Kimi（月之暗面）在Product Hunt发布了Kimi K3模型，宣称这是全球首个开放型3T参数级别的模型。该产品面向AI开发者和研究者，提供大规模参数的开源模型，旨在突破以往模型参数规模的限制，但具体能力和应用场景尚未披露。

Kimi（月之暗面）与 kvcache-ai 合作开源了 AgentENV，这是一个分布式智能体环境，用于大规模运行智能体工作流，支持快速快照、恢复和分支，为 Kimi K3 的智能体强化学习训练提供支撑。

Plow 是一款 Mac 应用，允许用户在本地运行 GPT-5.6 模型，并借助 OpenClaw 与 Hermes 确保安全性。该产品旨在提供一种在 Mac 上安全执行 AI 模型的方式，但暂未公布发布者身份。

2026年7月20日，Product Hunt上发布了一款名为Skim的产品，它是适用于Windows平台的免费开源AI邮件客户端。该产品旨在提供智能邮件处理能力，同时通过开源和免费模式降低用户成本与隐私顾虑。

小红书技术团队开源 BigMac，一种针对多模态大模型训练的依赖安全嵌套流水线新范式。它利用 LLM 流水线作为主干，在不打乱执行顺序的前提下嵌入编码器和生成器计算，相比基线实现 1.08x-1.9x 加速，同时保持激活显存有界。BigMac 已作为 dots 多模态模型训练的核心组件投入生产。