AIGCLINK

Google Creative Lab的一个小团队做了一台完全离线的语音翻译机：树莓派 5 （8GB）上跑 Gemma 4（LiteRT-LM）+ Moonshine 语音识别与合成，装好断网也能用。 • 推理：gemma4-e2b + LiteRT-LM，纯端侧 • 语音：Moonshine 负责 STT 和 TTS • UI：480x320 小屏复古终端风，两条 lane 面对面，各自一个语言"轮盘"，按住 Z/X 说话，松手转写→翻译→用对方语言念出来 • 部署： deploy-pi.sh 一条命令装成 systemd 服务 + Chromium kiosk 自启 • 仓库里连翻译机…

下午去协和观测训练的垂直医疗模型效果，这是一个面向检验的医疗垂直小模型，整体跑的还挺好，将临床检验的假阳性降低到了1%以内，行业普遍在5%，折腾了半年总算看到一些阶段性成果了。 碰到一个小场景: 收集Lis系统数据的时候，必须要从excel拿到患者病历号，然后去lis查询病例信息，这个过程目前是人工处理，因为我们伦理拿到的是只能手工copy信息不能用接口，现在想找一个compute use的小模型本地化（医院不让数据出院），大家有没有好的本地化的computer use模型或者相应好的agent框架推荐？

Cloudflare 今天开源了 Cloudflare OS，正式改变了saas的范式，宣告saas死刑：实现了每个人都可运行团队其他成员的应用代码副本，每个人就可以自由修改复制的saas副本。 这正式改变了saas范式：想给软件加个功能？不用给开发者提需求排期了，直接让 agent 改。这在 SaaS 模式下是不可能的——因为你从来没有运行过属于自己的应用副本。SaaS 时代的逻辑是"千人一面"，AI 时代可能真的会走向"千人千软件"。 它解决的是一个所有企业落地 AI 都绕不开的死结：怎么让非技术员工放心地用 AI 写应用，而安全团队还能睡得着觉？ 其背后是 Kenton Varda…

阿里高德团队刚刚也开源了一个关于长程Agent任务的工具：LongHorizon-Harness，解决的是Agent自己判断自己的进展，错误会滚雪球的问题 它通过把任务状态管理从执行过程中分离出来，解决传统单一会话模式中的错误累积和上下文腐烂问题 一句未经核实的声明和事实长得一模一样，Agent没法区分，一旦一个错误前提进入了记录，后面每一步都建立在这个错误上，那么目标漂移、重复尝试、提前放弃，都是同一个根因 LongHorizon-Harness核心方案是MEA循环，它把一次长程任务拆成三个角色，Manage、Execute、Audit（管理、执行、审计） 循环，各干各的互不干扰 三…

前manus大佬开源的agent team产品codexloom：把 Codex 的 thread 变成长期在岗的数字员工，再组织成一支团队。解决了一个人无法同时高效管理几十个agent的场景，一旦agent多了人就是最大的瓶颈，主要面向手里养着数十以上专职 agent、想让agent各守一个细分场景、还能被同事或用户通过飞书直接调用的高级个人/一人公司。 现在大家用 code agent 都是任务式的：开 thread，交代背景，拿结果，关掉。旧 thread 里积累的约束、决策、工具用法全部作废，每个任务都在重复付冷启动成本。 CodexLoom 反着做：旧的thread 不该随任务废…