2026-11-17 12:10
导语:594B模型与手机Agent,开源加速接管工作流。这一周的 AI 圈,太炸裂了。
这一周的 AI 圈,太炸裂了。
黄仁勋突然辞任 CEO,给算力市场投下一枚震撼弹;当然,模型巨头们也丝毫没有减速——Google 端出 Gemini 4 Hydrogen 打响新一轮低价闪电战,Anthropic 紧随其后更新 Claude 5.2 系列。
真实的开发者社区, AI 行业反而非常务实,曾经只存在于闭源 API 里的原生 4K 生图、超大规模 MoE 编程模型,如今发布没几天就开放权重;Agent 开始彻底走出聊天框,通过 MCP 和日益成熟的 Skill 生态,让模型真正接管手机屏幕、融入团队协作流,甚至把顶尖机构的思维方法打包成可复用的技能包。
本期挖挖 GitHub 周刊,我们从近一周热度飙升的项目中精选了 14 个最具代表性的开源样本——从刚开放权重的 594B 编程大模型、4K 图像模型,到能帮你点手机的 MCP 工具、Jane Street 开源的刷题 Skill,再到纯物理建模的浏览器人声合成器。
01. 开源模型
MiniMax 于 11 月 11 日发布 H3-Image,将文字生图、参考图生成和图像编辑统一在一个模型中。模型采用 6 步采样,可直接生成 4096 × 4096 像素的图像,支持多种宽高比,最多接收 16 张参考图。
多图输入可以用于组合人物、产品和场景素材,编辑能力则支持根据文字要求修改已有画面。适用于海报设计、商品图、角色与场景创作。

模型权重可以下载,本地部署需要较大显存和配套组件。

Zyphra 发布的 ZONOS3-Mini 是一款多语言语音生成模型,采用稀疏 MoE 主干,总参数约 8 亿,每 Token 激活约 1 亿参数,支持包括普通话在内的 43 种语言。
模型可根据参考录音生成相近音色的配音,并控制语速、情绪和声音表现,适用于视频旁白、角色配音和语音交互开发。
https://huggingface.co/Zyphra/ZONOS3-Mini
Thinking Machines Lab 于 11 月 5 日发布 Inkling 2 Small,并在 11 月 12 日开放权重。模型采用稀疏 MoE 架构,总参数 594B,每 Token 激活 17B,支持文字、图片输入和文字输出,面向编程、工具调用、信息检索及多模态应用开发。

模型提供 NVFP4 和 MXFP8 两种权重,支持 SGLang、vLLM 等推理框架,采用 Apache 2.0 许可。其中 NVFP4 的官方部署要求为至少 500 GB 总显存,主要面向有多卡服务器的研究与开发团队。
02. AI应用https://huggingface.co/thinkingmachines/Inkling-2-Small
Pinky:连接手机与 AI Agent

Pinky 是一款开源手机操作应用,通过 MCP 向 Agent 提供读屏、点击、输入等能力,让 Claude Code、Codex、Cursor 等工具操作真实的 iPhone 或 Android 手机。

项目把投屏、操作记录和人工审批放在同一个界面中,支持查看执行过程、回放录屏和随时接管。付款等步骤默认等待确认,发送消息、删除等操作也可设置为先询问,适合尝试手机任务自动化和移动应用测试。
Pinky 提供 macOS、Windows、Linux 客户端,手机端需按系统版本完成连接与授权,目前仍处于 pre-alpha 阶段。
项目地址:https://github.com/DIYgod/pinky
agentes.chat 是一个可自行部署的团队协作
平台,将频道、私聊、文件、任务和 AI Agent 集成在一起。每个 Agent 可以配置角色、模型、预算和负责人,并通过 MCP 连接外部工具。

团队可以在聊天中分配任务、查看进展,设置定时工作,并通过审批卡确认敏感操作。项目适合团队共享 AI 工作流程。
03. 创作工具项目地址:https://github.com/agentes-chat/agentes-chat
CHIMERA 通过模拟气流、声带、声道和嘴唇等结构生成人声,Rust 音频引擎通过 WebAssembly 在浏览器中运行。不用声音素材,不用 AI 语音模型,直接模拟肺部、声带、舌头、嘴唇、鼻腔,让电脑自己发出声音!
用户可以拖动舌头、嘴唇和下颌观察声音变化,也能输入文字、歌词,让合成器朗读、演唱或打节奏。发声过程还能实时看到气流、声带振动、频谱和共振峰的变化。
项目地址:https://github.com/jamesondh/chimera-vocal-synth
GIF 工厂将制作说明、风格参考和脚本整理为 Agent Skills,覆盖表情包、动态海报、签名动画和动态绘本等内容。
可以提供角色图、字稿、台词和动作要求,由 Agent 按对应流程制作,输出 GIF 或视频。

项目适合把已有角色、宠物照片和品牌素材做成动态内容,需要在支持生图和本地脚本的 Agent 环境中使用。
项目地址:https://github.com/WoYun520/gif-factory
Claude Animated Shorts 是一套面向 Claude Code 的动画制作 Skill,将 2D 角色放进 3D 场景,通过 three.js 和 Remotion 组织镜头、动作、配乐与音效。
可以先提供故事主题,让 AI 帮你拆分剧情、设计镜头,再通过代码制作角色动作和场景动画。
比较适合制作:科学科普、卡通故事、动画短片。
04. 效率工具项目地址:https://github.com/mromidev/claude-animated-shorts
Yogurt 是 Frigade 开源的 AI 会议笔记应用,可以采集麦克风和系统声音,通过 Whisper 等语音模型转写,再结合手动笔记和本地语言模型生成摘要。录音、转写和摘要默认在本地处理,会议中无需加入录音机器人。

项目支持跨会议搜索、围绕记录提问,并在回答中提供出处;笔记和转写内容可导出为 Markdown。官方提供 Apple Silicon Mac、Windows 和 Linux 安装包,要求至少 8 GB 内存,首次使用需下载本地模型。
项目地址:https://github.com/FrigadeHQ/yogurt
顶尖华尔街量化巨头 Jane Street 开源的学习 Skill。它先诊断基础、拆分知识点,再通过一次一道题的方式推进学习,记录各知识点的掌握程度,并穿插间隔复习和最终测验。

开始前先问 3 到 5 个问题摸底。一次只问一个问题,答错了不直接给答案,而是换个更窄的问题让我们自己发现矛盾,错两三次才正面讲解。
Claude Code 这类支持 Skill 的工具复制进去就能用,普通聊天机器人把内容粘贴进对话里也行。
项目地址:https://github.com/janestreet/agent_skills
HolyArrs 是一个开源自托管影视库管理平台,将片单请求、版本筛选、字幕、下载任务和入库整理集中在同一个网页中。

用户可以按画质、文件大小和语言设置规则,对接已有下载器及 Jellyfin、Plex 等媒体服务器,适合在 NAS 或服务器上管理家庭影视库。
项目地址:https://github.com/HolyArrs/HolyArrs
05. 开发工具Kiri 是用 Rust 编写的轻量容器运行环境,兼容 Docker Engine API,可沿用 Docker 命令和 Compose 配置,并提供容器、镜像、数据卷和网络的图形管理界面。

项目支持 macOS、Windows 和 Linux,Windows 通过 WSL 2 运行,适合使用 Docker 命令和 Compose 管理本地开发环境的个人开发者与小团队。
项目地址:https://github.com/libracoder/kiri
gputaskman 是面向本地 GPU 负载的终端监控工具,可以查看进程级 GPU 内存占用和活动,并进一步标注运行框架、模型文件,估算权重和缓存的占用,帮助排查本地模型的显存使用。

项目地址:https://github.com/shanselman/gputaskman
DeepSeek 开源的 chat-demo 基于 API 提供聊天界面,把搜索、读文件、读链接、图片识别、语音转文字和文字转语音这些功能,通过API开放给开发者。

拿到代码,接入DeepSeek的API,就能修改页面、增加功能,做出自己的AI应用。
API Key、设置和聊天记录保存在浏览器本地;发送消息、附件和使用语音功能时,相应内容会提交给配置的 API 服务。适合自建聊天界面或继续开发聊天应用。
项目地址:https://github.com/deepseek-ai/chat-demo
原文链接:《挖挖GitHub周刊》第 3 期:Gemini 4 又上新!MiniMax 开放 4K 生图模型
来源:AI工具集
免责声明:含第三方意见,不构成财务建议
Step Code – 阶跃星辰开源的终端编程智能体
09-24
Hy4 preview 轻量版 – 腾讯混元开源的Hy4量化压缩模型
09-02
Claude Fable 5.1 – Anthropic 推出的最新旗舰大模型
09-02
开源版Retool来了,60+组件拖拽搭后台
08-19
Claude Opus 5来了:半价逼近Fable 5
07-25
腾讯开源260个真实任务,考AI打工能力
07-25
美团开源AI考场:813个Minecraft任务
07-25






