周一上线 | Claude 救活 TouchBar，硅基圣经面世，Agent 开始点亮开发者桌面

这期的「周一上线」，有点像模型厂商和开发者社区一起加速。

一边，MiniMax M3、Cosmos 3、Gemma 4、MAI 等新模型密集发布，Agent、Coding、多模态、本地推理和物理世界模型也轮番上场。Codex 再迎新升级，近期还将整合进 ChatGPT。

另一边，社区里的开发者依旧活跃：有人用 Claude 让 TouchBar 再就业，有人用 Codex 生成带物理效果的藤蔓小游戏，还有人把 AI Coding 助手的运行状态同步到桌面氛围灯上。

下面，开始一周回顾：

有点新鲜

「有点新鲜」收录本周 AI / 开发者圈里那些不算大新闻，但挺值得看一眼的新鲜事。

用代码创作像素风格图片

newt.sh 是一款像素画工具，其中每个像素都是代码，而不是栅格数据。

Claude 让 TouchBar 再就业

@Smirnova 发推称 Apple 的 TouchBar 不应这么早被淘汰。他将其与 Claude 进行结合，让其成为 Claude 的简易操控台。

Codex 创建具有物理特性的小游戏

Dani Bayanov 用 Codex 创建了具有物理特性的疯狂程序生成的藤蔓植物，引发网友一致好评。有人建议将其作为面向模型的基准测试。

wiggle-scanner：线上 3D 扫描仪

@moohdev 分享了一个偏创意编码/网页动效/视觉实验的小项目 Wiggle Scanner。它能够将扭曲的 3D 模型投影到渲染目标平面上，以模拟扫描仪的效果，看上去就像是一个网页版的 3D 扫描仪

地址：github.com/mohAmineBrs/lab-wiggle-scanner

硅基圣经…请续费

@acnekot 模仿《创世纪》（Genesis）的叙事结构，把程序员与 Codex 的协作过程写成了一个“硅基创世神话”。然后，AI 时代最残酷的事就来了：你以为自己是创世神，结果发现自己只是套餐用户。

周五发版

「周五发版」是一个程序梗：一旦版本上线，我们就要开始祈祷一切如期运行。这个模块寓意，所有模型、产品版本更新，都能大吉大利。

MiniMax M3 发布

MiniMax 发布 M3，定位是面向复杂工程任务的 Agent 与 Coding 模型。

它集成 Coding / Agent 能力、1M 超长上下文和原生多模态能力，可处理文本、代码、图片和视频输入，官方称其为首个同时具备三项前沿能力的开源权重模型。

在 SWE-Bench Pro、Terminal Bench 2.1、KernelBench Hard 和 MCP Atlas 等评测中表现突出，并展示了长达 12 小时的论文复现和 24 小时的 CUDA 优化等复杂任务能力。

MiniMax M3 来了

NVIDIA 发布物理 AI 世界模型 Cosmos 3

NVIDIA 发布 Cosmos 3，定位是面向机器人、自动驾驶和视觉 AI 场景的开放世界基础模型。

它将视觉推理、世界生成和动作预测整合到同一系统中，可理解场景中的运动、物体交互和物理上下文，并生成更符合物理规律的视频、图像和机器人动作数据。

Cosmos 3 采用 Mixture-of-Transformers 双塔架构，一部分负责理解图像、视频和文本中的物理信息，另一部分负责生成未来画面和动作序列，因此不只是视频生成模型，更是面向 Physical AI 的世界模型。

NVIDIA 同步开放 Nano 和 Super 两个版本：Nano 为 16B，偏高效推理；Super 为 64B，偏高质量生成和复杂场景。模型可在 Hugging Face 下载，也可通过 NVIDIA Build 在线试用。

地址：github.com/nvidia/cosmos

NVIDIA 发了物理 AI 世界模型 Cosmos 3

Sapient Intelligence 推出 HRM-Text

Sapient Intelligence 发布 HRM-Text，定位是低成本、高效率的 10 亿参数推理语言模型。

它仅使用 400 亿个结构化 token 训练，就获得了具有竞争力的通用性能。

官方称，HRM-Text 训练约需一天，预算约 1000 美元，显著降低了小模型训练和研究验证门槛。

相比继续堆大模型，HRM-Text 更强调低成本、可适配和高效推理。

Composer 2.5 已上线 Grok Build

xAI 宣布 Composer 2.5 已上线 Grok Build，并向 SuperGrok 和 X Premium+ 用户开放 Beta。Composer 2.5 擅长复杂指令跟随和 agentic coding 场景，可在 Grok Build 的 /models 菜单中使用。

Grok Build 近期更新到 0.2.7，新增 /usage、/login、subagents 共享终端，并提升图像理解能力；同时支持 Plan Mode、Imagine 图像 / 视频生成，以及通过 CLI 构建自动化和 orchestrator。

微软 MAI 一口气上新 7 款新模型

Microsoft AI 发布 MAI 模型家族，一次推出 7 款覆盖推理、编程、图像、语音和转录的新模型。

其中，MAI-Thinking-1 是旗舰推理模型，MAI-Code-1-Flash 面向 Agentic Coding 并深度集成 GitHub Copilot 和 VS Code；MAI-Image-2.5、MAI-Voice-2 和 MAI-Transcribe-1.5 则分别覆盖图像生成、语音生成和转录场景。

微软同时推出 Frontier Tuning，可基于企业真实工作流进行强化学习微调，让企业利用自身数据训练专属模型，实现更高性能与更低成本。

Google 发布 Gemma 4 12B

Gemma 4 12B 定位是轻量级开源多模态模型。它支持文本、图像和音频输入，采用统一的无编码器架构，并进一步降低了本地运行门槛。官方表示，仅需 16GB VRAM 或统一内存即可完成推理。

对本地部署用户来说，Gemma 4 12B 已同步支持 Ollama 和 MLX，可在 Mac 等设备上体验多模态能力，适合关注本地推理和开源模型的开发者。

16GB 可跑，Gemma 4 12B 发布

Codex 再升级，近期即将合体 ChatGPT

OpenAI 宣布即将把 Codex 整合进 ChatGPT，并发布 Agent Plugins、Annotations 和 Sites 三项新能力。Agent Plugins插件可将工具、技能和工作流打包给 Agent，Annotations 支持对局部内容进行精准修改，Sites 则能将结果直接生成可分享的网站或应用。

Codex 升级 3 大能力后，即将合体 ChatGPT

开源雷达

周榜速递

周榜主要根据新增 star 数进行排名，下面的单项目讲解则偏向新晋项目、实用老项目，标星并非单项目讲解的唯一指标：

Vibe Light ：Vibe Coding 状态灯

Vibe Light 通过 hook 事件驱动 Yeelight 灯带，把 AI 编程助手的工作状态同步成桌面氛围灯效果。支持多任务状态聚合，多个任务同时运行时也能保持灯光状态稳定。

其效果状态分为：正在思考/运行、等待授权、已完成/空闲、手动重置；对应的灯光颜色为：蓝紫色呼吸流光、洋红色常亮、白色常亮、清空状态后恢复空闲

地址：github.com/cteamx/vibe-light

Ideogram 4：更懂文字和排版的开源图像模型

Ideogram 4 是 Ideogram 开源的文生图模型，主打设计、排版和文字渲染场景，支持 2K 图像生成、本地部署和微调。

它的特点是支持结构化 JSON Prompt，可以更精确地控制版式、颜色、文本位置和画面元素，适合生成海报、广告图、包装设计等素材。

对开发者来说，它更像是一个可编程的设计模型，适合用于自动化营销素材、AI 设计工具和创意生成工作流。

地址：github.com/ideogram-oss/ideogram4

Headroom：给 Agent 省上下文

Headroom 是一个 AI Agent 上下文压缩工具，用来压缩工具调用结果、日志、文件内容和 RAG 检索内容，减少 token 消耗。

它支持作为代理层、SDK 或 MCP Server 接入 Claude Code、Codex、Cursor、LangChain 等工作流。官方称部分场景下可减少 60%～95% 的上下文开销。

这类工具适合长任务 Agent 和 AI Coding 场景，本质是在帮 Agent 更高效地使用上下文窗口。

地址：github.com/chopratejas/headroom

Scrapling：一个从请求到爬站全包的爬虫框架

Scrapling 是一个 Python Web Scraping 框架，覆盖单次请求、动态页面抓取到大规模网站爬取等场景。

它内置自适应解析、反爬处理、代理轮换、并发爬取和 MCP 支持。当网站页面结构发生变化时，还能自动重新定位目标元素，减少选择器失效带来的维护成本。

相比需要组合 BeautifulSoup、Playwright、Scrapy 等多个工具的传统方案，Scrapling 更像一个“一站式”爬虫工具箱，适合数据采集、AI Agent 信息获取和大规模网页抓取场景。

地址：github.com/D4Vinci/Scrapling

VoxCPM：开源语音模型家族

VoxCPM 是 OpenBMB 开源的语音基础模型，支持语音生成、语音克隆、多语言语音合成等能力。

项目提供多个尺寸版本，覆盖实时交互到高质量生成等场景，并支持中英文等多种语言。开发者可以基于它构建语音助手、数字人和语音 Agent 应用。

随着语音逐渐成为 AI Agent 的重要交互方式，这类开源语音模型正在成为 Agent 生态的重要基础设施。

地址：github.com/OpenBMB/VoxCPM

Hermes WebUI：给 Agent 配一个网页工作台

Hermes WebUI 是 Hermes Agent 的 Web 管理界面，用来在浏览器中管理和运行 Agent 任务。

它提供对话、任务管理、工具调用和运行状态查看等功能，让 Agent 不再局限于命令行环境，更适合日常使用和团队协作。

对于希望部署和管理 Agent 的开发者来说，Hermes WebUI 提供了一种更直观的交互方式。

地址：github.com/nesquena/hermes-webui

这周有事

NVIDIA 继续押注 AI 工厂，本地 Agent 也要进 PC

GTC Taipei 大会上，黄仁勋分享聚焦在 AI Factory、Agentic AI 和 Physical AI。NVIDIA 正在把新一代数据中心定义成“生产 token 的工厂”，核心指标也从单卡性能，转向 tokens per second、tokens per watt 和 cost per token。

这背后对应的是 Agent 工作负载的变化：Agent 会规划任务、调用工具、读写文件和执行长流程，对算力、内存、网络和软件编排提出更高要求。

另一个值得关注的方向是本地 Agent。NVIDIA 这次提到 RTX Spark，也是在把 AI 从云端数据中心继续推向本地 PC，让个人设备承担更低延迟、更贴近工作流的 AI 任务。

NVIDIA 的下一步：AI 工厂 + 新 PC

微软预告 Surface Laptop Ultra，AI PC 继续升级

微软官方预告 Surface Laptop Ultra，并放出 Surface RTX Spark Dev Box，前者指向更高性能的 Surface 笔记本，后者则更偏 AI 开发者设备。

这条消息可以和 NVIDIA 的 AI PC 叙事放在一起看：AI 正在从云端数据中心继续下沉到本地设备。接下来，AI PC 可能不只是跑 Copilot，而是承载本地模型推理、Agent 开发和多模态创作。

AI 3D 公司 VAST 融资近 2 亿美元

由 29 岁游戏爱好者 Simon Song 创立的 AI 3D 公司 VAST，继今年 3 月完成 5000 万美元 A 轮融资后，于近期迅速完成 A+及 A++两轮融资，合计近 2 亿美元，估值随之突破 10 亿美元，成为中国 AI 领域最新独角兽。

据了解，近期融资所获资金将用于 AI 3D 与世界模型方向的人才引进、算法迭代、数据积累与全球扩张。

VAST 成立于 2023 年，旗下 Tripo 系列模型是目前全球使用最广泛的通用 3D 生成大模型之一，平台已聚集超过 2000 万创作者，累计生成 3D 资产近 1 亿个，客户覆盖网易、腾讯、索尼、荣耀、拓竹等头部企业。

Meta AI 客服被绕过，AI 不能直接拥有高危权限

本周 Meta 被曝曾出现 AI 助手协助修改 Instagram 绑定邮箱的问题，攻击者有机会借此接管账号。目前相关漏洞已经修复。

Anthropic 秘密递交 IPO 草案

Anthropic 宣布已向 SEC 秘密提交 S-1 注册草案，为可能的 IPO 做准备。具体发行规模和价格还未确定，最终是否上市也取决于 SEC 审查和市场环境。

头部 AI 公司开始从融资竞赛进入资本市场检验阶段。随着模型训练、推理和算力投入持续变重，谁能把 Claude 这类模型能力转化成稳定收入，也会成为市场接下来真正关注的问题。

Cloudflare 收购 VoidZero，前端工具链向云平台靠近

Cloudflare 宣布收购 VoidZero，将 Vite、Vitest、Rolldown 和 Oxc 等前端工具纳入生态。

前端开发链路正在和云平台进一步整合：从本地构建、测试到部署，未来可能会更直接接入 Cloudflare Workers 这类边缘平台。

Cloudflare 同时承诺向独立 Vite 生态基金投入 100 万美元，并表示相关项目会继续保持 MIT 开源许可。

留个小题

本周的「周一上线」已经进入尾声。为了给你这周带来一点点小惊喜，在「留个小题」模块会出一道简单的问答题。第一个答对的小伙伴可以找小七，任选一个七牛周边作为礼品。

小题解答方法：在评论区留下你的答案，小七会在第二天中午 12 点的推文中，告知昨日是哪位小伙伴第一个答对小题。

注意：为了让后面的人可以参与回答，所有评论将会在第二天 12 点统一精选展示。

第 6 期小题：这周提到的 Vibe Light，主要是把 AI 编程助手的什么信息同步成桌面灯光效果？

A. 工作状态：Agent 在思考、等待授权、完成任务，灯光都知道

B. GitHub Star 数：项目一涨星，灯带立刻蹦迪

C. 键盘输入速度：打字越快，灯越亮

D. 代码报错数量：Bug 越多，房间越红