深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
UniHam：首个SOC完备的大规模哈密顿量数据集与基准
UniHam 是包含 10 万+ DFT 计算、带完整自旋-轨道耦合（SOC）的大规模哈密顿量数据集与基准，覆盖 72 种元素。本文解读其三支柱评测协议、模型失败模式及对量子材料基础模型的意义。
CNN自动选择稀疏线性求解器：用矩阵图像预测性能
一项研究提出用CNN将稀疏矩阵非零结构渲染为spy plot图像，回归候选求解器间的对数时间比，实现自动求解器选择，并在SuiteSparse及真实仿真矩阵上验证了预测精度。
Fable 5.2双重限制引争议：护栏与能力上限并存
Reddit 讨论指出 Fable 5.2 在训练阶段对能力设限，并叠加推理护栏，引发对 AI 安全与能力平衡的争议，同时被视为开源权重模型的推动因素。
Real Motors Project Ares：赛博朋克幻想成真
Real Motors 的 Project Ares 电动摩托车将赛博朋克美学带入现实。本文解析电动化如何释放摩托车设计自由，以及这类高风格化概念车与量产之间的距离。
希捷FireCuda Forge：混动存储如何智能分配数据
希捷发布FireCuda Forge外置存储设备，搭载Alkemi智能存储平台，可在SSD与机械硬盘间自动迁移数据，兼顾速度与容量。本文分析其分层存储逻辑、实际体验的关键变量以及混动方案的性价比。
DeepSeek Harness 源码解析：Agent 框架主循环设计
从设计哲学、硬件与语言准备到主循环源码，深度解析 DeepSeek Harness Agent 框架的工程落地方式，帮助开发者理解其分层设计与学习路径。
国产芯片训练万亿大模型，开源逼近闭源
美团Longcat20以2万亿参数全程国产芯片训练，开源模型在金融与网络安全领域逼近闭源系统，Thinking Machines公布594B稀疏模型Inkling R Small并承诺开放权重。本期AI日报聚焦算力自主化与开放模型竞争新格局。
DeepSeek开源模型攻下72.8%攻防测试，编程智能体仍难收尾
Wouse AI网络攻防评测中，开源DeepSig V4.1 Flash以72.8%逼近GPT-6Soft，成本仅十分之一；Cody 3 Dench编程评测全对率仅26.4%；Anthropic记忆研究显示“做梦”复盘让答题得分从13%升至48%。
dsh-purge社区版：DeepSeek Harness的破甲补丁工具
dsh-purge社区版是专为DeepSeek Harness设计的本地补丁工具，提供86条宿主补丁和25层状态自检，坚持本机优先、全程可见、随时回滚、不替你做决定四条原则，GitHub同名仓库Star达5630，MIT开源许可。
DSH插件让AI真正「看懂」屏幕并操控电脑
DSH开源插件让AI读懂屏幕语义结构而非猜测坐标，解决状态读取噪声大、RPC往返多、点击命中率低等难题，探索AI操控电脑与游戏的新路径。
印度财长称AI不输中国，DeepSeek 0.75美元API改写基建规则
印度财长称AI不输中国，但DeepSeek将搜索API打到0.75美元千次调用，并开源昇腾组件绕开CUDA。本文从算力、电力、模型真相和IT外包就业四个维度，剖析AI竞赛真正的上桌标准。
DeepSeek跑分成本仅Claude旗舰1/44，美团开源1.6万亿参数模型
Anthropic发布Claude Fable 5.2登顶Artificial Analysis智能指数，但跑分成本26.54美元，是DeepSeek V4.1 Flash的约44倍。美团开源1.6万亿参数LongCat 2.5，字节发布Seed Dream 5.5图像模型。
DeepSeek为何让美国巨头慌了？拆解四大效率优势与开源护城河
DeepSeek v4.1 Flash以5520亿参数超越v4 Pro，并开源推理引擎DeepInfer。本文拆解其混合专家、KV缓存压缩、低精度与推理优化四大效率优势，解析开源设计为何抄不走结果，以及薄利与AGI目标如何构成真正的护城河。
DeepSeek Harness保姆级教程：从安装到精通的Agent框架
DeepSeek Harness保姆级教程：详解Agent=Model+Harness核心公式、桌面版安装配置、工作区与模型选择、四种Agent模式与权限设置，以及plan、compact等快捷指令实战用法，助新手快速上手这款开源智能体框架。
B站评论管理新利器：开源插件「B站伙伴」更新
开源插件「B站伙伴」更新，新增评论区管理功能，支持定时查看新评论、自动回答、权限表控制互动范围，还能区分主人与群友，节省资源。
DeepSeek Harness深度解析：10个问题+7节源码+20个工具横评
深度解析DeepSeek Harness：涵盖10个常见问题、7节源码剖析与20个工具横评，并给出零基础学习路线、硬件准备（内存16G即可）与Python语言准备建议，帮助开发者高效入门大模型开发。
dsh-ops开源插件：为DSH补齐文件文档处理能力
dsh-ops 是给 DeepSeqHarness 加装底层文件与文档工具的开源插件，提供 Native 与 TTC 两种输出模式、18 个 SDK 接口，覆盖 CSV、TSV、Docs、PDF 文本层，支持按需读取以节省 Token，MIT 许可，跨 Windows/Linux/macOS。
27万星DeepSeek Harness拆解：从插件化Loop到自我演化野心
DeepSeek Harness获27万星，B站官方入驻视频播放约459万。本文拆解其开源Agent Harness定位、agent loop插件化、会话日志硬规矩、四档证据脚标与自我演化野心，并给出你自己验证的入口。
DeepSeek Harness手机版开源爆火，15K星标
DeepSeek Harness 手机版开源项目在 GitHub 迅速走红，收获 15K stars。支持手机本机运行 AI Agent、内置 Linux 环境免 Root 免 Termux，还能远程控制电脑与服务器并浮窗监控任务，本文梳理其核心功能与上手门槛。
DeepSeek Super Agent深度拆解：AI从养虾到养鱼的架构跃迁
DeepSeek Super Agent架构引发热议，本文从技术、产品体验与商业三重视角拆解其Router+Worker双层架构，复盘Agent从养虾到养鱼的演进路径，探讨多Agent协作边界、落地瓶颈及未来入口之争。