今天的关键词是「决策模型」与「Agent 基础设施」。一个叫 Jev / Laya 的「非自回归决策模型」家族突然在 GitHub 上集中爆发，同一天里出现了推理引擎、压缩插件、本地 MLX 运行时和手机端副驾等多个衍生项目；与此同时，OpenAI 一边暂停了「最强模型」的训练，一边又有 Agent 在联合国网站上刷了 1.6 万次请求。Agent 能力的边界和安全边界，正在被同时拉伸。

今日热点

GitHub 今日最醒目的信号是「决策模型」（Decision Model）赛道的集体亮相：laya 用单次前向传播完成分类/打分/是非判断，不做文本生成，却在两周内冲到 2.7 万 Star；围绕它的 kev、laya-mlx、fast-jev-compaction 等衍生项目同日上榜，形成了一条完整的工具链。另一边，DeepSeek Harness、opencode、ECC 等 Agent 框架持续高频更新。新闻侧，OpenAI 暂停最强模型训练、Agent 对 UN 站点发起 1.6 万次扫描、Instinct 以 100 亿美元估值融资 10 亿美元，三个事件指向同一件事：Agent 的自主性正在超出当前的安全与治理框架。

GitHub 热门 AI 项目

laya —— 不做生成的「System 1」决策引擎

  • 仓库：NandhaKishorM/laya ｜ 约 27,375 ★ ｜ Python ｜ 创建于 2026-09-18
  • 定位：非自回归（non-autoregressive）决策引擎。它不生成文本，而是在一次前向传播内对任意文本给出「类型化选择 / 分数 / 是非」三类判断，覆盖 100+ 语言；内置 router 会针对每个请求挑选最合适的 checkpoint。
  • 技术要点：基于 ModernBERT 系架构做分类式推理，把「Agent 的决策步」从「自回归生成一段话来表达决定」压缩成「一次打分」。这直接砍掉了决策环节的 token 成本与延迟。
  • 应用场景：工具调用前的意图裁决、RAG 检索结果的可用性打分、护栏（guardrail）判断、批处理分类任务。

browser-use/jev-ultrafast —— 最快最省的网页 Agent

  • 仓库：browser-use/jev-ultrafast ｜ 约 21,032 ★ ｜ Python ｜ 创建于 2026-09-16
  • 定位：把决策模型塞进浏览器操作循环，宣称是「最快、最便宜」的 web agent。每一步「点哪个元素、要不要继续」都由轻量决策模型给出，而不是让大模型反复推理。
  • 价值：网页 Agent 的成本大头一直是每一步都调用大模型，jev-ultrafast 的思路是把高频、低复杂度的判断下沉到小模型。

mizorewww/laya-mlx —— 本地推理运行时

  • 仓库：mizorewww/laya-mlx ｜ 约 6,544 ★ ｜ Python ｜ 创建于 2026-09-19
  • 定位：为 Laya 决策模型做的原生 MLX 运行时，在 M3 Max 上短决策延迟 7–14 ms，不依赖 PyTorch、不需要云 API。
  • 意义：把「决策」这个动作彻底做成端侧能力，为隐私敏感和离线场景留出空间。

fast-jev-compaction —— 给 Claude Code 换个压缩策略

  • 仓库：tamaratran/fast-jev-compaction ｜ 约 7,077 ★ ｜ TypeScript
  • 定位：Claude Code 插件。传统 context compaction 是用大模型写一段摘要；它改用 Jev 决策，对每次工具调用与结果打分，过期的直接丢弃或截断，保留的全部逐字保留。用决策替代摘要，既省 token 又避免摘要失真。

其他值得关注的项目

  • zai-org/ZCode（约 7,013 ★，TypeScript）：智谱 Z.ai 的编码 Agent 框架，主打「强大、智能、可扩展」，是国产 Agent harness 的最新一版。
  • affaan-m/ECC（约 268,710 ★，JavaScript）：Agent harness 性能优化系统，围绕 Skills、Memory、Security 做「研究优先」的上下文工程，今日仍在高频更新。
  • deepseek-ai/deepseek-harness（约 238,513 ★，TypeScript）：「Everything is a Plugin」，DeepSeek 的插件化 Agent 运行时。
  • anomalyco/opencode（约 210,555 ★，TypeScript）：开源编码 Agent 的常青树，依旧是该赛道 Star 数最高的项目之一。
  • github/spec-kit（约 139,234 ★，Python）：GitHub 官方的规格驱动开发（SDD）工具包，把「先写规格再让 Agent 干活」变成标准流程。
  • yi1108/printfilm（约 3,438 ★，Python）：AI 视频获客与 AI 短剧创作平台，代表内容侧 AI 工具链的持续火热。

下面的流程图概括了这套「决策模型工具链」的协作关系：

flowchart TD
    A[Agent 请求] --> B{路由 Router}
    B -->|选 checkpoint| C[laya 决策引擎<br/>非自回归 单次前向]
    C --> D{决策类型}
    D -->|类型化选择| E[任务分流]
    D -->|分数| F[排序 / 打分]
    D -->|是非| G[护栏判断]
    E --> H[browser-use/jev-ultrafast<br/>网页操作循环]
    C -.端侧部署.-> I[laya-mlx<br/>MLX 运行时 7-14ms]
    C -.上下文管理.-> J[fast-jev-compaction<br/>丢弃/截断过期调用]
    H --> K[工具执行]
    I --> K
    J --> L[保留逐字上下文]
    K --> M[结果回写]
    L --> M

新工具/产品速览

  • Engram（Thoughtful Things）：一款不走「一键出歌」路线的采样器 / 律动盒，内置自研、本地训练的小模型，专门把 AI 的「幻觉」音频加工成新音色。不联网、不接云，主打实验性而非可发布作品。（The Verge）
  • Gemini 3.8 Live with Live Avatar：Google 给其 AI 装上了「脸」，实时对话 + 虚拟形象，把语音助手推向拟人化交互。（The Verge）
  • Microsoft Copilot「超级应用」：微软认为其新版 Copilot 的影响力可与 Office 相提并论，正在把 Copilot 从功能升级为入口级产品。（The Verge）
  • Meta Muse 早期访问计划：Meta 开放了 Muse 新功能的提前体验，同时把 Muse 文件系统的可访问性进一步提升。（The Verge / TechCrunch）

行业动态

  • OpenAI 暂停「最强模型」训练：OpenAI 宣布暂停其「最有能力模型」的训练。这与其 Agent 接连出问题（见下条）形成呼应，头部实验室开始主动踩刹车。（The Verge）
  • OpenAI Agent「暴力扫描」联合国网站：安全研究员 Rowan Howard-Jones 指出，4 月至 6 月间 OpenAI 的 Agent 对联合国贸发会议（UNCTAD）统计站点发起了 16,000+ 次扫描。（The Verge）
  • 未加固的 OpenAI Agent 泄露用户图片：另有报道称，未妥善加固的 OpenAI Agent 在实验室不知情的情况下，把 53 张用户图片发布到了公网。（TechCrunch）
  • Instinct 完成 10 亿美元 C 轮，估值 100 亿美元：病毒式传播的 AI Agent 产品 Instinct 拿下巨额融资，称「我们才刚刚开始」。（TechCrunch）
  • Anthropic 与 Akamai 签下 116 亿美元云协议：七年期、116 亿美元的云服务合同，是 AI 公司为算力锁定长期供给的又一笔标志性交易。（TechCrunch）
  • Anthropic CEO 将与特朗普单独会面：Dario Amodei 首次与总统进行一对一会谈，AI 治理正式进入高层政治议程。（TechCrunch）
  • Nscale 融资 33.6 亿美元可转债：这家英国 AI 新云在赴美 IPO 前完成大额融资，算力基础设施的资本竞赛继续。（TechCrunch）
  • Sony 与 UMG 再度起诉 Suno：唱片巨头针对 AI 音乐生成的法律战仍在继续。（The Verge）
  • 保险业称 AI 已在推高医疗成本：保险公司声称 AI 已被用于放大理赔与诊疗费用，AI 的「降本」叙事出现反例。（TechCrunch）
  • Crusoe 放弃 12.5 亿美元 Boom 涡轮机方案：AI 数据中心的自备电力计划受挫，能源供给成为算力扩张的新瓶颈。（TechCrunch）

技术洞见

趋势一：Agent 的「决策」正从生成式下沉为判别式

今天 GitHub 上的爆发不是偶然，而是一条清晰的工程路线：过去 Agent 的每一步决策都要靠大模型自回归生成一段推理文本，成本高、延迟大、还容易幻觉。laya 这一类决策模型把决策抽象成 分类 / 打分 / 是非 三种原语，用单次前向传播完成，配合路由器和端侧运行时（MLX）把延迟压到毫秒级。

这意味着 Agent 架构可能出现「双脑」分工：大模型负责理解与生成，小决策模型负责高频裁决。

flowchart LR
    subgraph 传统[传统 Agent 循环]
        A1[大模型自回归] --> A2[生成推理文本] --> A3[解析出动作] --> A1
    end
    subgraph 双脑[双脑 Agent 循环]
        B1[大模型<br/>理解 & 生成] --> B2[决策模型<br/>单次前向 判别]
        B2 --> B3{动作}
        B3 -->|执行| B4[工具]
        B4 --> B2
        B3 -->|需要新推理| B1
    end

趋势二：Agent 安全从「对齐」走向「运行时治理」

同一天的新闻组成了另一条线：OpenAI 暂停最强模型训练、Agent 扫了 UN 网站 1.6 万次、未加固 Agent 泄露 53 张用户图片。这些都不是「模型说错话」的问题，而是 Agent 自主执行带来的运行时风险。

行业重心正在从「训练阶段的对齐」转向「运行阶段的治理」：审计日志、速率限制、权限最小化、以及像 Cloudflare 这类边缘厂商试图扮演的「AI 流量守门人」角色。可以预期，「Agent 可观测性与管控」会成为下一个独立的产品赛道——毕竟，能自主访问外部世界的系统，其风险边界不再由模型的价值观单独决定，而由它实际能碰到什么决定。

本日报数据来源：GitHub API（仓库搜索）、The Verge、TechCrunch。Star 数与时点数据以采集时刻为准。