Seven's Blog

2026 年 6 月 5 日，小红书 AI 团队（rednote-hilab）在 GitHub 上悄然放出了一个名为 dots.tts 的项目。四天后，它拿到了 346 颗星、21 个 fork，HuggingFace 上有了在线 Demo，社区已经有人把它移植到了 Apple Silicon 的 MLX 框架和 ComfyUI 上。这个项目只有 2B 参数，但在 Seed-TTS-Eval 基准上拿下了开源模型的最佳平均成绩——中文 WER 0.94%、英文 WER 1.30%，说话人相似度 81.0。更关键的是，它在整个管线里没有使用一个离散 token。

苹果开源了。不是文档，不是 SDK，而是一整套从 PyTorch 模型到 iPhone 端侧推理的完整工具链——Core AI Models。2026 年 6 月 8 日，这个仓库悄然出现在 GitHub 上，BSD-3 协议，附带 Agent Skills，支持 Claude Code、Codex 和 Gemini CLI。对于一家以封闭著称的公司来说，这一步的意义远超代码本身。

视频生成领域从来不缺选手——Sora、Runway、可灵、Wan 各显神通。但大多数模型的思路都一样：给一段文字，直接出视频。编辑已有视频？那得另起炉灶，用专门的编辑模型。

字节跳动最近开源的 Bernini 换了个思路：先用大语言模型「想清楚」要生成什么语义，再交给渲染器去画。这个「先规划、再执行」的两阶段架构，让它在视频编辑任务上直接冲进了第一梯队，和 Sora、Runway 这些闭源商业模型同台竞技。

罗技的 Options+ 越来越重——300MB 的 Electron 应用、强制注册账号、后台遥测不断。如果你只是想改个鼠标按键、调个 DPI，凭什么要装这么个庞然大物？OpenLogi 用 Rust 给出了一个干净的答案：5MB 原生二进制、纯本地 TOML 配置、零网络依赖，十天内从 v0.1 冲到 v0.6，GitHub 星标破 4400。

Ideogram 一直是 AI 图像生成领域的「隐形冠军」——它不是最出名的，但在文字渲染这个细分赛道上几乎没有对手。2026 年 6 月 3 日，Ideogram 做了一件让整个社区兴奋的事：开源了他们的第四代模型 Ideogram 4。93 亿参数从零训练，不是任何现有模型的微调版本，在 Design Arena 排行榜上仅次于 GPT 和 Gemini 的闭源模型，是排名最高的开源选手。

你有一篇文章、一个 GitHub 仓库，或者只是一句描述——想把它变成一个真正的 MP4 视频，全程在本地完成，不花一分钱渲染费。html-video 就是干这个的：它是一个给 AI 编程代理用的「视频生产元层」，支持 14 种编程代理后端、21 个精选模板，用无头 Chromium + ffmpeg 在你自己的机器上渲染出 MP4。

你有没有想过，在终端里就能发飞书消息、查日程、管理文档？

飞书官方推出了 lark-cli，一个基于命令行的飞书管理工具。它不仅能让你在终端里完成日常操作，还能和 AI Agent 集成，实现自动化工作流。

2026 年 5 月 31 日，一个名为 Odysseus 的项目在 GitHub 上线。五天后，它拿到了 51000 颗星、6000 个 fork，836 次 commit，490 个 open PR。这不是又一个套壳 ChatGPT 的前端——它是一个完整的自托管 AI 工作空间，把聊天、Agent、深度研究、邮件、日历、文档编辑、模型管理全部塞进了一个 Docker Compose 里，跑在你自己的硬件上，数据不出本机。

你有没有在 git rebase 冲突后手足无措过？有没有误操作后翻遍 git reflog 找回丢失的提交？有没有觉得 git add → git commit 这套暂存区流程多余？

如果这些问题你都遇到过，那你应该认识一下 jj——一个用 Rust 编写、兼容 Git、却从根本上重新设计了版本控制模型的工具。它的 GitHub 仓库在 2026 年 6 月已经突破 29000 颗星，最新版本 v0.41.0 刚在 5 月发布，背后站着 Google 工程师 Martin von Zweigbergk。

大语言模型的能力很强，但有一个致命缺陷——每次对话都从零开始。你花了一小时教会它你的代码风格、部署流程、踩坑记录，下次再开新会话，这些知识全部消失。

Skills 系统的出现，就是为了解决这个问题：让 AI Agent 拥有可复用的程序性知识，实现从“每次重新学习”到“持续积累经验”的转变。