今天最值得看的三件事：
- 模型发布 · Google 发布 Gemma 4 12B：16GB 笔记本即可运行多模态
- 模型发布 · 微软 Build 2026 发布自研 MAI-Thinking-1 及 MAI 家族
- 公司动态 · Alphabet 创纪录 850 亿美元融资，押注谷歌 AI 业务
下文按板块展开，正文每条均附原始链接。
🚀 模型发布
今天模型发布板块迎来两大重磅：Google Gemma 4 12B 让多模态模型落地笔记本，微软 Build 2026 推出完全自研的 MAI-Thinking-1 推理模型性能追平 Claude Opus 4.6。开源轻量化与自研推理两条路线同时在加速，值得跟进的是边缘部署边际成本能否真正打平云端。
笔记本跑 Gemma 4 12B，多模态门槛再降
Google DeepMind 发布 Gemma 4 12B，采用无编码器设计，直接支持多模态输入（图像、文本），只需 16GB 内存即可在笔记本上运行。Ars Technica 等媒体称其“极强的性价比”——12B 参数规模下，性能对标上一代 30B+ 级别模型。这意味着开发者和中小企业可以用消费级硬件本地部署多模态推理，无需 GPU 集群。
原文：[Introducing Gemma 4 12B Google Blog](https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemma-4-12b/)
微软 MAI-Thinking-1：从零训练的推理模型追上第一梯队
微软在 Build 2026 上推出 MAI 系列，其中最受关注的是 MAI-Thinking-1，完全从零训练（非基于开源架构），在推理基准上追平 Claude Opus 4.6。该模型定位长链条推理场景（数学、代码、科学分析），微软同时发布了 MAI 家族其他尺寸模型，覆盖端侧至云端。关键点：这是微软第一次在基础模型上达到竞品头部水平，且训练策略完全自研，产业链意义大于单点性能。
原文：[微软Build 2026发布MAI-Thinking-1 InfoQ](https://www.infoq.cn/article/StrGjRRmFKm4fXCvLOSP)
OpenAI 升级 GPT-Rosalind，深入生命科学
OpenAI 为 GPT-Rosalind（科学专用版本）新增生物学推理、药物化学和基因组学分析能力。该模型在分子性质预测、蛋白质结构理解等任务上有所增强，直接面向制药与科研场景。重要性在于 OpenAI 开始将通用大模型能力拆解为垂直科学工具，而非仅依靠 API 通用调优。
原文：[Introducing new capabilities to GPT-Rosalind OpenAI](https://openai.com/index/introducing-new-capabilities-to-gpt-rosalind)
xAI Grok Imagine 1.5 支持图生视频
xAI 更新 Grok Imagine 图像生成模型至 1.5 版本，新增图像到视频生成能力，最高 720p 分辨率。这是一个相对较小的迭代，但图生视频是当前多模态生成的热点方向，xAI 选择在分辨率上做到 720p（而非竞品的 1080p 或更高），表明其更关注生成速度与可用性。
原文：[xAI updates Grok Imagine to 1.5 with image-to-video generation The Decoder](https://the-decoder.com/xai-updates-grok-imagine-to-1-5-with-image-to-video-generation-at-720p-resolution/)
Ideogram 4.0 开源：原生 2K 分辨率与强文本渲染
Ideogram 4.0 以开源权重形式发布，支持原生 2K 分辨率输出，文本渲染能力显著提升。这是文本到图像领域少有的高分辨率开源模型，且在文字（如海报、Logo）生成上比竞品更稳定。对于需要高质量图像生成的开发者，这是一个有吸引力的自托管选项。
原文：[Ideogram 4.0 drops as an open-weight model The Decoder](https://the-decoder.com/ideogram-4-0-drops-as-an-open-weight-model-with-native-2k-resolution-and-improved-text-rendering/)
今天的发布指向同一个问题：当边缘算力足够跑 12B 多模态、开源模型能做 2K 输出、自研推理追上头部——你还会为每一次 API 调用付费吗？
🏢 公司动态
今天AI板块最值得关注的是Alphabet破纪录的850亿美元融资和Anthropic用Claude月消耗5亿美元冲刺IPO两件事。前者是基础设施投入的跃迁信号，后者是企业级AI商业化落地的硬战绩——两者共同说明，AI军备竞赛已从“烧钱抢客户”进入“盈利能力与规模并重”的新阶段。
Alphabet 850亿美元融资：史上最大单笔AI注资
Alphabet通过股票出售筹集850亿美元，创公司历史及全市场单笔融资纪录。资金明确用于谷歌AI基础设施建设，包括数据中心、芯片和模型训练集群。关键点在于：这并非债务而是股权融资，表明管理层对AI业务长期回报的信心，也意味着谷歌正以“不计成本”姿态追赶OpenAI和微软。此举将进一步拉高整个行业的资本门槛，中小玩家可能被迫加速整合。
原文：TechCrunch
Anthropic 冲刺IPO，Claude月消耗客户5亿美元
Anthropic正积极推进IPO，其企业端AI助手Claude每月的客户消耗额已达5亿美元，这一数字相当于年化60亿美金营收规模。关键点在于：这不仅证明了Claude在企业场景中的粘性，也为IPO估值提供了硬指标。对比OpenAI尚无明确上市时间表，Anthropic的激进策略可能抢得先机，但也需警惕单一产品依赖风险。
原文：InfoQ
Uber限制Claude Code等AI工具，每人每月上限1500美元
Uber因成本管控，对员工使用Claude Code等AI编码工具实施每人每月1500美元的使用上限。这一举动引发行业对AI工具定价模型的讨论。关键点在于：AI编码助手虽能提升效率，但高昂的按量计费模式让企业不得不设置“配额”。Uber并非个案——当AI工具从“尝鲜”进入“常态化使用”阶段，企业IT部门开始像管理云服务一样管理AI支出。这对AI工具厂商意味着：定价策略需要从“按Token”向“订阅+混合计费”演进。
原文：Bloomberg
OpenAI CFO详解战略：B/C端五五开，神秘AI硬件今年推出
OpenAI首席财务官首次公开公司战略，透露B端与C端收入目前各占一半，公司不急于IPO，并预告将在今年发布一款神秘AI硬件。关键点在于：B/C端五五开表明OpenAI在消费者订阅（ChatGPT Plus/Pro）和企业API/企业版上已实现均衡，降低了单一市场风险。而神秘AI硬件可能是其从“纯软件”向“软硬件一体”转型的关键，类似苹果从iPod到iPhone的路径。不急于IPO则给市场留下想象空间。
原文：InfoQ
Suno估值翻倍至54亿美元，同时应对唱片公司诉讼
AI音乐生成公司Suno完成新一轮融资，估值达54亿美元，较上一轮翻倍。但公司仍在与主要唱片公司进行版权诉讼，双方争议焦点为AI训练数据是否构成侵权。关键点在于：估值翻倍表明资本对生成式AI在创意产业（音乐、视频）前景的押注，但版权诉讼的结果将直接影响整个AI音视频赛道商业模式。若败诉，AI音乐公司可能被迫转向“按版权分成”模式，改变行业成本结构。
原文：The Decoder
xAI要求Grok深度伪造案受害者公开身份，否则撤诉
xAI向法庭申请，要求四名以化名起诉其Grok模型生成深度伪造裸照的受害者公开真实姓名，否则将要求驳回诉讼。关键点在于：这是AI生成有害内容责任的边界争议。xAI的策略意在挑战“匿名起诉”的程序合法性，但可能面临舆论压力——若受害者身份公开，可能遭受二次伤害。此案可能成为AI平台在内容安全责任上的判例。
原文：Wired
Coralogix融资2亿美元，打造AI Agent监控层
基础设施公司Coralogix获2亿美元融资，专注为生产环境中的AI Agent提供监控、故障排查和运营数据平台。关键点在于：随着企业将AI Agent（如客服、代码助手）部署到核心业务流程，传统APM（应用性能监控）无法满足Agent的“黑盒”问题。Coralogix定位“监控层”类似于当年Datadog之于微服务——当AI Agent成为新的“应用单元”，基础设施监控赛道必然出现新赢家。
原文：TechCrunch
戴盟机器人完成亿元融资，阿里通义多模态大牛加盟
戴盟机器人获亿元级融资，同时引入原阿里通义多模态技术负责人，攻关物理世界模型。关键点在于：具身智能赛道持续升温，但“物理世界模型”是行业公认难点——需要同时理解视觉、语言、触觉和物理规律。阿里通义多模态技术背景的加盟，意味着戴盟将利用大模型在语言-视觉对齐上的成果，加速机器人对真实物理世界的理解。该公司目前处于早期，但团队背景值得关注。
原文：量子位
今天的信息指向一个明确信号：AI的资本密度、企业付费意愿和监管挑战都在同步加速。留给读者的问题：当Uber这样的巨头都在设上限，你所在的团队有没有算过AI工具的真实ROI？
🔬 研究论文
今天研究板块最值得关注的是世界模型定义的新一轮交锋——李飞飞亲自给出“渲染、模拟、规划”三合一的定义，LeCun 则押注隐空间路线，而 NVIDIA 在 CVPR 2026 上展示了从通用抓取到世界模型的物理 AI 新成果。三个方向指向同一命题：AI 与物理世界的交互正在从仿真走向真实部署。
NVIDIA CVPR 2026：物理 AI Agent 技能新成果
NVIDIA 在 CVPR 上展示了机器人抓取、自动驾驶和 Agent 训练三大研究方向的最新进展。关键点包括一个通用抓取工具，能在多种物体和场景下实现稳定抓取，以及用于自动驾驶的世界模型，用以预测和模拟环境变化。这些成果旨在为物理世界中的 AI Agent 提供更通用的交互能力。为什么重要？通用性是物理 AI 从实验室走向产业的核心瓶颈，NVIDIA 的工程化思路正在缩小模拟与现实的鸿沟。
原文：NVIDIA 博客
李飞飞定义世界模型：渲染、模拟、规划三合一
李飞飞在最新学术分享中提出对世界模型的新定义：世界模型应当同时具备渲染、模拟和规划三大功能，且三者的边界正在消融。传统上，渲染负责视觉输出，模拟负责物理推演，规划负责决策路径——李飞飞认为这些能力应整合在一个统一的框架内。为什么重要？当前世界模型的研究散落在各子领域，一个清晰的统一定义有助于集中研究资源和评估标准，可能加速下一代自监督通用智能体的诞生。
原文：量子位
LeCun 押注隐空间世界模型，国内顶尖视觉团队已布局
Meta 首席 AI 科学家 LeCun 在同期表态，倾向于隐空间（latent space）世界模型方向，即不在像素级进行渲染，而是在压缩的隐空间中进行预测和规划。国内顶尖视觉团队称已提前布局，认为此路线难度更大但必须攻克。关键点：隐空间模型相比显式渲染更节约计算资源，也更能避免像素级误差累积，但可解释性和验证难度更高。为什么重要？这是对李飞飞定义的一种直接回应——在“三合一”之外，隐空间路线可能是更务实的工程选择，尤其在资源受限的场景中。
原文：量子位
卧安机器人 OneModel 1.7：隐式通路打通具身智能断层
卧安机器人发布 OneModel 1.7，创新之处在于通过潜在空间中的隐式信息传导，实现从视觉理解到动作执行的跨越，而不需要显式建模中间步骤。关键点：该模型在一个统一框架下融合了视觉感知和运动控制，避免了传统 pipeline 中信息丢失的问题。为什么重要？具身智能长期以来面临“感知-决策-执行”的断层，隐式通路提供了一种端到端的解决思路，对机器人操作和家庭服务场景有直接推动作用。
原文：量子位
U of T 展示 AI 蠕虫可攻击任何联网设备
多伦多大学研究人员演示了一种名为“AI 蠕虫”的恶意软件，能够在不同在线设备间自主传播，并执行恶意操作（如窃取数据、操控设备）。其核心是利用大模型生成的对话内容作为传播载体，无需人工干预。为什么重要？这是对 AI 安全边界的直接挑战——当 AI 可以自主设计并与环境交互，传统基于签名的防御机制可能失效。该研究提醒业界，在追求通用物理 AI 的同时，安全隔离和干预机制必须同步设计。
原文：多伦多大学
世界模型的定义之争本质上是对“AI 如何理解物理世界”的不同路径选择，而 AI 蠕虫的演示则提醒我们：物理世界的入口同时也是安全风险的入口。今天这几篇论文中，哪一条技术路线最有可能率先落地？
📱 应用产品
英国监管裁定谷歌必须允许网站退出 AI 搜索摘要，这是全球首个针对生成式搜索的强制包容权，将直接影响 AI 产品的数据合规与商业模式。同日内，Meta 的 WhatsApp AI Agent 全球商用、亚马逊搜索引入 AI 商品图——应用层竞争从能力比拼转向监管与商业化的平衡。
英国监管要求谷歌允许网站退出 AI 搜索摘要
英国竞争与市场管理局（CMA）裁定，谷歌必须在 AI 搜索结果中提供更清晰的来源链接，并允许英国发布商选择不被 AI 摘要收录。该裁定目前仅适用于英国，但 CMA 明确要求谷歌将机制推广到全球。核心争议在于：AI 摘要是否属于“合理使用”，以及发布商是否拥有拒绝训练数据的权利。谷歌表示将调整搜索结果页面结构，但未承诺补偿方案。这是一记政策定调：生成式搜索的免费爬取时代可能终结。
原文：Ars Technica
Meta 的 WhatsApp Business AI Agent 全球上线，按 token 收费
Meta 正式面向全球企业客户推出 WhatsApp Business AI 智能体，支持自动回复常见问题、营销互动，并首次采用按 token 计费模式。企业可通过 Meta 的 Business API 接入，无需额外开发。关键点：这是 Meta 在对话式商务领域的变现尝试——按 token 收费比传统 SaaS 订阅更灵活，但也考验企业对话量预估能力。对开发者而言，意味着 WhatsApp 生态从免费通信管道变成了可编程的商业入口。
原文：TechCrunch
亚马逊搜索将显示 AI 生成的产品图片
Amazon 在搜索结果中引入 AI 生成商品图：当用户输入关键词（如“北欧风餐桌”），系统会生成符合场景的合成图片，点击后跳转至相似商品列表。本质是视觉搜索的升级——不再依赖卖家上传的静态图，而是用生成式 AI 填充“模糊需求”的视觉表达。风险在于版权和误导：AI 图与实物不符的责任归属尚未明确。但对电商运营者而言，产品图的竞争将从拍摄水平转向 Prompt 优化能力。
原文：TechCrunch
Perplexity 发布混合 AI 系统：本地与云端自动切换
Perplexity 推出混合推理架构：系统根据任务复杂度、数据敏感度自动判断在设备端还是云端运行模型。例如，文档摘要强制本地执行，复杂逻辑推理则调用云端大模型。关键点是隐私与性能的工程化平衡——不依赖用户手动选择，而是通过延迟阈值和隐私策略自动决策。这对企业用户有吸引力：可降低对云端的依赖，同时满足部分合规要求。不过，本地模型的能力上限仍是瓶颈。
原文：The Decoder
谷歌推出 AI 工具 Dreambeans，将用户数据变成卡通故事
Google 发布名为 Dreambeans 的 AI 工具，可提取用户 Google 账户中的照片、日历事件、地图轨迹等数据，生成卡通风格的“你的一天”故事插画。名字古怪，但产品逻辑清晰：用个性化叙事降低 AI 工具的使用门槛。争议点在于数据使用权限——用户需授权访问完整个人数据。目前仅限英文地区，免费使用。对产品经理的启示：AI 个人助理的形态可以从“问答”转向“叙事”，Dreambeans 提供了新的交互范式。
原文：TechCrunch
微软 Codex 新升级：打通 Windows 生态，手机远程开发
Microsoft Codex 迎来重要版本更新：原生支持 Windows 环境（之前仅限于 Web 和 VS Code 扩展），并允许通过手机 App 远程启动开发任务——例如，手机端发送“修复这个 bug”，Codex 可在绑定的 PC 上自动执行代码定位与修改。关键点：微软将 agentic 开发能力嵌入操作系统生态，手机端成为“指令入口”。这直接对标字节扣子（Coze）的远程操控 Agent，但 Codex 的优势在于与 Windows 和 Azure DevOps 的深度集成。
原文：InfoQ 中文
扣子 3.0 实测：手机远程遥控电脑中的 Agent
字节跳动旗下扣子（Coze）正式发布 3.0 版本，打通桌面端、电脑端和手机端：用户可在手机 App 上遥控电脑端 Agent 执行任务，例如“帮我编辑这份 PPT”或“下载那个文件到桌面”。实测反馈显示延迟较前代降低约 40%，且支持多个 Agent 并发。核心变化是从“单一聊天机器人”向“跨设备任务调度器”演进。对产品经理的启示：Agent 真正的价值在于跨终端调度，而非单一会话。
原文：量子位
阿里云推出 OS 运维 Skills，AI Agent 自动修复数据库 P0 事故
阿里云在操作系统控制台上线运维 Skills：AI Agent 可自动检测数据库一级事故（如主从延迟、死锁），并在确认风险后执行预设修复脚本，全程无需人工介入。关键创新点是故障自愈的闭环——将运维经验固化为一组 Skills 模板，Agent 基于监控指标触发。目前仅支持 MySQL 和 PolarDB，未来计划扩展到网络和存储。对 CTO 而言，这标志着 AI 运维从“告警通知”进入“自动处置”阶段。
原文：InfoQ 中文
当英国要求谷歌让网站“拒收”AI摘要，而亚马逊、Meta却在用AI生成商品图和客服——你更担心监管的闸门，还是数据权利的清算？
💭 行业观点
导语：今天最值得关注的是 AI 安全治理的两条平行叙事——OpenAI 主动发布民主治理蓝图呼吁联邦安全框架，而特朗普签署行政令要求企业自愿提交模型安全审查，但安全团队已被大幅削弱。前者是行业自下而上的制度建议，后者是自上而下的政策尝试，两者之间的张力将决定未来 AI 监管的实际走向。
OpenAI 发布民主治理蓝图，呼吁联邦安全框架
OpenAI 同时发布两份文件：一份《前沿 AI 民主治理蓝图》，建议建立联邦安全框架；另一份公共政策议程，涵盖安全、就业和全球标准。这是 OpenAI 迄今最系统的政策表述，表明公司希望在监管规则尚未成型时主动塑造话语权。
原文：OpenAI
OpenAI 与 Anthropic 联名致信国会，防止 AI 开发生物武器
两家头部 AI 实验室联合科学家向立法者发公开信，呼吁加强对合成 DNA 序列的追踪，防止 AI 被用于制造生物武器。这是安全立场上的罕见联手，对国会形成直接压力，但政策落地仍需立法配合。
原文：WIRED
特朗普签 AI 行政令：自愿审查，但安全团队已被削减
特朗普签署行政令要求 AI 公司自愿提交模型供政府安全审查。批评者指出，此前 DOGE（部门效率改革计划）已大幅削减联邦安全团队的编制与预算，志愿审查的实际约束力存疑。政令与执行之间的落差，是当前博弈的核心。
原文：Ars Technica
数学家集体警告：AI 在数学领域过快进展
《科学》杂志报道，多位知名数学家发布《莱顿宣言》，警告 AI 在数学领域的快速进展可能削弱基础研究和人类创造性。他们呼吁学界谨慎评估 AI 工具的渗透速度，并非禁止，而是需要“有意识的节奏”。
原文：Science
Satya Nadella 谈微软 AI 核心能力：与 OpenAI 关系、Agent 平台
微软 CEO 在 Build 后接受 Stratechery 专访，阐述微软在 AI 时代的核心能力：与 OpenAI 的深度绑定与竞争并存，以及 Agent 平台（Copilot+）作为战略支点。值得注意的是，Nadella 强调“控制供应链”而非“拥有模型”，这是微软区别于直接做模型的定位。
原文：Stratechery
AI 数据中心秘密建设引发质疑
调查报道指出，许多 AI 数据中心选址偏远且过程保密，缺乏公开的环境影响评估和社区协商。如果 AI 基础设施如此重要，为何建设者不愿公开？透明度缺失正在积累公众的不信任。
UC Berkeley CS 课程成绩下滑，教授归咎于 AI 使用过多
加州大学伯克利分校计算机科学课程不及格率大幅上升。教授们认为学生过度依赖 AI 完成作业，导致基础数学和算法能力下降。这不仅是教育问题，也折射出 AI 工具对认知能力的“外包化”风险。
GitLab 也开始裁员程序员，硅谷 Q1 裁员同比增 40%
继 Salesforce、Dropbox 等公司后，GitLab 裁减程序员岗位。数据显示 2026 年 Q1 硅谷裁员量同比增长 40%，主要归因于 AI 提升开发效率后组织扁平化。程序员群体正在经历“工具替代自身”的悖论。
原文：QbitAI
结语：当安全蓝图、自愿审查与裁员浪潮同时出现，AI 的治理和劳动力效应已不可分割——你能同时相信“AI 会创造更多岗位”和“AI 需要紧急监管”吗？
⚙️ 开源工具
今天开源世界最值得关注的是 Nous Research 发布的 Hermes Desktop——一个能操控电脑桌面的跨平台 AI Agent。当 Agent 从聊天窗口走进操作系统，开发者与产品经理该思考的，不只是代码优化，而是人机交互范式的下一个转折点。
Nous Research 发布 Hermes Desktop：AI Agent 接管你的桌面
Hermes Desktop 是一个开源 AI Agent，支持 Windows、macOS 和 Linux 三大平台。它能够理解桌面 GUI 状态，模拟鼠标键盘操作，完成文件整理、网页填写等多步任务。与目前主流的“说一句话就执行”不同，Hermes 更强调对桌面环境的持续感知与自主决策。
原文：https://the-decoder.com/nous-research-releases-hermes-desktop-an-open-source-ai-agent-for-every-platform/
Arm 开源 Metis：AI 安全审计性能超越传统 SAST
Arm 推出基于 AI 的源代码安全分析框架 Metis，在漏洞发现率与误报率上均优于传统静态应用安全测试（SAST）工具。Metis 利用 LLM 理解代码语义而非单纯模式匹配，能够检测逻辑缺陷与配置错误。开源意味着安全团队可以自托管并微调，降低 SaaS 依赖风险。
原文：https://www.infoq.cn/article/WBSYmfvEkiaHEcgkYOcA
Headroom：Token 压缩 60-95%，RAG 成本骤降
Headroom 是一个开源工具，专门针对日志、文档等输入进行 token 压缩，可节省 60-95% 的 token 消耗，同时保持 LLM 回答质量。它提供库与 MCP 服务器两种接入方式，适合 RAG 流水线中作为预处理步骤。对于 token 计费的 AI 应用，这是一个直接降低成本、提升吞吐量的实用方案。
原文：https://github.com/chopratejas/headroom
OpenBMB VoxCPM2：无需分词器的多语言语音合成与克隆
VoxCPM2 是 OpenBMB 开源的多语言语音生成模型，最大的技术特点是“无分词器”（tokenizer-free），直接建模原始音频，支持语音合成、创意声音设计和逼真语音克隆。相比传统 pipeline，端到端架构减少了音色失真和多语言切换时的质量衰减，适合语音 Agent 与内容创作场景。
原文：https://github.com/OpenBMB/VoxCPM
Datawhale 开源《从零开始构建智能体》教程
hello-agents 是 Datawhale 出品的零基础智能体教程，从 Agent 核心概念（工具使用、记忆、规划）讲到代码实现，路径清晰，适合想从理论进入实践的开发者。教程以交互式 notebook 呈现，可直接在 Colab 运行。
原文：https://github.com/datawhalechina/hello-agents
Trellis 引入 RadixAttention 提升长序列推理速度
开源推理框架 Trellis 发布 RadixAttention 技术，优化长上下文注意力计算。RadixAttention 通过复用中间状态与稀疏化策略，在长序列（如多轮对话、长文档）推理中减少了内存占用与延迟。对于需要运行大上下文 Agent 的团队，Trellis 提供了一个优化推理性能的落地选项。
原文：https://trellis.unfoldml.com/blog/radix-attention-intro
Supermemory：为 AI Agent 打造超快记忆引擎
Supermemory 开源了一个高性能记忆存储引擎与 API，为 AI Agent 提供跨会话、跨应用的持久记忆能力。它支持向量检索与结构化管理，让 Agent 在不同对话或任务间“记住”用户偏好与上下文。产品经理可以以此构建连贯的 Agent 体验，而非每次对话都从零开始。
原文：https://github.com/supermemoryai/supermemory
Vibe-Trading：用多智能体 LLM 做股票交易
港大团队开源 Vibe-Trading，一个基于多智能体 LLM 的金融交易框架。它集成了情绪分析、市场数据解读与交易决策功能，Agent 之间分工协作（例如分析师、交易员、风控员角色），模拟人类交易团队流程。适合量化研究者与 AI Agent 开发者探索多智能体在实际金融场景中的表现。
原文：https://github.com/HKUDS/Vibe-Trading
当 Hermes Desktop 让 Agent 操作你的鼠标，Memories 让 Agent 记住你的习惯，Vibe-Trading 让 Agent 替你买卖股票——你愿意把哪个任务交给开源 Agent？