開源桌面應用 Hob 發布：本地模型處理檔案，資料不出本機
Hob 是一個 MIT 許可的 Mac、Windows、Linux 桌面應用，用開放權重模型（目前 Gemma 4 與 gpt-oss）在本機讀寫資料夾、跑沙箱 Python、識別圖片，聊天和檔案都不離開系統。首次安裝會自動挑選適合當前硬體的模型，聯網部分只有基於 SearXNG 的網頁搜尋（可在設定裡關閉）和使用者自行新增的 MCP 聯結器。程式碼沙箱只能寫入當前會話資料夾、預設無網路；作者稱 16GB 以上記憶體的機器表現較好。
在多數本地 AI 客戶端仍預設呼叫託管模型的背景下，給出跨平台、MIT 許可、能讀寫本地檔案並執行沙箱程式碼的桌面方案，對在意隱私、想在本機跑 Gemma 4 或 gpt-oss 的人有直接參考價值。
原標題：Show HN: Hob - Open-source, on device alternative to Claude Cowork and ChatGPT
閱讀原文
| 評分 | 58 / 52（平均 55，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
Honeycomb 用六張固定平面為影片世界模型做恆定大小記憶
Honeycomb 提出用六張固定尺寸的二維特徵平面（HexMemory）儲存場景，讓影片世界模型的記憶不隨影片長度增長。預設配置為 512 解析度、特徵秩 48，約 73.9 MB；降到 256 解析度後僅 19.8 MB，閉環 PSNR 只從 17.22 dB 微降到 17.10 dB。在 WorldScore 閉環重訪測試中它取得最佳結果：PSNR 17.22 dB、SSIM 0.504、光流誤差 3.00 畫素，明顯優於 Spatia 的 6.64 畫素。
面壁開源 MiniCPM-V 4.7：35B MoE 約 3G 記憶體跑在手機上
面壁智慧與 OpenBMB 開源 MiniCPM-V 4.7，其中 35B-A3B 是 MiniCPM-V 系列首個 MoE 模型，約 3G 記憶體就能在 iOS、安卓裝置上流暢執行，iPhone 17 Pro Max 上解碼速度超過每秒 13 個 token。另有實際引數 1.3B 的 1B 版本，主打 OCR、數學與影片理解。
Google 開源 Harness²，讓 Agent 在執行中改進自身腳手架
Google 開源了 Harness²，這是一套雙層遞迴框架，讓 Agent 在執行時自行修改腳手架、系統提示詞、工具鏈與技能庫。它在沒有標準答案時，用 Propose–Probe–Compose 對改動做行為對比篩選，並把除錯經驗寫進經驗庫，供後續任務檢索複用。實測 GLM-5 在 OpenCode 下執行 WorkBuddy-Bench，得分從 64.2 升到 75.7（+11.5 分），反超未改腳手架的 Gemini 3.5 Flash（72.4）；
兩臺 128GB Strix Halo 迷你主機各跑一個 300B 級 MoE 模型
Kyojin 引擎基於 ExLlamaV3 為 AMD Strix Halo（gfx1151、ROCm）打造，讓 GLM-5.3-Flash 與 MiMo-V2.6-Flash 兩個 300B 級 MoE 模型分別裝進單臺 128GB 迷你主機。實測在 Ryzen AI Max+ 395 上，GLM 預填充 580 tok/s、解碼 26-30 tok/s，MiMo 解碼最高 44 tok/s（程式碼場景）。
無界動力開源 7B 世界模型 MWA-Phoenix，六項評測同時登頂
無界動力發布並開源端側 7B 隱空間世界模型基座 MWA-Phoenix，在 LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0 與 RoboDojo 真機榜六項評測同時登頂。模型僅以 RGB 輸入、不用深度真值也不依賴 Agent：LIBERO-Plus 成功率 94.63%，Bench2Dex 平均 45.6%，領先對照模型 π0.5 17.3 個百分點。