谷歌推 Gemini 3.8 Flash，Meta 开源 Muse Spark 1.3
项目 1：agent-fleet-manager
一句话新闻：一个用于大规模重复信息收集的通用引擎发布，一周不到已获 168 star。
亮点 自带任务队列与失败重试，把采集、解析、汇总拆给多个 worker 并行，无需自己写分发逻辑。 做什么 给需要周期性抓取大量公开网页或调用 API 的团队提供统一调度入口，支持横向加机器扩容。 上手 按仓库 README 安装，入口见原文链接。 适合谁 要维护舆情监控或价格比对爬虫的后端工程师。 提醒 项目刚开源，生产使用前需要自行压测任务分配与重试策略。
类型: 库 · ★ 168 · 可直接上手 · dreamers-laboratory/agent-fleet-manager (Python) · 打开仓库
项目 2：ComfyUI-H3VAE_TRT
一句话新闻：ComfyUI 插件让 MiniMax-H3 的 VAE 支持 TensorRT 加速，官方称速度提升最高 1.7 倍。
亮点 直接封装好 ONNX/TRT 推理后端，省去自己转模型和手写高性能推理代码的环节。 做什么 给 ComfyUI 补上 H3 VAE 的加速能力，在视频与图像解码时降低显存占用和出图时间。 上手 按仓库 README 安装，入口见原文链接。 适合谁 在 ComfyUI 里跑视频生成，并对出图速度敏感的算法工程师。 提醒 底层依赖 TensorRT 环境，非 N 卡用户基本无法直接使用。
类型: 应用/工具 · ★ 155 · 可直接上手 · lihaoyun6/ComfyUI-H3VAE_TRT (Python) · 打开仓库
项目 3：Fable 5.1 World Modeling
一句话新闻：游戏引擎厂商 Fable 开源 5.1 版世界模型，在 Hacker News 上获得 145 热度。
亮点 不只生成静态场景，5.1 版重点加入了交互逻辑，能模拟物体状态变化，而非单纯文生图。 做什么 为游戏 NPC 行为或具身智能实验提供可编程的轻量世界模拟环境。 上手 按仓库 README 安装，入口见原文链接。 适合谁 做玩法原型的技术美术与仿真工程师。 提醒 接口与 Fable 商业版不完全兼容，迁移旧项目需要额外改动。
★ 145 · 可直接上手 · Fable 5.1 World Modeling · 查看原文
项目 4：image-prompt-reverse
一句话新闻：为 Codex 准备的高保真图像提示词逆向技能发布，登上 GitHub 热榜 136。
亮点 针对 Codex 的代理操作模式做了专门优化，反推结果会把风格、主体、参数分层输出。 做什么 输入一张图片，让 Codex 自动生成一段能高度复现该画面风格的提示词。 上手 按仓库 README 安装，入口见原文链接。 适合谁 靠 Stable Diffusion/Midjourney 出图，并常需要还原他人风格的设计师或独立开发者。 提醒 本质是近似还原，对复杂构图和依托私域 LoRA 出图的画面会明显失真。
类型: 库 · ★ 136 · 可直接上手 · LunarXuan/image-prompt-reverse (?) · 打开仓库
项目 5：Gemini 3.8 Flash
一句话新闻：谷歌发布 Gemini 3.8 Flash 与 Flash Cyber，前者主打低延迟推理，后者盯上网络安全赛道。
亮点 Cyber 版针对日志审查、漏洞研判做了专门增强，且推理成本低于标准 Pro 型号。 做什么 为高频低延迟应用提供大模型 API，其中安全版支持私有部署，避免上下文外泄。 上手 按谷歌官方文档在 Google AI Studio 中启用，入口见原文链接。 适合谁 做客服助手或安全事件响应工具的开发者。 提醒 Flash 系列快在速度，复杂的数学推理与长链路任务仍是明显短板。
★ 830 · Gemini 3.8 Flash and 3.8 Flash Cyber · 查看原文
项目 6：Muse Spark 1.3
一句话新闻：Meta 发布 Muse Spark 1.3 轻量多模态模型，主攻图文混合生成，热度冲到 396。
亮点 1.3 版本大幅改善图文一致性，同时能跑到端侧设备，离线也可完成推理。 做什么 让 App 直接具备“看图改文、按文改图”的能力，无需把用户数据传上云端。 上手 按 Meta 官方文档申请权重，入口见原文链接。 适合谁 正在做跨平台创意工具或移动端应用的客户端开发者。 提醒 它与 Llama 系列完全独立，无法复用 Llama 的微调工具链，迁移成本不低。
★ 396 · Muse Spark 1.3 · 查看原文
今日观察
谷歌与 Meta 同日更新轻量或场景化大模型，是可跟进的新信号：模型竞争正从预训练转向推理与场景适配。对开发者的实际含义是，选型不应只盯通用榜单，而应按任务找专用版本。