字节开源 UI-TARS-desktop，GitHub 已经 3.8 万星。 本地原生 GUI Agent，用自然语言直接操控电脑和浏览器：看屏幕、点鼠标、敲键盘，支持本地/远程操作，跨平台，数据全本地跑。 旁边还有 Agent TARS 那一套 CLI + MCP，把 GUI 能力接到终端和真实工具链里。 真正能干活的开源多模态 Agent Stack。

开发者Hailey @IndieDevHailey ·
视频封面

更多来自 @IndieDevHailey

  1. #1

    Moonshot AI 发布 PerceptionBench 从42个现有基准的模型失败案例中，反向提炼出10项原子视觉感知能力（关系、计数、属性、深度、定位、比较、细粒度识别、上下文、OCR、幻觉），构建3000道纯感知、零推理的验证题。 彻底隔离感知与推理/知识 目前无模型总分破60% 感知幻觉是所有模型最弱项

    开发者Hailey @IndieDevHailey ·
  2. #2

    王虹拿下菲尔兹奖，很多人第一反应都是：“广西居然也能出这样的人才？” 在不少人眼里，广西好像就是贫穷、落后、资源枯竭的代名词，最多夸句风景好、米粉香。 但其实“龙芯之母”黄令仪、斯坦福纳米材料大牛崔屹、工程院院士庾石山、王双飞……这些名字，早就证明这里从来不是文化和科技的荒漠。

    开发者Hailey @IndieDevHailey ·
  3. #3

    用 codex 模仿一位博主个人网站，半小时成果

    开发者Hailey @IndieDevHailey ·
    视频封面
  4. #4

    因为不能拖欠AI的钱开始招程序员……

    开发者Hailey @IndieDevHailey ·
  5. #5

    Tolaria：本地Markdown知识库桌面端。 笔记就是普通md文件，整个库是git仓库。离线、无账号、无订阅、不锁死。 作者自己拿它管一万多条笔记。键盘优先，AI直接当上下文用。 开源，跨平台，装完就能跑。

    开发者Hailey @IndieDevHailey ·
  6. #6

    输入一张照片，输出一个用代码生成的3D模型。 img2threejs 拿一张参考图，把里面的物体或角色，用基础形状和程序着色，一步步搭成高质量、能直接动画的 Three.js 模型。 不扫模、不下载素材、不导入现成网格。 全程分阶段把关，AI 边渲边对比检查，不过关就自己改。

    开发者Hailey @IndieDevHailey ·
    视频封面

查看 @IndieDevHailey 的全部帖子