标签
Harry Stebbings 分享了一段观点，认为 AI 智能体运行框架（harness）应当与模型解耦以避免厂商锁定，因为框架负责处理数据、API 和记忆。他还称赞了 Benchmark 投资人 Miles Grimshaw 早期押注 LangChain 的眼光。
一条推广 OpenUI（@openuidev）的推文：这是一个开源、与模型无关的库，能为 AI 应用从自定义组件流式生成 UI，认为 Agent 需要比纯文本框更好的交互界面。
Gumloop 推出 Agent Browsers，一个托管的浏览器环境，让 AI 智能体可以操作那些没有 MCP 或 API 的网站——包括云端运行的浏览器、集成 1Password 的凭据保险库、持久化配置文件、实时查看与会话回放、隐身/代理会话，以及可复用的工作流。
该论文提出一个模型无关的框架，让冻结的LLM和VLM在部署后通过技能、知识记忆和多模态知识库三种外部经验形式持续学习，在六项医学基准上最高提升34.2%的性能，且可跨模型迁移。
Nous Research 发布了一份关于用户自有 AI 智能体的宣言：支持更聪明、更便宜、更本地的模型，支持对话中途切换模型，支持离线运行，对提示词、工具和推理过程完全透明，并且可以读取、修改和导出智能体的代码。其核心信息是主权、控制权和可迁移性——反对被封闭的专有智能体所束缚。
Garry Tan 惊喜地发现 Capy AI 具备跨会话协作能力：他的 GBrain 协作者 agent 主动发起了一波修复，同时还能避开他在多个 Capy 会话中正在进行的工作，避免冲突——而且全程不依赖任何特定模型。
Base Code 是 Base44 的早期预览产品，专注于代理时代软件开发的云和协作工具，并且它是模型无关的。
本文提出事件特征迁移（EST），这是一种无需训练、模型无关的算子，能够通过将历史事件的特征迁移至时序预测中，来构建预测场景。
CoRe 提出了一种模型无关的学习目标，用于多元时间序列预测，该目标使用频率连贯性和关系图损失来提高预测精度，优于标准方法。
这条推文强调了多模型AI的重要性，并宣布v0现在是模型无关的，允许用户通过Vercel的AI Gateway从多种AI模型中进行选择以开发应用程序。
fx 是一个开源、模型无关的编码代理工具，允许编排具有不同模型和推理能力的子代理，使用 Zig 编写以提升性能和可嵌入性。
Gumball被介绍为一个模型无关、主动且自我优化的系统，适用于私有云。
一位用户描述了他们使用 agents.md 和五个技能的模型无关软件工厂设置。
ProgramBench 是一个代理从头开始复现真实软件行为的基准测试。Factory 被宣布为最先进的逆向工程系统，在模型无关的长期代理方面取得了突破。
NVExplain 引入了一种模型无关的框架，通过分析潜在轨迹和语义流来解释时间序列预测，使用结构保持代理模型生成具有竞争力和稳定性的人类可读解释。
介绍 Anything 推出的 Skydive，这是一个全渠道、云原生且模型无关的平台，能够使 AI 队友在 Slack、电子邮件、iMessage 和 CLI 等不同渠道上无缝协作。
Turnstone是一个AI工作区，它整合应用程序和本地文件夹，创建一个个性化的第二大脑，使共享代理能够处理任务，同时保持数据本地化并运行在用户提供的模型上。
Coder Agents 是一个在企业控制的基础设施上运行 AI 编码代理的平台，提供集中化治理、模型灵活性和审计功能。
Benzi 是一个编程代理，通过查询代码库来理解和编写代码，在 SWE-bench Verified 上达到了 77.4% 的准确率，成本低于 30 美元，并且与模型无关。
本文介绍了RAEF，这是一种模型无关的检索增强时间序列预测方法，与微调方法相比，提高了准确性并减少了计算开销。