非常感谢你分享这个！看到MiniCPM5-2B被用在这样的实际多智能体流程中，真的很酷，特别是这些工人通过工具调用来处理匹配、短款支付、重复参考和争议。非常欣赏你为测试和文档所付出的努力，这是社区的一个很好案例。Joey：接下来在Spark

这太棒了！用 Pi Zero 运行整个感知栈，并将 MiniCPM-o4.5 在实时中，是非常酷的应用案例。看到与个人机器人的实时互动真是太酷了！Mr Goodman：我的机器人有了眼睛和耳朵。我将 Raspberry Pi Zero W2

现在AI时代，信息更新太快，保持同步很重要。开发者@markfenner 做了个叫MiniCPM News Desk的本地新闻速报系统，用MiniCPM5-2B驱动。它能收集官方AI和技术更新，挑出最相关的部分，整理成结构化的每日摘要。它不

超喜欢 @aijoey 的这个研究代理设计：GPT-6 负责协调，而 MiniCPM5-2B 在 DGX Spark 上本地运行，读取资料并提取可追溯的证据。这是一个将前沿推理与紧凑高效的模型结合，实现透明研究流程的绝佳例子。🔍 Joey：

超喜欢这个演示！把MiniCPM5-2B跑在本地Mac上，让模型对比一份旧的用药清单和一份更新的病程记录，结果准确地把萘普生保留在用药史里，没放进当前用药导出列表——每个数据连接都可追溯来源。这正是我们希望模型能支持的、细致严谨的本地化临床

RT 吉他猫 + LLM：我们期待一起搭建的推理框架，能讲清楚为啥优化有效，条件变了又为啥失效。把反常结果追到能解释、能复现，再把这些认识写到代码和测试里，本身就是扎实的系统工程，也正是我希望更多朋友在 SGLang Omni 里一起完成的

我试着在老电脑上运行小模型，给@OpenBMB的MiniCPM5-2B安排了个简单任务。配置是i5-9400F+16GB内存+Linux。我建了个AI科技新闻摘要系统，每小时收集一次，每天通过Telegram推送24小时内的重点新闻和链接，

介绍一下AREX，这是北京智源研究院的研究成果。它处理难题不是简单搜索，而是分步解决：先拟定方案，逐项检查条件，再回头补全遗漏。模型参数1220亿，激活参数100亿。在复杂搜索任务中表现媲美GPT-4。具体流程如下👇

具身人工智能演示进展迅猛，但高基准分数到底能反映多少物理现实？推出FlagEval-Robo——一个开放的双轨评估套件，连接仿真与现实执行。我们在严格对齐的条件下，系统地对12个领先的开源权重模型做了后续训练和压力测试。下面是我们的发现👇

Anthropic推出了Claude 5.5系列中的第二个模型Sonnet 5.5，该模型生成速度比前代快30%以上，每任务成本降低30%，在知识工作基准测试中几乎与Opus 5.5匹敌。在Terminal-Bench编程基准测试中，其表现从10.3%跃升至7...