学习与研究综合合集

AI Systems Atlas：可运营 AI 系统与模型的策展目录

katagun/ai-systems-atlas · Curated atlas of operational AI systems, agents, frameworks, memory systems, licenses, and evidence

GitHub原文发布未知首次收录 2026-10-03上架 2026-10-03 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

AI Systems Atlas 是一个经过编辑审核的目录，收录可运营的 AI 系统、与供应商无关的模型发布及其开发实验室、连接系统的规范、托管推理服务、自托管推理运行时、宿主 Agent 可安装的 Agent 包，以及有据可查的 AI 机器人。目录以静态网页形式发布，所有审核记录同时以无密钥、无限速的 JSON 形式提供；仓库包含编辑目录、校验与刷新自动化脚本，以及无依赖的静态 Web 界面，并区分来源元数据与 Atlas 审核记录。

# 模型发布 # 推理服务 # 目录 # AI 系统 # 策展数据

核心能力与快速开始

★ 1 · HTML

能做什么: 提供 AI 系统、模型、实验室、规范、托管推理服务、本地运行时、Agent 包与 AI 机器人的策展目录；包含编辑评分、许可证证据、分类体系与覆盖情况文档；发布经过审核记录的 JSON 数据集（无密钥、无限速），提供静态 Web 界面浏览；仓库含数据校验、刷新同步、度量脚本与测试（Python 单元测试、Web 逻辑测试、浏览器 E2E）。
适用场景: 用于发现和对比可运营 AI 系统、模型发布与推理服务；为 Agent 或工具链提供结构化 JSON 目录数据；了解某项目的许可证与来源证据情况；作为 AI 系统分类与策展实践的参考。
项目形态: 资料合集
部署方式: 可本地运行静态 Web 界面（文档给出 uv/npm/Playwright 相关命令与本地服务端口）；官方公开浏览地址为 peacefulcoexistance.com。其他部署条件未说明。
主要依赖: 文档标注 Python 3.12+，并使用 uv、npm、Playwright；具体硬件与运行环境要求未说明。
使用限制: 目录内容为策展与元数据记录，不含 AI 系统本身的功能实现；评分仅限所声明的运维或执行能力维度，不跨类别比较，规范、Agent 包、实验室与机器人为不计分记录；模型来源记录不附带编辑评分；数据时效性与覆盖范围受审核流程限制；未说明运行成本或商用许可细节（除仓库自身代码 Apache-2.0、目录数据 CC BY 4.0 及 models.dev 快照为 MIT）。
许可证: Apache-2.0
最近推送: 2026-10-02 09:27

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-03 07:00 · 卡片整理：2026-10-03 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

程序员可通过该目录检索可运营的 AI 系统、Agent 框架、记忆系统、托管推理服务与自托管推理运行时，并借助其无密钥、无限速的 JSON 接口获取审核记录，用于技术选型与集成调研。

查看内容依据

AI Systems Atlas is a curated directory of operational AI systems, provider-independent model releases and the labs that develop them, the specifications that connect systems, managed inference services, runtimes you host yourself, unscored agent packs a host agent installs, and unscored AI robots recorded for what their makers document.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

产品经理可浏览该目录了解可运营 AI 系统、模型发布、推理服务与 Agent 包等生态现状，作为 AI 产品规划与竞品调研的参考。

查看内容依据

One Directory surface discovers systems, the complete models.dev source catalog, inference services, and local runtimes while preserving the distinction between attributed source metadata and Atlas-reviewed records.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Awesome Grok Bot：Grok Bot 实时分享案例与技能目录

该项目收录了 3248 个公开可预览的 Grok Bot 实时分享（live shares），按工作场景分组（编程与发布、收件箱与日历、研究与简报、客户与销售、财务与运营、内容与发布、个人事务、团队协作等），并配有双语说明、可搜索站点以及来自真实使用者的实践案例与注意事项。它本身不是提示词堆砌，而是可检索的目录与导航资源，帮助用户找到分享并了解他人如何实际运行这些 Bot。

Ripasso Uni：面向考试的每日间隔复习 Web 应用

Ripasso Uni 是一个用于备考的每日间隔复习网页应用：每个工作日（周日到周五）解锁一课，支持逐课做笔记、浏览历史记录，进度保存在浏览器 localStorage 中。内容分两条线：AI/ML（LLM 基础、RAG 类型、Agent、嵌入与检索、聊天机器人架构）与产品管理。它由 curriculum.yml 和 lessons/ 通过 build-app.py 静态构建出 index.html，纯客户端运行，无后端、无账号。

Kev：可自行训练与部署的轻量决策模型家族

Kev 是一组基于 Qwen3.5/3.8 构建的小型决策模型（0.8B、4B、9B、27B），用于在同一请求中回答是/否、单选和评分类问题，并输出经校准的概率分布。项目提供预训练权重与本地训练流程，支持在自己的标注数据上微调、在 CUDA/Apple Silicon 上本地推理，并能通过 Modal 一键部署为 HTTPS 端点；其 API 与 TypeSafe System One 兼容，现有 Python SDK 可直接迁移使用。

Anthropic 第三季度大部分收入来自半年前几乎还不存在的模型

Anthropic 在周一提交了 S-1 文件，准备以 ANT 为代码在纳斯达克上市。文件显示，截至 9 月 30 日的半年内发布的模型，贡献了第三季度超过 80% 的收入，公司称客户花费与模型发布节奏和能力提升紧密相关。但文件没说每个模型具体赚了多少，也没说有多少客户真的切换到了新模型，少数重度用户（比如 Claude Code 企业客户的花费约为其他企业用户的 20 倍）就可能撑起大部分收入。对开发者来说，这提醒我们：别默认选最强最贵的模型，先看看更小更便宜的模型能不能完成任务。Reuters 援引投资者会议消息称其第三季度收入为 168 亿美元，但 S-1 本身未说明每个模型收入、客户迁移比例，也未说明商业需求是否影响了其前沿 AI 发展节奏的安排。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。