NVIDIA 开源 Nemotron 3 Embed：8B 模型登顶 RTEB，专治智能体检索低效
NVIDIA 发布开源商用嵌入模型家族 Nemotron 3 Embed，包含 8B 旗舰与两款 1B 轻量版本。其中 8B 模型登顶 RTEB 榜单，全系支持 32k 上下文与代码检索。它主打为智能体流程减少无效检索和多轮推理开销，1B 版本还针对 Blackwell 架构提供 NVFP4 硬件加速。
开源项目
Llama、通义千问、DeepSeek 等开源大模型的新版本，以及值得一用的开源数据集、框架和开发工具。
查看更新的新闻
Bolt 开源 Bolt Slides：把每页 PPT 变成能跑实时数据和 3D 的网页
Bolt 开源幻灯片生成工具 Bolt Slides。它打破传统静态幻灯片，将每页做成可交互的独立网页，支持接入实时数据、嵌入 3D 模型与产品原型。演示文稿以在线链接交付，除了在 Bolt.new 直接使用，也可配合 Cursor 等智能体本地运行。
xAI 开源编程智能体 Grok Build：支持纯本地运行与 MCP
xAI 宣布开源其编程智能体及终端界面 Grok Build，代码已上线 GitHub。它公开了从上下文组装到工具调用的完整执行机制，支持插件、MCP 服务器及子智能体。最值得关注的是，开发者可以完全本地编译并接入本地模型推理运行。
OpenMOSS 开源 MOSS-VL-Realtime：11B 实时视频模型，支持随时打断
OpenMOSS 开源 11B 实时视频理解模型 MOSS-VL-Realtime。它专为连续视频流设计，改变了必须读完全片才能作答的传统模式；支持用户在推流时随时提问打断，并在画面信息不足时主动静默或动态修正。
PrismML 发布 1-bit 模型 Bonsai 27B：首个塞进手机的 27B 多模态大模型
PrismML 发布多模态模型 Bonsai 27B，提供 1-bit 和 1.58-bit 两个版本并以 Apache 2.0 开源。1-bit 版本内存占用仅 3.9GB，比 FP16 缩小约 14 倍，可在 iPhone 17 Pro 上跑出每秒 11 token。这意味着原本依赖云端的 27B 级推理与代码能力，现在能脱网在手机本地跑。
Wan-Animate-2：阿里开源动画模型，一张图让任意角色随视频起舞
阿里巴巴开源角色动画模型 Wan-Animate-2，用户只需输入一张角色图片和一段参考视频，就能将动作、微表情和手指细节迁移到目标角色上，连非人角色和双人场景也能支持。模型基于 Diffusion Transformer 实现端到端生成并支持视角控制，代码与权重均已开放。
Amicro：基于 Motion 的 React 微交互组件库，支持 shadcn CLI 引入
Amicro 是一套面向 React 的微交互与转场组件库，基于 Motion 和 Tailwind CSS 开发。它支持直接通过 shadcn CLI 将 TSX 源码拷入项目中，主打硬件加速动画与零运行时开销，并支持暗色模式。项目遵循 MIT 协议完全开源。
Lucida：专抠玻璃与毛发的开源背景移除模型，不到 900MB
开源背景抠图模型 Lucida 发布。该模型体积不足 900MB，专门针对半透明玻璃、迷彩、文字阴影及发丝等常规模型容易翻车的边缘进行微调。项目代码、权重与数据集均按 MIT 协议完全开源，在普通消费级显卡上就能直接本地运行。
NVIDIA 更新超分模型 PID 1.5：几秒生成 2K 图像，细节色彩更准
NVIDIA 更新开源图像超分模型 PID 至 1.5 版本。该模型将潜空间解码与超分辨率合二为一，在消费级显卡上只需几秒就能将 512×512 图像转换至 2K，细节表现更锐利且色彩还原更准确。最关键的是它能与 FLUX、Qwen-Image 等主流生成模型无缝搭配，目前已开源权重并支持 ComfyUI。
Mirelo 联手 Kyutai 开源 MuScriptor：一首歌直接扒出全乐器 MIDI
Mirelo 与 Kyutai 联合开源多乐器音乐转录模型 MuScriptor。以前的工具大多只能转单轨独奏，它能直接吃下整首混音音频，把人声、鼓、贝斯和键盘等分轨转成独立 MIDI。微调与强化学习让准确率大幅提升，普通人做扒带或二次编曲省事多了。
蚂蚁旗下 Robbyant 开源 LingBot-World 2.0：实时生成可交互世界
蚂蚁旗下 Robbyant 开源世界模型 LingBot-World 2.0。它采用因果预训练实现长时交互且画质无明显衰减，蒸馏版本能以 720p 60fps 实时运行，还引入双 Agent 协同生成动作与环境。目前已开源 1.3B 和 14B 权重。
高通开源 Mobile-Wan：手机本地 20 秒生成 5 秒视频，体积不到 10GB
高通研究团队发布 Mobile-Wan，把阿里 50 亿参数的 Wan 视频生成模型搬到手机本地运行。通过分块生成、剪枝和 3 步采样蒸馏，手机无需联网即可在约 20 秒内生成 5 秒 480p 视频，模型权重仅 9.9GB。
MIRA 实时多人世界模型：单张 B200 跑 4 人联机，无引擎纯靠视频生成
研究团队发布交互式多人世界模型 MIRA，完全不依赖物理或渲染引擎，仅靠 50 亿参数的扩散模型生成画面。它由 1 万小时对战数据训练而成，单张 B200 即可支持四人 2v2 实时操作与联机，相关数据集和代码已开源。
腾讯开源 Hy3 混合专家模型：总参数 295B 激活 21B，专攻 Agent 编程
腾讯在 Hugging Face 等平台开源混合专家模型 Hy3，总参数 295B、激活 21B。该模型主打 Agent 编程与推理，支持 256K 上下文，内部实测幻觉率降至 5.4%。模型遵循 Apache 2.0 协议，并同步提供 FP8 权重。
开源工具 pxpipe 把文本压成 PNG：利用视觉计费规则，Claude 账单立省 70%
开源工具 pxpipe 被曝光。它利用 Anthropic 图片按像素而非字符计费的规则，把 Claude Code 的提示词与历史记录渲染成紧凑 PNG，平均节省 59% 到 70% 的 token 费用。不过图片读取存在有损解析与速度变慢的问题。
Mr. Flow 开源：图像生成提速 9 到 21 倍，完全免训练
免训练图像加速方案 Mr. Flow 开源并推出 ComfyUI 插件。它先在低分辨率下快速生成主体，再放大加噪并用高分辨率完成细节清理，无需重新训练即可将主流模型提速 9 到 21 倍，画质几乎无损。
LangChain 开源 OpenWiki：自动为代码库写文档，帮 Agent 掌握上下文
LangChain 发布开源工具 OpenWiki，可自动为代码仓库生成并维护 Wiki 文档。它只在 CLAUDE.md 等指引文件中写入引用链接，并借助 GitHub Action 随代码变更自动更新，避免把海量上下文硬塞进单个文件，让编码助手随时掌握最新项目逻辑。
微软开源 SkillOpt：把 Agent 技能当参数训，GPT-5.5 跑分涨 23.5
Microsoft 推出开源框架 SkillOpt，将 Agent 的技能文件视为模型外部的可训练参数。系统通过前向执行、反思更新与验证门控等机制自动打磨技能，不改动任何模型权重，让 GPT-5.5 的基准测试平均分提升 23.5 分。
OVOW 开源：一段普通视频，直接拆解成可物理模拟的 4D 场景
研究团队开源无需额外训练的 4D 场景重建系统 OVOW，能把单段普通视频拆解为带动画、可直接做物理模拟的独立 3D 资产。它串联 Qwen3-VL 与 SAM 3 等模型完成识别与姿态估计，导出完整场景。代码现已公开，受组件协议限制仅限非商业研究，且需 40GB 显存。
美团开源 1.6 万亿参数 LongCat 2.0：脱离英伟达硬件训出前沿大模型
美团开源 1.6 万亿参数 MoE 模型 LongCat 2.0，单 token 激活约 480 亿参数。最受关注的是，其超 35 万亿 token 的预训练完全基于 AI ASIC 超级集群完成，没有使用英伟达 GPU，证明前沿大模型训练能够依托替代硬件平台走通。