微软开源 Resource2Skill：把教程视频蒸馏成 Agent 能跑的技能库
微软开源 Resource2Skill，能将教程视频、代码与文章自动蒸馏为智能体可调用的执行技能。提取的技能包含代码与视觉示例，挂载在 MCP 服务器上，支持智能体自主产出网页、PPT、Excel 及 Blender 场景，实测性能提升 11.9 个百分点。
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
BrowserBC 开源：把网页操作提炼为「技能卡」，做 Agent 版按键精灵
Einsia AI 旗下 Navers Lab 开源 BrowserBC。它先完整录制人类在浏览器中的操作与页面反馈，再由模型转写成说明书式的自然语言「技能卡」，供任意智能体在真实页面上自主执行，而非死板复刻点击坐标，相当于 Agent 时代的「按键精灵」。
Ornith 1.0 开源：让模型自造脚手架写代码，最高 3970 亿参数
开源模型家族 Ornith 1.0 正式上线，专为智能体编程设计，覆盖 9B 到 397B MoE 规格。它最大的亮点是能在强化学习中自主生成引导解题的脚手架框架，在 SWE-bench Verified 等测试中比肩前沿大模型。全套权重及 21GB 的 GGUF 量化版已在 Hugging Face 开源。
Meta 开源设计系统 Astryx：支撑内部 1.3 万个应用，专为 AI 智能体设计
Meta 开源了内部演进 8 年的设计系统 Astryx，它支撑了 Meta 内部超过 1.3 万个应用。系统基于 React 19 构建，包含 150 多个无障碍组件与专用 CLI。最值得关注的是它专为人机协作打造，统一了规范与文档，让 AI 智能体也能精准理解和调用。
Hermes Agent 新增 /learn 命令：给代码或文档，自动提炼可复用技能
Nous Research 为 Hermes Agent 引入 /learn 命令，用户只需提供本地目录、网页 URL 或刚才的对话记录，智能体就会利用自带工具将其提炼为规范的技能文件。该功能不依赖额外的提取引擎，在本地、Docker 和远程环境都能直接把临时操作变成可复用能力。
Krea 开源 Krea 2 图像模型权重：分微调版 Raw 与快速版 Turbo
Krea 宣布开源图像生成模型 Krea 2 的权重，推出 Raw 与 Turbo 两个版本。Raw 是训练中期的未蒸馏模型，专供开发者微调；Turbo 则是蒸馏后的快速版本，兼顾速度与审美多样性。这意味着外部开发者可以直接本地部署并做定制开发。
Domain Shuttle：输入参考图生成视频，多角色跨风格也能保持一致
开源视频生成项目 Domain Shuttle 发布，支持输入多张参考图生成视频并保持主体一致。它能把真人、2D 动漫和 3D 角色放进同一场景互动，还支持通过文本跨风格转换。模型基于 Wan 2.2 构建，权重约 35GB，已在 GitHub 开源代码。
InternScience 开源 Agents A1：35B 智能体模型，部分基准逼近万亿巨头
InternScience 开源 350 亿参数的混合专家智能体模型 Agents A1，专为长流程自主任务和工具调用打造。它在 GAIA、Frontier Science 等测试中逼近甚至超越部分万亿级大模型，且提供仅 21GB 的量化版本，能在消费级硬件上本地离线运行。
Liquid AI 发布 LFM2.5 检索模型：350M 参数支持 11 种语言
Liquid AI 发布两款 350M 参数的多语言检索模型 LFM2.5-ColBERT-350M 与 LFM2.5-Embedding-350M，支持阿拉伯语、日语等 11 种语言。二者分别针对极速检索和高精度匹配设计，在 NanoBEIR 评测中拿下同类第一，并提供 GGUF 格式支持端侧运行。
Ai2 开源 MolmoMotion：听语言指令预测 3D 物体轨迹
Ai2 推出 3D 运动预测模型 MolmoMotion 及 116 万条轨迹数据集。它基于 Molmo 2，输入视频首帧、指定点与文字指令，即可预测物体未来数秒在 3D 空间中的运动轨迹。在模拟抓取任务中，其成功率达 76.3%，还能用于辅助可控视频生成。代码与权重均已开源。
PermaVid：拆分外观与 3D 结构记忆，解决 AI 视频编辑「改完就忘」
视频编辑框架 PermaVid 开源，专门解决 AI 视频编辑里的时序一致性难题。它把空间上下文拆分成外观和 3D 深度结构两个独立记忆库，不管是全局换风格还是局部改物体，都不会丢失原有的几何结构，代码已支持本地部署运行。
Kimi 开源 Kimi-K2.7-Code：万亿参数 MoE 架构，对标顶级闭源模型
Moonshot AI 开源代码模型 Kimi K2.7 Code。该模型拥有 1 万亿总参数和 320 亿激活参数，权重文件近 600GB，思考 Token 消耗比前代减少约 30%。它针对复杂长周期编程任务优化，在多项基准上逼近 GPT-5.5 和 Opus 4.8。
Zyphra 开源语音模型 ZONOS2：8B 参数 MoE，支持 44.1 kHz 声音克隆
Zyphra 开源语音合成模型 ZONOS2，采用总参数 80 亿、激活 9 亿的 MoE 架构，基于超 600 万小时音频训练。它能以低延迟实现 44.1 kHz 高保真声音克隆，首批支持中英日等多种语言，遵循 Apache 2.0 协议并提供本地推理服务。
Google 发布 DiffusionGemma：改用文本扩散，生成提速 4 倍
Google 开源实验模型 DiffusionGemma。它摒弃逐字生成，改用文本扩散一次并行输出 256 个 token，在 GPU 上推理提速最高 4 倍，单张 H100 每秒超 1000 token。该模型为 26B MoE 架构，量化后可塞进 18GB 显存，但输出质量略逊于标准 Gemma 4。
普林斯顿发布开源图像模型 i1：30 亿参数，代码与配方全公开
普林斯顿大学开源了 30 亿参数的图像生成模型 i1，同时公开训练代码、推理代码及完整数据处理管线。它大小约 12GB，能在消费级设备运行。其最大价值不在于刷榜，而是为开发者从零训练图像模型提供了一套彻底透明的公开方案。
SCAIL-2 开源：支持多角色与动物动作迁移，打斗场景也能稳住
ZAI 开源视频动作迁移模型 SCAIL-2，无需中间骨架即可实现端到端角色动画。它支持多角色大幅度打斗与角色替换，甚至能把动作迁移给火烈鸟或夸张身材的异形生物。不过模型权重总计达 81GB，普通消费级显卡需要等待量化版本。
dots.tts：小红书开源 2B 语音模型，支持零样本声音克隆
小红书开源 2B 参数端到端语音合成系统 dots.tts。它采用全连续自回归架构与 48 kHz AudioVAE，不使用离散 token，在评测中展现出极低的词错误率与高说话人相似度，支持语音克隆与精细编辑。代码和权重按 Apache-2.0 协议开放。
Google 发布 Gemma 4 QAT 模型：手机就能跑，E2B 显存压到 1GB 内
Google 发布 Gemma 4 系列的量化感知训练（QAT）模型权重。通过在训练阶段模拟量化，大幅降低模型压缩带来的质量损耗，并将 Gemma 4 E2B 纯文本模型的内存占用压至 1GB 以内。权重已上线 Hugging Face，支持本地消费级设备直接流畅运行。
Google 开源实时音乐模型 MRT2：延迟 200ms，Mac 本地就能弹
Google 开源实时音乐模型 Magenta RealTime 2。它能在搭载 Apple Silicon 的 Mac 上本地运行，延迟约 200 毫秒，支持通过 MIDI、音频和文本实时弹奏控制。它把生成式音乐做成了可嵌入编曲软件的即兴乐器，不过目前仅支持纯音乐，无法生成人声。
Boson AI 发布 Higgs TTS 3：文本加标签调语气，权重已开源
Boson AI 发布语音合成模型 Higgs TTS 3，并在 Hugging Face 开源模型权重。它支持在文本流中直接插入标签，实时控制情绪、语速、音高和停顿，覆盖 100 多种语言。开发者给语音 Agent 配音时，能像导演调演员一样掌控语气细节。