腾讯开源翻译模型 HYMT2：最小 1.8B 可跑在手机上，专精复杂格式
腾讯开源多语言翻译模型系列 HYMT2，覆盖 18 亿到 300 亿参数，支持 33 种语言。该模型专门优化了指令遵循能力，能在翻译时严格保留占位符、JSON 及排版格式，最小的 1.8B 版本甚至能在手机端运行。
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
HRM-Text：花 1000 美元就能从零预训练 1B 推理模型
Sapient Intelligence 开源 HRM-Text 预训练框架，主打用约 1000 美元算力从零训练 1B 参数推理模型。它基于分层循环架构，号称算力减少 130 至 600 倍、数据需求降至千分之一，在 GSM8k 达到 84.7%。目前全套代码已在 GitHub 按 Apache 2.0 开源。
开发者开源 Claude Code 3D 工具包：单图生成完整场景与物理
开发者 Neilson 开源了一套适配 Anthropic Claude Code 的 3D 生成工具包。该工具仅需输入单张图片，即可自动生成包含网格、物理模拟、光照和音频组件的完整 3D 环境，让开发者在 Claude Code 中无需手动建模也能快速搭建 3D 场景。
Articraft 开源：让 AI 写代码生成能动的 3D 资产，带关节还自带测试
研究团队开源带关节 3D 资产生成系统 Articraft 及超 1 万个资产的数据集。它把 3D 建模转化成编程问题，由 AI 智能体写代码定义部件与铰链关节，并自动运行测试。生成结果能真正活动，大幅降低了机器人仿真和 VR 资产的制作门槛。
英伟达发布世界模型 SANA-WM：单张 5090 可 34 秒生成 1 分钟视频
英伟达发布交互式世界模型 SANA-WM，仅 26 亿参数即可将单张图像转化为可键盘漫游的 720p 视频。其蒸馏版本在单张 RTX 5090 上仅需 34 秒即可生成 1 分钟片段。官方表示权重即将开源。
ReactiveGWM 开源：给游戏世界模型加上 NPC，提示词也能控对手
研究团队开源游戏世界模型 ReactiveGWM。它将玩家按键操作与 NPC 策略解耦，允许玩家一边按键出招，一边用提示词指挥对手进攻或防守。模型基于 Wan 2.2 构建且相对轻量，可在本地中高端显卡上运行。
LTX-Video 迎来皮克斯风格 LoRA：一键把视频变成 3D 动画电影
开发者在 Hugging Face 上线适配 LTX-Video 的皮克斯风格 LoRA。该模型未采用影视原作版权素材，能赋予画面大眼睛与电影级光影等 3D 动画质感。模型支持触发词「P1x4r」，可在 Diffusers 或 Draw Things 中直接加载运行。
面壁智能开源 MiniCPM-V 4.6：1.3B 端侧模型，6GB 内存流畅跑
面壁智能联合清华大学及 OpenBMB 正式开源端侧多模态模型 MiniCPM-V 4.6。模型仅 1.3B 参数，约 6GB 内存即可在端侧设备流畅运行，性能超越同级 Qwen3.5-0.8B，计算 Token 消耗仅为其十九分之一。这大幅降低了端侧多模态部署门槛，一张消费级显卡即可完成微调。
开源图像模型 L2P 发布：砍掉 VAE 与潜空间，直接生成像素级画质
开源图像生成模型 L2P 发布。该模型彻底移除了传统扩散模型中的 VAE 和潜空间，直接在像素空间生成图像，最高可支持 4K 分辨率。最值得关注的是，它避免了潜空间转换造成的画质损失；目前已开源代码与 20GB 大小的 1K 分辨率模型权重。
SenseNova 开源 U1.5-8B：不用 VAE 解码，直接在像素空间出 4K 图
SenseNova 开源统一多模态模型 SenseNova-U1.5-8B-MoT，采用 Apache 2.0 协议。它跳过了传统的潜空间与 VAE 编解码步骤，直接在像素空间端到端生成原生 4K 图像，并支持通过自然语言修改文字与局部元素。不过模型权重约 50GB，本地部署对显卡要求较高。
Vivago AI 开源 HiDream-O1 Image：干掉 VAE，搞定 2K 文字与海报排版
Vivago AI 开源图像生成模型 HiDream-O1 Image，直接在像素空间端到端处理，去掉了传统的 VAE 架构。它最高支持 2048×2048 分辨率，不仅能做语义级编辑，还攻克了开源模型最头疼的文字渲染和复杂海报排版。模型提供完整版和轻量 dev 版，但 32GB 的体积对本地显存提出了较高要求。
开源 2B 文本转语音模型：几秒音频克隆声音，5GB 显存可跑且可商用
一款 20 亿参数的开源文本转语音模型发布，只需几秒音频即可实现零样本声音克隆，连耳语和结巴等细节也能还原。该模型支持跨语言合成，基础大小仅约 5GB，能在消费级显卡上运行，并采用 Apache 2 许可证完全开放商用。
Scenema Audio 开源：从 LTX 2.3 提取的语音模型，用舞台提示词演情绪
ScenemaAI 开源情感语音模型 Scenema Audio。它从 LTX 2.3 中提取出音频扩散架构，允许用舞台动作标签实时控制情绪起伏与环境音效，还支持零样本声音克隆。模型最低仅需 16GB 显存即可本地运行，支持 13 种语言。
开源动漫模型 Zanime 发布：60 亿参数全量微调，4 步极速出图
开源动漫图像模型 Zanime 正式发布，由开发者基于阿里 Z-Image Base 架构全量微调而成。模型拥有 60 亿参数，不仅提供 6GB 大小的 FP8 版本，还推出 4 步极速蒸馏版，8GB 显存也能轻松跑。它改用自然语言提示词替代传统 tag 列表，支持任意比例生图。
Anthropic 捐赠对齐测试工具 Petri：交由独立机构，发布 3.0 版本
Anthropic 宣布将开源 AI 对齐测试工具箱 Petri 移交给评估非营利机构 Meridian Labs，并更新至 Petri 3.0。新版本拆分了审计与目标模型，引入「Dish」插件模拟真实部署环境，并集成深度评估工具 Bloom。此举旨在确保对齐测试的独立与中立。
Google 为 Gemma 4 推出 MTP 草稿模型：推理最高提速 3 倍
Google 为 Gemma 4 系列模型推出多 Token 预测（MTP）草稿模型。该方案采用推测解码技术，由轻量草稿模型先行预测多个 Token，再由大模型并行验证，在保证质量零损耗的同时实现最高 3 倍推理加速。草稿模型已按 Apache 2.0 开源，支持 vLLM 与 Ollama。
book-to-skill：把技术书变成 Agent 技能，按需加载省下超 90% token
开源工具 book-to-skill 能将技术书或文档编译为符合 Agent Skills 标准的结构化文件。它一次性提取章节架构，后续按需调用对应章节，单次查询仅约 5K token，比整书塞入上下文省下 24 到 51 倍消耗。支持 Claude Code、Copilot CLI 等多端使用。
OpenAI 联合英伟达等开源 MRC 协议：微秒级绕开故障，让超算训练不掉线
OpenAI 联合 AMD、Broadcom、Intel、微软与 NVIDIA 通过 OCP 开源了 MRC 网络协议。它能将数据切片分散到数百条网络路径，并在微秒内绕开硬件故障。该协议已部署在 GB200 超算集群中，成功保障了多个前沿模型的平稳训练。
OpenClaw 为近期版本故障致歉：计划精简核心并在 5 月底推 LTS
OpenClaw 官方就 2026.4.29 版本出现的网关变慢、插件依赖修复死循环及多渠道卡顿致歉。问题源于将核心模块拆分至 ClawHub 过程中的过渡混乱。团队宣布将精简核心并明确插件边界，计划 5 月底推出 LTS 版本，同时在 OpenAI 协助下扩充维护团队。
Sprite-Pipeline：将 AI 视频转成游戏可用的 2D 精灵图动画
开源工具 Sprite-Pipeline 能将 AI 视频转为游戏可用的 2D 精灵图。它通过 FFmpeg 抽帧、抠图去背景，并拼成 256×256 的透明横向序列帧，可直接导入 Unity 或 Godot。项目还附带浏览器预览器与 AI 提示词规范，帮独立开发者低成本落地角色动画。