Google 开源 Gemma 4：换用 Apache 2.0 协议，26B 性能匹敌 20 倍大模型
Google 正式推出 Gemma 4 开源模型家族，全系采用商业友好的 Apache 2.0 协议。新系列涵盖从端侧 E2B、E4B 到 26B MoE 与 31B Dense 四种尺寸，上下文最高达 256K，并在 Arena AI 榜单上战胜多款 20 倍体量的大模型。开发者如今可以极低的硬件开销部署自主智能体工作流。
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
Netflix 开源视频模型 VOID：删掉物体，连带修好物理因果
Netflix 开源视频编辑模型 VOID，允许指定删除视频中的任意物体。最特别的是它会推导物理因果，抹去物体后让受影响的物体自然坠落、保持真实。模型权重与代码已全部公开，总大小约 22GB，本地运行需 40GB 以上显存的高端 GPU。
YouTube Shorts Pipeline：一条命令把标题做成视频，成本只要 0.1 美元
开源工具 YouTube Shorts Pipeline 支持用一条命令将新闻标题直接转成已发布的 YouTube 短视频。它串联了 Claude、Gemini、ElevenLabs 和 Whisper，单个视频制作仅需 3 到 5 分钟，API 成本约 0.10 美元，支持本地运行与预览调整。
OmniVoice 开源：支持 600 多种语言，几秒音频即可跨语种克隆
零样本语音模型 OmniVoice 正式开源。它支持超过 600 种语言，只需几秒音频就能克隆音色与语气，还能实现跨语种迁移，或通过提示词直接定制声音。最值得关注的是它直接将文本映射为声学特征，大幅拓宽了小语种覆盖。目前代码与模型均已公开。
Arcee AI 开源推理模型 Trinity-Large-Thinking：跑智能体便宜 96%
Arcee AI 开源推理模型 Trinity-Large-Thinking 并上线 API，采用 Apache 2.0 协议。新模型在响应前引入思考步骤，增强长程多轮工具调用；在 PinchBench 智能体基准上仅次于 Opus-4.6，输出每百万 token 仅收 0.90 美元。
ASI-Evolve 开源：能读论文、做实验并自我改进的 AI 科研智能体
中国研究人员开源了 AI 科研智能体框架 ASI-Evolve，代码与论文全量公开。它能自主阅读论文、设计实验、运行代码并分析结果，通过闭环机制持续自我迭代改进，尝试把 AI 研发流程完全自动化。
同事.skill：把离职同事炼成 AI，一键复刻语气与技术规范
开源项目「同事.skill」在 GitHub 走红。它支持导入微信、飞书等平台的聊天记录，通过「人格层」与「技能层」架构，快速生成前同事的数字分身，连特定语气和沟通习惯都能复刻。三天内狂揽 6.7k Star，目前还衍生出了导师、前任等系列项目。
H Company 发布电脑操作模型 Holo3：OSWorld 跑出 78.85 分，35B 版本开源
H Company 发布专用于操作电脑的智能体模型 Holo3。该系列基于 Qwen 3.5 强化，旗舰版 Holo3-122B-A10B 仅激活 10B 参数，在 OSWorld-Verified 评测中创下 78.85% 的新纪录；同时轻量版 Holo3-35B-A3B 已在 Hugging Face 开源并提供免费 API。
Gen-Searcher 框架开源：先联网搜参考图再出图，解决生图盲区
研究团队开源图像生成框架 Gen-Searcher。它利用搜索代理先在网上检索参考图与事实信息，再辅助出图，能解决特定角色、冷门地点和数据的事实盲区，且兼容开源与闭源底模。
OpenMontage：把 AI 编程助手变成全自动视频工作室
开源 AI 视频制作系统 OpenMontage 获 6.85 万星。它能接入 Claude Code、Cursor 等编程助手，仅凭一句提示词自动完成资料检索、分镜设计、素材生成与剪辑合成；开工前先看分镜并报价，制作 60 秒示例动画仅花费 1.33 美元。
开源语音克隆 LuxTTS：3 秒音频复刻声音，显存不到 1GB 还跑 48kHz
开源语音克隆模型 LuxTTS 发布，只需 3 秒音频就能准确复刻音色。它将推理压缩至 4 步，显存占用不到 1GB，在 GPU 上达到 150 倍实时速度且原生支持 48kHz 高清音频。这意味着普通电脑甚至纯 CPU 也能零门槛跑通高质量配音。
Midjourney 工程师开源 Pretext：用 AI 辅助编码，绕过 DOM 重排
Midjourney 工程师 Cheng Lou 开源排版库 Pretext。该工具仅 15KB 且零依赖，由 OpenAI Codex 与 Anthropic Claude 等 AI 工具辅助写成。它直接在前端计算多行文字排版，绕过耗时的 DOM 重排，能让文字实时环绕动态物体。
开源技能 clone-website：拆解组件规格并并行构建，像素级克隆网站
开源项目推出网站克隆技能 clone-website，输入指令即可抓取真实样式并像素级复刻网页。它将页面拆成 150 行以内的单独组件规格，并通过 git worktree 让 Agent 并行构建与视觉比对。这套工程流程解决了 AI 生成前端时靠猜间距、容易糊弄的问题。
Meta 发布 SAM 3.1：多目标跟踪提速 7 倍，128 个物体顺畅跑
Meta 发布视频与图像分割模型 SAM 3.1，引入共享内存机制 Object Multiplex。在单张 H100 上跟踪 128 个目标时，推理速度提升约 7 倍且不损失精度，并在 6 项视频分割基准上超越前代。模型权重已在 Hugging Face 开放申请。
微软发布 Babylon.js 9.0：支持分簇光照与高斯泼溅，显存降 40%
Babylon.js 正式发布 9.0 版本。新版引入分簇光照系统，让成百上千个光源在 Web 端保持流畅；同时上线帧图管线，部分场景 GPU 显存占用直降 40% 以上。此外还带来节点粒子编辑器，并在 Adobe 协作下深度支持高斯泼溅渲染。
Real Restorer 开源：42 GB 模型本地搞定老照片降噪与反光修复
开源图像修复模型 Real Restorer 发布。它专门修复模糊、噪点、压缩伪影、划痕与反光，并能增强黑白老照片，基准测试表现比肩顶级闭源模型。项目总大小 42 GB，已提供代码和部署说明，需配备高端 GPU 本地运行。
Cohere 开源语音模型 Transcribe：2B 参数可本地跑，支持 14 种语言
Cohere 开源首个语音识别模型 Transcribe。该模型参数量为 20 亿，支持消费级 GPU 本地运行，每分钟可处理 525 分钟音频，涵盖中英日等 14 种语言。其在 Open ASR 榜单字错率为 5.42，同时 Cohere 还提供免费 API 接入。
字节开源飞书 CLI：专为 Agent 设计，让 Claude Code 零配置接管飞书
字节跳动开源飞书官方命令行工具 Lark CLI。它覆盖日历、文档、表格、会议等 18 个核心业务，提供 200 多个命令与专用的 Agent 技能。最值得关注的是其 Agent 原生设计，让 Claude Code 等外部智能体无需繁琐适配，即可直接读写并操作飞书工作流。
DaVinci Magihuman：15B 开源视频生成器，原生自带音频
开源视频模型 DaVinci Magihuman 发布，这是一个 150 亿参数、原生生成带音频视频的统一模型。其自测基准和真人盲测表现均优于 LTX 2.3，且开箱即无审查。不过即使是蒸馏版体积也达 61GB，普通消费级显卡很难跑动。
阿里开源 PrismAudio：输入无声视频配音效，5 亿参数 0.63 秒搞定
阿里开源音效生成模型 PrismAudio。它将强化学习与思维链结合，先分析画面再生成声画同步的音效。模型参数仅 5.18 亿，生成 9 秒音频只需 0.63 秒，在多项基准测试和生成速度上均优于 MM-Audio 等数十亿参数竞品。