Ai2 推出 MolmoWeb：只看截图就能操作网页的开源智能体
Ai2 发布开源权重视觉网页智能体 MolmoWeb，提供 4B 和 8B 尺寸，完全依靠屏幕截图操作，不依赖 HTML 或无障碍树解析。配套开源的 MolmoWebMix 包含 3 万条人类浏览轨迹。其在 WebVoyager 等实时基准评测中超越同类开源对手。
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
字节跳动开源 DeerFlow 2.0：让多 Agent 进 Docker 沙箱替你干活
字节跳动开源 AI 代理调度中枢 DeerFlow 2.0。它能拆解复杂长程任务，自动派出子智能体分头执行研报、建站或视频生成。每个任务都跑在独立的 Docker 沙箱中安全执行，支持跨会话记忆，并可接入 DeepSeek、GPT-4 等任意模型，采用 MIT 协议开源。
Pascal Editor：在浏览器里跑的开源 3D 建筑编辑器，免装桌面端
Pascal Editor 是一款开源免费的浏览器端 3D 建筑编辑器，基于 WebGPU 和 React Three Fiber 构建。它支持墙体、楼板和区域的层级化实时编辑，依靠脏节点追踪技术调用本地显卡流畅渲染。用户无需安装动辄昂贵的专业桌面软件，打开网页就能堆叠拆解楼层并快速建模。
gsap-skills：让 AI Agent 帮你写规范的 GSAP 网页动效
GreenSock 推出官方技能库 gsap-skills，教 AI Agent 正确使用 GSAP 核心 API、时间轴与 ScrollTrigger 等功能写动效。它支持 Cursor、Claude Code 等 40 多款工具，能减少 AI 瞎编过时语法的问题。
MetaClaw：日常对话就能让智能体自动进化，空闲时云端更新权重
持续元学习框架 MetaClaw 开源，让大模型智能体能从每次真实对话中自动进化。它在调用间隙把失败经验提炼成新技能，并在用户闲置或睡眠时通过云端 LoRA 异步微调权重。最关键的是无需本地显卡且零停机，成功将 Kimi-K2.5 任务准确率从 21.4% 提至 40.6%。
Unsloth Studio：不用写代码，本地微调 500+ 模型还省 70% 显存
Unsloth 发布开源无代码工具 Unsloth Studio 公测版。它把数据制作、模型训练与本地推理整合进同一界面，能把 PDF 等文档直接转成数据集，训练速度翻倍且省 70% 显存。支持 500 多种模型，已在 GitHub 开源。
SegviGen：自动拆解 3D 模型部件，点选或给张图即可精准分割
SegviGen 开源了基于 TRELLIS.2 的 3D 部件分割框架。用户只需在模型上点选局部或上传 2D 参考图，就能自动把 3D 模型精准拆成独立零件。其交互分割性能比此前 SOTA 提升 40%，不过本地运行需要至少 24GB 显存的 Nvidia GPU。
Spark VSSR：谷歌开源视频超分辨率工具，全套权重与训练代码开放
谷歌开源视频超分辨率工具 Spark VSSR，可将低画质视频放大并锐化细节，适用于老电影修复与风景动画。项目开放了推理权重、全套训练代码与数据集，总大小约 42.2 GB，需高端 GPU 运行。这意味着开发者可以直接在本地微调和运行顶尖画质的视频放大管线。
Google 开源 Colab MCP Server：让任何 AI 智能体直接在云端跑代码
Google 开源 Colab MCP Server，允许任何兼容 MCP 的 AI 智能体直接通过命令行接管 Google Colab。智能体可在云端自动创建单元格、执行代码并生成可视化图表，让开发者免去本地算力瓶颈与代码执行风险。只需通过 uvx 配置即可让 Claude Code 等工具无缝接入。
开源架构 Mamba-3 亮相：推理延迟更低，性能比 Transformer 高 4%
卡耐基梅隆大学与普林斯顿大学研究团队开源了状态空间模型架构 Mamba-3。其 MIMO 变体在基准测试中取得 57.6% 的平均准确率，相对 Transformer 提升约 4%；它用一半的状态大小达到 Mamba-2 的质量，并引入复数值状态补齐推理短板，显著缩短 GPU 空闲时间。
Mistral 开源 Mistral Small 4：推理与多模态合一，仅 6B 激活参数
Mistral 发布开源模型 Mistral Small 4。它采用 MoE 架构，总参数 119B 且每 token 仅激活 6B，首次把推理、多模态与智能体编程集成到单一模型，支持 256k 上下文与可调节推理力度。相比前代延迟降低 40%，且在同等精度下输出更简短，大幅节约推理成本。
MiroMind 开源 MiroThinker-H1：把验证塞进推理，预测金价仅差 0.08%
MiroMind 开源深度研究智能体 MiroThinker-1.7 及旗舰模型 H1。模型引入双层验证机制，将审计直接嵌入推理过程，全尺寸达 2350 亿参数，另有 61GB 的 mini 版。它在 BrowseComp 等基准上超越了多款顶尖闭源模型。
阿里开源 Fun-CineForge：让 AI 配音对齐唇形与多角色
阿里开源影视配音模型 Fun-CineForge。输入视频与文本，模型通过引入「时间模态」识别角色并对准唇形，即便面部被遮挡也能卡准节奏发声。最值得关注的是它支持多角色自然切换，让自动配音真正做到了音画对齐。
清华开源 OpenMAIC：输入主题一键生成课程，AI 老师带 AI 同学陪你上课
清华大学开源互动课堂平台 OpenMAIC。输入任意主题或文档，系统就能一键生成课件、测验和交互模拟，并由会画白板、能语音讲解的 AI 老师和插话讨论的 AI 同学实时带练。它让自学从单向看视频变成了可提问、可辩论的虚拟教室，代码基于 MIT 协议开源。
NVIDIA 成立开源大模型联盟：联手 Mistral 打造 Nemotron 4
NVIDIA 宣布成立 Nemotron Coalition 开源联盟，联合 Mistral AI、Cursor、Perplexity 等团队研发前沿开源模型。首个项目是由 NVIDIA 与 Mistral 联合开发的基座模型，将在 DGX Cloud 上训练并完全开源，作为新一代 Nemotron 4 的底座。
腾讯开源 Covo-Audio：7B 端到端语音模型，支持全双工边听边说
腾讯开源 7B 参数端到端音频大语言模型 Covo-Audio-Chat。模型采用单一架构直接处理连续音频输入与输出，支持原生低延迟全双工交互，能做到边听边说和实时打断。代码与模型权重已在 GitHub 和 Hugging Face 开放。
Pulse of Motion：测算真实物理帧率，矫正 AI 视频的「计时幻觉」
研究团队开源 Pulse of Motion，专门解决 AI 视频动作过快或过慢的「计时幻觉」。该模型不到 2GB，能直接从画面运动推算出真实的物理帧率，并据此校正播放节奏。普通消费级设备就能跑，让 AI 画面里的动作真正符合现实物理规律。
Fish Audio 开源 TTS 模型 S2：台词内直接写标签，实现词级语音控制
Fish Audio 发布第二代开源语音模型 Fish Audio S2。它支持在台词中任意插入自然语言标签实现词级语气控制，首包延迟仅 100 毫秒，支持约 80 种语言。模型权重与微调代码已在 GitHub 和 HuggingFace 开源。
斯坦福开源本地 AI 框架 OpenJarvis：近九成日常查询可在端侧跑通
斯坦福团队开源本地优先的个人 AI 助手框架 OpenJarvis。测试显示，本地模型足以处理 88.7% 的日常单轮查询与推理，仅 11.3% 需调用云端。最值得关注的是，它将优化痕迹与能耗评测留在本地，让个人 AI 不再受制于外部服务器与隐私条款。
OpenClaw 暴露看板上线：超 107 万个实例裸奔公网，半数在中国
OpenClaw 暴露监控看板上线，追踪直接暴露在公网的活跃 OpenClaw 实例。数据显示全球裸奔实例已超 107 万个，中国占 50 万个，美国占 31 万个，部分还伴随凭据泄露。此类自主智能体权限极高，若无身份认证直接暴露公网，将面临严重安全风险。