字节开源 Helios：单张 H100 实时生成 1 分钟长视频，跑出 19.5 帧
字节开源 14B 实时视频生成模型 Helios，在单张 H100 上生成速度达 19.5 帧/秒，最长可生成 1 分钟长视频且画风不崩。最值得关注的是，它无需繁复外挂手段就解决了长视频画质漂移难题。相关运行管线与代码已开源至 GitHub。
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
Paperclip 开源框架：把 Agent 编成公司，人类只需当董事长
开源编排框架 Paperclip 尝试将多个 AI Agent 组织成自主运作的「虚拟公司」。用户只需设定商业目标与预算，系统会通过职位架构、工单和心跳打卡机制让各层级 AI 拆解执行。虽然全自动营利目前更像模拟经营，但其组织与治理机制为一人创业提供了新思路。
Kiwi-Edit 开源：打字或给参考图，就能对 720p 视频增删改
Showlab 开源视频编辑框架 Kiwi-Edit，完整公开代码、模型与数据集。它结合多模态大模型与 5B 视频扩散 Transformer，支持通过自然语言或参考图在 720p 分辨率下完成物体增删、背景替换和风格迁移。最值得关注的是其时序连贯性优秀，为开源视频编辑提供了统一工具链。
阿里发布 Qwen3.5 小模型系列：0.8B 到 9B，专为端侧打造
阿里通义千问团队发布 Qwen3.5 小模型系列，涵盖 0.8B、2B、4B 和 9B 四个尺寸并同步提供 Base 版本。该系列沿用原生多模态架构并升级强化学习，主打边缘设备运行与轻量智能体，在更低算力消耗下提供实用智能。
Spectrum 开源：预判扩散轨迹，让图像视频模型提速超 4 倍
字节跳动与斯坦福大学研究团队开源扩散加速框架 Spectrum。它通过切比雪夫多项式预判未来的特征轨迹，无须重新训练即可叠加到现有流程中，让 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成质量几乎不受影响。
Google 开源 Workspace 命令行工具 gws：把全套办公套件喂给 AI 智能体
Google 开源 Workspace 统一命令行工具 gws，让开发者与 AI 智能体能直接操控 Gmail、Drive、Docs 等全套服务。它的命令基于接口动态生成并输出结构化 JSON，内置 40 多个智能体技能，方便大模型直接接管办公流。
Microsoft 开源 VibeVoice-ASR：单次转录 60 分钟音频，自带说话人识别
Microsoft 在 Hugging Face 开源语音识别模型 VibeVoice-ASR。它能在 64K 长度内一次性处理长达 60 分钟的连续音频而无需切片，同步输出说话人、时间戳与转录文本，同时支持自定义热词和 50 多种语言的混说转录。
Pinchtab：12MB 文件接管 Chrome，给 Agent 省 13 倍 Token
Pinchtab 推出专为 AI 智能体设计的轻量级浏览器控制工具。这个仅 12MB 的 Go 二进制文件能零配置接管 Chrome，并通过通用 HTTP API 提供操作，支持 stealth 反爬模式。它把 Token 消耗从 1 万压到 800，任何编程语言都能直接调用。
WildActor：用 3 张参考图搞定视频人物一致性，动作再大也不走样
美团团队开源人物视频生成项目 WildActor，支持通过 3 张参考图实现多视角身份保持。它适配开源模型 Wan2.2-5B，无论真人还是卡通角色，在大幅动作下都能维持面部与服装高度一致，并同步开源了 Actor-18M 数据管线。
开源项目 SynapsCAD 亮相：打造 CAD 版 Cursor，点 3D 零件就能改代码
开源项目 SynapsCAD 打造了一个 CAD 领域的 Cursor。界面左边写 OpenSCAD 代码，右边实时渲染 3D 模型，用户点选模型零件即可让 AI 顺着上下文修改对应代码。最值得看的是它坚持「代码即唯一真相」，AI 生成的始终是可读、可版本管理的代码，而非黑盒几何体。
OpenAI 开源 Symphony：自动把看板任务派给 Codex，写完还录演示自证
OpenAI 开源自主编程调度工具 Symphony。它能监听 Linear 等看板任务，自动分配隔离工作区并调用 Codex 编写代码，最后输出测试结果与演示视频供人类验收。团队从此不用全程盯梢 AI 编程，只需在看板管理需求。
OpenDataLoader PDF：纯 CPU 每秒转 100 页 PDF 为 Markdown
开源工具 OpenDataLoader PDF 专为大模型 RAG 打造，无需显卡，仅靠单核 CPU 每秒就能把 100 多页 PDF 转成 Markdown 或 JSON。它采用规则算法解析多栏与表格结构，还能自动过滤隐藏文本和水印以防提示词干扰，免费支持商业使用。
PhysicEdit 开源：让图像编辑懂物理，吸管折射、黄油融化不再翻车
研究团队开源物理感知图像编辑框架 PhysicEdit。它专门解决传统编辑模型不懂物理规律的问题，能准确模拟水中光线折射、纸牌屋倒塌和黄油融化等动态效果。该框架基于 Qwen ImageEdit 2.5 构建，代码已在 GitHub 开源。
Hermes Agent：自带学习闭环的开源智能体，边聊边沉淀技能
Nous Research 开源智能体 Hermes Agent，支持在 CLI、Telegram 和 Slack 等平台运行。它最大的特点是自带闭环学习机制，能从复杂任务中自主沉淀并迭代技能，同时支持跨会话记忆与一键导入 OpenClaw 配置。代码基于 MIT 协议完全开源。
VecGlypher 开源：用一句话或样张，直接生成整套矢量字体轮廓
开源字体生成模型 VecGlypher 亮相，支持从文本提示或局部样张直接生成可编辑的矢量字形。它避开了位图转矢量的繁琐流程，能一趟生成闭合的 SVG 轮廓。测试显示，其在字形结构和风格还原度上明显优于 GPT、Gemini 等通用大模型。
阿里发布 Qwen 3.5 中型模型系列：35B 逆袭上一代 235B
阿里巴巴 Qwen 团队发布 Qwen 3.5 中型模型系列，涵盖 27B、35B-A3B、122B-A10B 及 Qwen3.5-Flash。官方表示 35B-A3B 性能已超越此前 235B 模型。面向生产的 Flash 版本默认支持 1M 上下文并内置工具，模型已上线 Hugging Face 与 Qwen Chat。
阿里开源个人助理 CoPaw：自带网页 UI，打通钉钉飞书且支持本地运行
阿里开源个人助理 CoPaw。它自带网页 UI 界面，原生支持 Ollama、llama.cpp 和 MLX 在本地运行，能直连钉钉、飞书与 QQ 等工具。最值得关注的是它支持 MCP 热插拔与技能导入，无需写代码就能配置定时任务和信息推送。
tttLRM 开源：不到 4GB 搞定 3D 重建，连电线和文字都能清晰还原
3D 重建模型 tttLRM 正式开源，利用测试时训练（TTT）技术将照片高效转为 3D 高斯泼溅模型。相比传统 3DGS，它消除了烟雾感与噪点，能精准还原电线和微小文字；模型体积不到 4GB，普通消费级显卡就能本地跑起来。
Guide Labs 开源 Steerling-8B：每个 token 都能追溯到训练数据
旧金山初创公司 Guide Labs 开源了 80 亿参数模型 Steerling-8B。它通过在架构中加入「概念层」，让生成的每个 token 都能追溯到具体的训练数据来源。其能力达到现有同类模型的约 90%，但用的训练数据更少，试图将黑盒可解释性变成标准化工程。
Pascal Editor 开源：纯浏览器运行的 3D 建筑编辑器
开发者开源了完全在浏览器运行的 3D 建筑编辑器 Pascal Editor。它基于 React Three Fiber 与 WebGPU 构建，支持在网页中实时编辑建筑层级、拖拽墙体和重塑楼板。原本动辄数万美元的 BIM 建模工作流，如今完全免费且开源。