阿里开源 14B 视频模型 Wan2.1-FLF2V：输入首尾帧即可生成过渡
阿里巴巴开源 14B 参数视频生成模型 Wan2.1-FLF2V，允许创作者通过输入起始和结束两帧来生成过渡视频。该模型利用附加控制机制注入首尾帧的语义特征，以维持画风一致与复杂动作平滑，官网支持免费生成 5 秒 720p 视频。代码与权重已上线 GitHub 与 Hugging Face。
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
Stability AI 联手 AMD：Stable Diffusion 针对 A 卡优化，提速最高 3.8 倍
Stability AI 宣布与 AMD 合作推出 ONNX 优化版 Stable Diffusion。涵盖 SD 3.5 与 SDXL 系列共四款模型，专为 AMD Radeon GPU 和 Ryzen AI APU 调优，推理速度比原生 PyTorch 最高提升 3.8 倍。模型已上线 Hugging Face，支持导入 ONNX Runtime 环境或在 Amuse 3.0 中运行。
Google 联手 50 家企业推 A2A 协议：让不同智能体协同干活
Google 联合 Atlassian、Salesforce 等 50 多家企业推出开源协议 Agent2Agent（A2A）。它让不同厂商和框架下的 AI 智能体能够跨系统通信与协同分工，作为 Anthropic MCP 协议的互补。正式商用版本预计今年晚些时候推出。
Together AI 开源 DeepCoder-14B：14B 参数追平 o3-mini
Together AI 联手 Agentica 开源代码推理模型 DeepCoder-14B-Preview。该模型基于 DeepSeek-R1 蒸馏版本强化学习微调，仅凭 14B 参数在 LiveCodeBench 拿到 60.6% 准确率，追平 OpenAI o3-mini。团队还同步开源了 2.4 万道验证题数据集与加速框架。
Deep Cogito 走出隐身：开源 Cogito v1 系列混合推理模型
AI 初创公司 Deep Cogito 今天开源 Cogito v1 系列模型，覆盖 3B 到 70B 五种尺寸。它基于 Llama 微调，支持直接回答与自我反思两种推理模式，还补齐了原生工具调用能力。不过在部分数学基准上，其推理表现仍落后于 DeepSeek R1。
Meta 发布首批 MoE 多模态模型 Llama 4：最高支持千万级上下文
Meta 推出 Llama 4 Scout 与 Maverick 开源多模态模型，并预览近两万亿参数的教师模型 Behemoth。新模型首次改用 MoE 架构，活跃参数均为 170 亿，其中 Scout 支持高达 1000 万 token 上下文。模型权重现已开放下载。
Sentient 开源 AI 搜索框架 ODS：搭配 DeepSeek 叫板 Perplexity
Sentient Foundation 研究人员发布开源 AI 搜索框架 Open Deep Search（ODS），直接对标 Perplexity 与 ChatGPT Search。该系统采用可插拔架构，包含搜索工具和推理智能体。测试显示，ODS 搭配 DeepSeek-R1 时，在复杂问答基准上超越了 Perplexity 及 GPT-4o 搜索预览版。
AudioX 开源：不到 6GB 的全能音频模型，看视频切点自动配音
统一音频模型 AudioX 开源代码，体积不到 6GB，可直接在消费级显卡本地跑。它支持文本、图像或视频输入，能识别视频剪辑点对齐音效，还支持音频修复和续写；纯音乐音质虽非顶尖，但多模态生成覆盖极全。
Perplexity 开源 MoE 通信库：GPU 间传输提速 10 倍，大幅缩短推理延迟
Perplexity 开源了 MoE 模型通信库 pplx-kernels，通信速度比标准 All-to-All 提升最高达 10 倍。它通过 NVSHMEM 绕过 CPU 搞 GPU 直连传输，并让计算与通信重叠进行。最关键的是兼顾了跨网络环境的可移植性，帮大规模 MoE 模型推理显著省下延迟。
OpenAI 将推首个开放模型：具备类似 o3-mini 推理能力
OpenAI 宣布计划在未来几个月内发布自 GPT-2 以来首个开放语言模型，并向社区征集需求。Sam Altman 透露该模型将具备类似 o3-mini 的推理能力，支持在自有硬件上运行。面对 DeepSeek 等开源竞品的压力，OpenAI 正式重启开放策略。
OpenAI 拥抱死对头：全面支持 Anthropic 的 MCP 开源数据协议
OpenAI 宣布将在旗下产品中全面支持 Anthropic 的 MCP 协议。该标准已进入 Agents SDK，接下来会支持 ChatGPT 桌面端与 Responses API。两大巨头在连接外部数据与工具的底层接口上达成一致，开发者再也不用为不同模型反复造轮子了。
Google 开源 TxGemma：用大模型加速药物研发与毒性预测
Google 正式发布开源药物研发模型集合 TxGemma。它基于 Gemma 2 微调，提供 2B、9B 和 27B 三种尺寸，包含专注属性预测的 predict 版和能解释推理的 chat 版。27B 预测版在 66 项任务中有 64 项追平或超越前代 Tx-LLM。
DeepSeek 升级 V3 模型：改用宽松的 MIT 协议，编程性能微涨
DeepSeek 低调发布改进版 DeepSeek-V3 大模型，将开源协议切换为更宽松的 MIT 协议，商用与修改几乎不再受限。新版在 Python 与 Bash 代码评测中提升数个百分点至约 60%，苹果研究员实测其量化版可在 Mac Studio 上以每秒 20 token 运行。
沾光 Manus 爆火：网页自动化工具 Browser Use 日下载量破 2.8 万
据 TechCrunch 报道，因被 AI 智能体平台 Manus 采用，开源工具 Browser Use 迅速走红。其日下载量从 3 月 3 日的约 5000 次暴增至 3 月 10 日的 28000 次。它能帮助模型自动点击网页并填写表单，正成为开发者的基础层。
Google 发布开源模型 Gemma 3：支持多模态与 128K 上下文
Google 发布新一代开源模型 Gemma 3，覆盖 1B 到 27B 四种尺寸。除 1B 外均支持图文输入，上下文拓宽至 128k，支持超 140 种语言。最值得关注的是，27B 版本跑分超越了 Gemini 1.5 Pro。
Reka 开源 21B 推理模型 Flash 3：从头训练，驱动企业平台 Nexus
AI 初创公司 Reka 宣布开源推理模型 Flash 3。该模型拥有 21B 参数，完全从零开始训练，具备强劲的推理表现，同时它还将作为核心引擎，驱动 Reka 刚刚推出的企业智能平台 Nexus。
腾讯混元开源图生视频模型：130 亿参数，自带音效与对口型
腾讯混元正式开源图生视频模型 HunyuanVideo-I2V，权重与 LoRA 训练代码全公开。模型总参数量 130 亿，传一张图就能生成带音效的 5 秒 2K 视频，还支持动作驱动和人物对口型。普通用户可在混元官网体验，开发者可在 GitHub 直接下载。
LTX Studio 发布开源视频模型 LTXV 0.9.5：开放商用，支持关键帧与 ComfyUI
LTX Studio 发布开源 AI 视频模型 LTXV 0.9.5。新版本开放了商用授权，加入关键帧控制能力，提升了分辨率和画面质量，生成的视频片段更长且伪影更少。最值得关注的是它原生支持 ComfyUI，创作者可以直接接入本地工作流。
IBM 开源 Granite 3.2：带「思考开关」的推理模型与 2B 视觉模型
IBM 开源推出 Granite 3.2 系列，采用 Apache 2.0 协议并上线 Hugging Face。新模型涵盖 2B 和 8B 文本推理模型，开发者可通过 API 参数自由开关「思考模式」，同时带来主打企业文档理解的 2B 视觉语言模型。
DeepSeek 宣布下周开源 5 个代码仓库：彻底公开核心技术细节
周五，DeepSeek 在 X 上宣布，将从下周起开源 5 个代码仓库，向全球开发者完全公开底层代码与数据。任何人都可以直接下载并基于 R1 等模型的底层架构进行改进。相比 OpenAI 等闭源同行，DeepSeek 试图通过极度透明的开源策略进一步推高普及率。