Hugging Face 开源 SmolVLM2：最小仅 256M，手机也能看懂视频
Hugging Face 发布 SmolVLM2，推出 2.2B、500M 和 256M 三种尺寸的轻量级多模态模型。其中 500M 版本用不到四分之一的参数量实现了接近 2.2B 的视频理解能力，并原生支持 MLX，可直接在 iPhone 和 Mac 本地离线运行。
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
Perplexity 开源 R1 1776：去除审查限制，推理性能不减
Perplexity 开源了名为 R1 1776 的推理模型。团队基于 DeepSeek-R1 进行了后训练，整理出 4 万条多语言敏感提示词数据集，旨在消除原版在敏感话题上的审查与偏见，同时保持与原版相当的逻辑推理和数学解题水准。目前权重已在 Hugging Face 开放下载。
百度宣布开源计划：文心 4.5 系列将于 6 月 30 日开源
百度宣布将在今年开源文心大模型系列。据路透社报道，本次开源重点针对即将推出的 Ernie 4.5 系列，预计在未来几个月向用户推出，并于 6 月 30 日正式开源代码。此举紧随 DeepSeek-R1 引发开源热潮之后，后续百度还计划推出 Ernie 5。
腾讯开源混元3D 2.0：解耦形状与纹理，单图生成高精3D资产
腾讯开源 3D 生成系统 Hunyuan3D 2.0。它将形状与纹理拆分成两阶段，先用 DiT 模型由单图生成几何白模，再由 Paint 模型合成高精纹理贴图。除图生 3D 外，它还能直接为手绘模型上色贴图。
MiniMax 开源 MiniMax-01 系列：支持 400 万超长上下文
MiniMax 开源了 MiniMax-01 系列模型，包括语言模型 MiniMax-Text-01 与多模态模型 MiniMax-VL-01。模型总参数达 4560 亿，采用 Lightning Attention 线性注意力架构，支持高达 400 万 token 上下文。两款模型权重已在 GitHub 开放。
UC Berkeley 开源推理模型 Sky-T1：训出 o1 水平只要 450 美元
UC Berkeley 的 NovaSky 团队开源了推理模型 Sky-T1-32B-Preview。团队用 1.7 万条精选数据微调，在 8 张 H100 上耗时 19 小时、花费不到 450 美元，数学和编程表现逼近 o1-preview。代码、数据和权重已全部公开。
Adobe 开源 TransPixar：直接生成带透明通道的视频，做特效不用再抠图
Adobe 联合香港科技大学开源视频生成模型 TransPixar。以往 AI 只能生成实底视频，而它能直接输出带透明通道的 RGBA 视频，像烟雾、光效等可以直接叠进画面。目前代码和在线 Demo 已公开，但仍在早期阶段。
微软在 Hugging Face 开源 Phi-4 权重：14B 参数采用 MIT 协议
Microsoft 正式在 Hugging Face 开源 Phi-4 完整权重，采用商用友好的 MIT 许可证。该模型拥有 140 亿参数，此前仅限 Azure 平台体验；现在开发者无需申请即可直接下载权重，通过 Transformers 或 vLLM 在本地部署商用。
萨里大学开源 NitroFusion：消费级显卡边打字边出图
英国萨里大学开源图像生成模型 NitroFusion。该模型无需昂贵的云端算力和订阅，仅凭消费级显卡就能实现边打字边即时生图。系统支持 1 到 4 步精炼调节，让独立创作者在本地设备上也能兼顾生成速度与画质。
Meta 发布 Llama 3.3 70B：用 70B 成本跑出 405B 性能
Meta 正式发布纯文本模型 Llama 3.3 70B。官方称其通过最新后训练技术，以更低成本实现了 405B 旗舰模型的性能，并在 MMLU 等基准测试中超越 GPT-4o。模型已可在 Hugging Face 等平台下载商用。
Google 发布 PaliGemma 2：基于 Gemma 2，支持即插即用与微调
Google 推出视觉语言模型 PaliGemma 2。它基于 Gemma 2 打造，提供多种模型尺寸，具备视觉理解与交互能力。现有 PaliGemma 用户无需大改代码即可直接替换升级，大幅降低了针对特定任务微调视觉模型的门槛。
吴恩达团队开源 aisuite：改一行代码无缝切换主流大模型
吴恩达团队开源 Python 库 aisuite。它为 OpenAI、Anthropic 和 Ollama 等不同厂商的模型提供了统一调用接口，开发者只需修改「厂商:模型」字符串就能随时换模型，大幅降低了多模型接入和测试的门槛。
Anthropic 开源 MCP 标准：要给所有 AI 助手做统一的数据接口
Anthropic 开源了 Model Context Protocol（MCP），旨在解决 AI 模型与数据孤岛脱节的问题。它不仅支持自家 Claude，还能让任何模型通过标准协议双向调用 GitHub、Slack 等工具。开发工具平台和企业已开始接入，不过能否抗衡 OpenAI 的私有方案仍待观察。
Lightricks 开源视频模型 LTXV：消费级显卡 4 秒生成 5 秒视频
Lightricks 宣布开源视频生成模型 LTX Video（LTXV）。该模型仅 20 亿参数，采用 DiT 架构，在 RTX 4090 等消费级显卡上也能近实时运行，4 秒即可生成 5 秒视频。它的开源让创作者在本地电脑就能快速试错，直接向闭源巨头叫板。
Tether 开源钱包套件 WDK：不仅给人用，还要让 AI 智能体管钱
Tether 推出开源钱包开发套件 WDK，支持把非托管钱包集成到各类应用与设备中。该套件不仅服务人类，还专门适配了 AI 智能体与机器人等自主系统，初期支持比特币与 USDT，让 AI 也能拥有独立资产钱包。
通义开源 Qwen2.5-Coder 全系列：32B 旗舰模型编程水平追平 GPT-4o
Qwen 团队全面开源 Qwen2.5-Coder 系列代码模型，补齐 0.5B 到 32B 共 6 种尺寸。旗舰版 32B-Instruct 性能媲美 GPT-4o，支持 40 多种语言与 128K 上下文。绝大多数模型采用 Apache 2.0 协议，已适配 Cursor 等工具。
微软开源多智能体系统 Magentic-One：一个总管指挥四员大将
Microsoft 宣布开源通用多智能体系统 Magentic-One。它采用协调器负责总控规划，指挥网页操作、文件读取、代码编写和终端执行四个专用智能体分工配合，在 GAIA 等基准上跑出了第一梯队水平。系统基于 AutoGen 打造，支持随时增删智能体。
OSI 正式发布开源 AI 定义 1.0：Meta Llama 难再称「开源」
开源促进会 OSI 正式发布 1.0 版开源 AI 定义。新标准要求模型必须开放完整训练代码，详细披露训练数据来源与获取方式，且不得限制商业用途。按此标准，包含商业门槛的 Meta Llama 等主流模型均不算真正开源。
对标 Google：Meta 开源播客生成项目 NotebookLlama
Meta 发布开源项目 NotebookLlama，复刻了 Google NotebookLM 的双人播客功能。它基于 Llama 模型将上传文本转为对话脚本，再通过开源语音模型输出。目前合成语音机械感较重且容易抢话，但为社区提供了可定制的开源基础。
Nvidia 开源 NVLM 1.0：旗舰 72B 表现对标 GPT-4o
Nvidia 开源多模态大模型家族 NVLM 1.0，旗舰模型 NVLM-D-72B 在视觉与语言任务上对标 GPT-4o。经过多模态训练后，其纯文本基准准确率反升 4.3 分，代码与数学表现接近 Llama 3.1 405B，权重已向公众开放。