InfiniSplat v2 开源：多张照片一键重建 3D 场景，消费级显卡可跑
开源 3D 重建模型 InfiniSplat v2 发布，能将多角度照片或上千帧驾驶视频直接转成可自由探索的 3D 场景。模型将几何结构与视觉表现预测解耦，并能自动抑制不一致的噪点。整个模型仅约 6.6GB 且已开放代码和权重，普通消费级 GPU 即可在本地部署运行。
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
Fish Audio 开源 Drama 3：单段支持 16 人分饰与局部音频修改
Fish Audio 开源新一代语音大模型 Drama 3。该模型采用 35B 参数的 MoE 文本骨干，单段文本最多可容纳 16 个不同角色，并支持通过标签控制叹气等情绪。改词时无需整段重录，可直接顺着上下文局部替换。
开源多人世界模型 Multix：让 10 名玩家在同一个 AI 世界互动
腾讯与港大团队开源多人交互世界模型 Multix。它能为每位玩家生成独立视角并保持环境同步，靠「分层通信」降低超 86% 计算成本，且仅用 4 人数据训练就能直接扩展到 10 人联机。基础版约 16GB，代码与权重已放开。
工程师用 AI 复刻 Office 全家桶：文档、表格与 PPT 全开源
工程师 Brandon Thomas 借助 Anthropic 的 Opus 5.5 模型，逆向复刻了 Microsoft Office 套件，推出开源应用 WordCraft、GridCraft 和 DeckCraft，支持 macOS、Windows 和 Linux。基础软件完全免费，但套件内的生成式 AI 功能需订阅付费。
Skywork 开源 Matrix Game 4.0：单卡 83 帧实时渲染可玩 3D 游戏
Skywork 开源 3D 游戏世界模型 Matrix Game 4.0。它让传统引擎处理物理与规则，再由 AI 实时细化画面，单张消费级 GPU 下最高可跑出 83 帧，并内置智能体用自然语言修改玩法。这解决了以往 AI 游戏画面容易漂移变形的问题，代码与权重均已开放。
d2r-mobile：把 Switch 版《暗黑破坏神 II》搬上手机，原生 60 帧运行
开源项目 d2r-mobile 推出跨平台兼容层，允许在 iPhone、iPad、Mac 和安卓设备上原生运行自备的 Switch 版《暗黑破坏神 II：狱火重生》。它并非模拟器，而是直接执行原生指令，支持完整触控重构与 60 帧稳定运行，采用 MIT 协议开源。
NVIDIA 开源 Stream Render H3：用视频模型把游戏粗模实时变成大片
NVIDIA 发布并开源 Stream Render H3，利用 MiniMax H3 视频模型将游戏引擎输出的简单语义图实时渲染成高画质画面。玩家可通过参考图一键切换风格；不过实现实时需 8 块 GP200 GPU，整套模型体积超 200GB。
UniForge 3D 开源：几张多角度照片，就能脑补出完整 3D 模型
3D 重建与生成框架 UniForge 3D 开源。它只需物体不同角度的几张稀疏照片，就能生成包含背面等盲区的完整 3D 资产；系统一边精准重建可见细节，一边靠生成模型脑补缺失结构。目前相关代码和模型已开放本地运行。
Pure：普通视频无需 3D 标注，就能直接重建动态三维环境
3D 重建项目 Pure 正式开源。它无需昂贵的人工 3D 标注，仅靠普通视频提取深度与运动信息做后训练，就能将动态连续画面重建为三维场景。模型体积仅 13.2GB，并附带了完整训练脚本，本地即可下载运行。
Harness²：不改模型权重，让 AI 智能体通过外围组件自我进化
Google Research 开源智能体优化框架 Harness²。它在保持底层模型权重不变的前提下，通过双层递归机制自动调整提示词、工具指南等 8 个外围组件，能让 GLM-5 和 Gemini 3.5 Flash 的任务表现最高提升 11.5 分。代码已按 Apache 2.0 协议开源。
REA：把逆向工程接进 MCP，让 Agent 拆解二进制与 Electron
开源工具 REA 将逆向工程工具链接入 MCP 协议，支持 Claude Code、Cursor 等智能体。它能在本地分析原生二进制、Electron、APK 和固件等目标，且每条结论都附带汇编指令和调用链等证据支撑。逆向分析由此变成智能体的一次普通调用。
Open Intelligent UI 开源：把 ChatGPT 动态界面搬进自研应用
CopilotKit 开源 Open Intelligent UI，把类似 ChatGPT 的动态界面生成能力带入自研应用。Agent 可按需调用现有组件，或在隔离沙盒中流式生成交互图表与工具。最值得关注的是它支持接入任意模型和 AG-UI 协议，不用被 OpenAI 生态绑定。
Meta 开源 GenIA：输入单张照片或视频，直接重构完整 3D 物体
Meta 发布新系统 GenIA，能将普通图片或视频转换成完整 3D 模型。它基于 SAM 3D 改进，加入持续比对机制实时校准外观、位置与几何结构。最值得关注的是它无需重新训练大模型就能大幅提升还原度，代码已在非商业许可证下开源。
开源 AI 作曲工具 Tonefold：提示词生成 11 轨音乐，音符可逐个修改
开源 AI 作曲工具 Tonefold 发布，支持通过 Claude 或本地 Ollama 将文本提示生成和弦、旋律等 11 类分轨。与直接输出音频不同，它将音符写入内置钢琴卷帘供逐个修改，并能导出 MIDI 与分轨。软件自带合成器可直接试听，也提供 DAW 插件。
开发者用 Claude 搓出 7 款开源工具：纯 Rust 复刻 Adobe 全家桶
开发者 Brandon Thomas 借助 Claude Opus 5.5，用纯 Rust 从零复刻出对标 Photoshop 等 7 款 Adobe 核心软件的开源套件。应用支持全平台与网页端，主打免费和本地运行；尽管复杂 PSD 还原与插件功能仍存缺陷，但大幅拉低了专业创作软件的门槛。
Liquid AI 开源决策模型 d1-3B：端侧响应低至 50 毫秒
Liquid AI 开源多模态决策模型 d1-3B。该模型专为判断和分类任务设计，不生成文字，单次前向传播即可输出结构化结果。在 RTX 4090 上单次决策仅需 8 毫秒，在 Jetson Orin Nano 等端侧硬件上也只要 50 毫秒。
Musubi 开源 PolicyLM-1.7B：支持自定义规则，审核延迟低于 100 毫秒
Musubi 开源内容安全分类模型 PolicyLM-1.7B。它能在处理每条消息时动态读取自定义审核规则，无需重新微调模型即可即时生效；在 L4 GPU 上中位延迟仅 35 毫秒，采用 Apache 2.0 协议，适合实时聊天审核与 AI 应用安全护栏。
Google 开源 EmbeddingGemma 2：7.4 亿参数把全模态检索塞进手机
Google 发布开源多模态嵌入模型 EmbeddingGemma 2。该模型仅 7.4 亿参数，采用 Apache 2.0 协议，能将文本、代码、图像、音频和视频映射进统一向量空间。在 Pixel 11 Pro 上运行全模态仅需 567MB 内存，方便开发者直接在本地做完全离线的跨模态搜索与 RAG。
MSFlow 开源：打字生成人体动作，还能锁死任意关节位置
文本生成人体动作模型 MotionSpaceFlow 开源。模型大小约 1.1GB，可在消费级 GPU 上运行。最值得关注的是，它无需额外微调，即可在推理时固定任意关节在特定时间点的位置，让 AI 围绕这个限制自动生成动作。
Reflection AI 发布开源模型 Beam：501B 参数，推理消耗少 3 倍
Reflection AI 发布开源 MoE 模型 Beam，总参数 501B、激活 23B，专攻编程与智能体任务。它用 1.05 万块 GB300 强化学习训练，在编程基准上对标 GLM 5.2，但推理算力节省 3 至 4 倍。权重与技术报告将于本月晚些时候发布。