跳到正文
IFAI

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。

近 7 天 14 条

  1. 传播指数 48

    复旦与腾讯开源 Prism：原生 2K 音视频联合生成提速 2.5 倍

    复旦大学、腾讯混元和浙江大学开源音视频生成框架 Prism，支持原生 2K 分辨率音视频联合生成。它通过动态稀疏注意力把算力集中在发声和画面快速变化区域，大幅减少冗余计算，训练速度提升 2.5 倍且声画更契合。目前已在 Hugging Face 释出预览权重与代码。

  2. 传播指数 51

    Meta 开源 Muse AI SDK：支持树莓派与 ESP32 自制专属 AI 硬件

    Meta 开源 Muse AI SDK，允许开发者利用树莓派或 ESP32 等市售硬件，自制搭载 Muse AI 智能体的专属设备。官方列举了彩色墨水屏提醒器和微型触屏等玩法；此外 Meta 还限量赠送 5000 台自研的 Muse Home Link 智能家居中控。

  3. 传播指数 48

    16.9 MB 跑语音识别：Cactus 开源端侧模型 Whistle

    Cactus Compute 发布端侧语音识别模型 Whistle，单个权重文件仅 16.9 MB。它无需 GPU 和额外依赖即可在 CPU 上运行，支持 7 种语言转录及词级时间戳，在多项基准测试中超越了 145 MB 的 Whisper base。

  5. 传播指数 48

    Terra 开源：模拟肌肉拉动骨骼，让 AI 人体走过复杂地形

    AI 运动控制系统 Terra 正式开源。它不同于直接控制关节旋转的传统做法，而是模拟人体肌肉收缩拉动骨骼，基于 9 小时运动数据训练，能让虚拟人在斜坡、台阶等复杂地形上行走，并支持跳跃和翻滚。代码采用 Apache 2.0 协议开放。

  7. 传播指数 48

    CopilotKit 开源 OpenDots：自带虚拟电脑的 AI 同事模板

    CopilotKit 开源 OpenDots 智能体工作区模板。每个智能体配有隔离的虚拟电脑跑浏览器和代码，并支持打语音电话与 Slack 联动。最关键的是全套支持自托管与人工审批介入，把定制私人助理的控制权交还给开发者。

  8. 传播指数 48

    Raven 开源：用 Agent 管 Agent，4 天搓出完整 FPS 游戏

    EverMind-AI 开源多智能体框架 Raven，主打管智能体的「harness of harnesses」机制。它充当总控调度研究、代码、设计等专项 Agent，还曾连续自主运行约 4 天完成 Godot 4 的 FPS 游戏及官网海报制作。最关键的是，它能在评测标准不可篡改的前提下自主迭代做事流程，让智能体真正跑通自我进化。

  10. 传播指数 59

    InSpatio-World 1.5：一张图加运镜轨迹，生成 4D 漫游视频

    InSpatio 开源 4D 世界模型 InSpatio-World 1.5。它支持输入单张图片、全景图或视频，通过预测新视角沿着指定镜头轨迹生成漫游画面，还能保留动作并制作「子弹时间」效果。模型体积不到 6GB，大多数消费级显卡即可运行。

  13. 传播指数 59

    NVIDIA 发布智能体安全平台：软硬结合，毫秒级隔离越界行为

    NVIDIA 发布 Open Agent Safety Platform。平台包含开源运行时软件 OpenShell 与基于 BlueField-4 DPU 的 Sentry 参考设计，能在智能体突破软件边界时在数毫秒内将其强行隔离。最值得关注的是，该方案将安全控制下沉至芯片层，目前已获 Anthropic、微软等上百家机构支持。

  14. 传播指数 48

    Strata 开源本地推理引擎：12GB 显存就能跑千亿参数模型

    开源本地推理引擎 Strata 正式发布。它通过显卡显存、内存与固态硬盘协同分层调度，让 12GB 显存的普通电脑也能本地跑动 125B 的 Qwen3.8-Flash-Next 等大模型，并提供兼容 OpenAI 的本地接口。这意味着消费级硬件本地部署大模型的门槛被进一步打了下来。

  15. 传播指数 48

    Magpie：在菜单栏给 Claude Code 和 Codex 自由切换底层模型

    开源工具 Magpie 上线。它通过本地网关把 Claude Code、Codex 等 Agent 的模型配置收进菜单栏，让它们能直接调用 DeepSeek、Kimi 等模型；额度耗尽时可自动切换账号，还支持在请求发出前自动脱敏密钥与隐私信息。

  16. 传播指数 48

    开源视觉决策模型 Valen：看图直接打分，做智能体「快反射」

    Valen-Team 开源轻量多模态决策模型 Valen。它将 System One 决策思路扩展到视觉领域，基于 Qwen3.5 提供 0.8B、2B 和 4B 版本，输入图文或视频后直接对候选动作打分并输出概率，单步决策仅需百毫秒出头，专为智能体的高频反射场景设计。

  17. 传播指数 48

    开源模型 CLM-8B：System 1 快决策，延迟比 Jev 低 9 倍

    研究团队开源了基于对比学习的 System 1 决策模型 CLM-8B。它将状态与动作解耦并独立缓存嵌入，在电脑操作与工具调用等任务上表现比肩 Jev，但推理延迟最高降低 9 倍；经轻量微调后，在 DeepSWE 等智能体编程验证基准上拿下 87.6% 的高分。

  19. 传播指数 48

    SupraLabs 开源 Supra2-IMG：1 亿参数文生图模型，单卡 9 小时训完

    SupraLabs 开源超小型文生图模型 Supra2-IMG，参数量仅约 1.04 亿，体积约 417MB。团队基于 560 万张合成图像，在一张单卡 H100 上仅耗时 9 小时完成训练，主打端侧与小型设备运行。不过受限于极小体量，目前生成分辨率为 256×256，画质相对有限。