阿里开源Qwen-Image-2.1：7B参数兼顾生图与编辑，原生支持透明通道
阿里巴巴开源图像模型Qwen-Image-2.1。其视觉生成部分仅7B参数，将文生图、图像编辑与原生透明通道生成合为一体，最多支持10张参考图合成。最值得关注的是能直接扣图输出带透明背景的RGBA图，极大简化了设计流程。
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
Google 开源 AX：像用 K8s 一样调度数百万个 AI Agent
Google 开源智能体编排运行时 AX。它全面贴合 Kubernetes 体验，通过声明式配置在集群内调度数百万个沙箱隔离的 Agent，支持断点暂停恢复与直接 ssh 现场排错，专门解决智能体失控死循环和状态隔离难题。目前仍处在早期开发阶段。
VAST 开源 Mira-Scene：单图直接生成可编辑 3D 场景
VAST AI Research 开源 3D 场景重建管线 Mira-Scene，可将单张图片转化为包含独立物体的可编辑 3D 场景。它通过恢复像素级对应关系，保证物体尺度与原图严格一致，能直接导入 Blender 做动画或对接机器人仿真。目前代码与权重已完全开放。
Cua 开源专用小模型 CUA-S1-FORMS：单次即可填完整张表单
Cua 开源了用于自动化表单填写的专用小模型 CUA-S1-FORMS。它能从给定文档中提取信息，通过四种动作一次性处理整张表单，而不必逐步操作。项目采用 MIT 协议开源，包含训练、评估及合成数据生成的完整资源。
prism-ml 发布 Bonsai-2：用三值权重将 27B 模型压到 6GB
prism-ml 推出 Bonsai-2 压缩模型集合。团队采用只保留 -1、0、+1 的三值权重技术，将 Qwen 3.8 27B 大小缩减 9 倍以上至 5.9GB，且保留了接近完整的性能，让中端消费级显卡和 Mac 也能跑大模型。
JEPA-Anything：跨领域通用预测框架，用正交分解拆解状态推演
开源框架 JEPA-Anything 试图用统一逻辑搞定不同学科的预测推演。它基于 JEPA 架构提出「正交预测分解」，将复杂状态拆解为独立要素分头推算再拼合，各领域仅需适配专属接口即可复用核心预测机制。目前仓库提供代码脚手架与合成示例，未包含预训练权重。
网易有道开源流式语音模型 R2T2：延迟低至 200ms，只追加不改字
网易有道开源实时语音识别模型 Confucius4-R2T2。它基于 Qwen3-ASR 开发，平均延迟仅 200 至 600 毫秒，且采用「只追加不回改」模式，避免了实时字幕反复闪烁跳字。模型支持 vLLM 高吞吐推理，中英双语精度逼近离线水平。
CopilotKit 开源 OpenMuse：自带浏览器和终端的个人智能体
CopilotKit 开源个人智能体应用 OpenMuse，提供可自托管的 AI 助理。它自带 Chromium 浏览器、Linux 容器终端和文件系统，能持续推进多步骤任务，并支持随时人工接管。不想把邮件与日程交给科技大厂的用户，可以直接自己部署使用。
ZGCM-1：7.39B 参数主打数学与搜索，开源全套训练流程
中关村学院与中关村人工智能研究院开源 7.39B 参数模型 ZGCM-1，主打数学推理与工具辅助搜索。它支持 256K 上下文并公开了从预训练到微调的完整代码与数据，在 MATH-500 取得 97.13% 得分，能在消费级显卡上运行。不过有评测指出其基准测试对比了部分旧版模型。
Edge0：把 SSD 当内存用，35B 大模型只占 2.5GB 内存
Edge0 开源流式 MoE 推理框架，通过直接从 SSD 按需加载专家权重，让 35B 稀疏模型仅需约 2.5GB 活跃内存即可在 iPhone、Mac 等设备上运行。它借助提前预测路由掩盖读取延迟，让低内存设备也能顺畅跑大模型。
m-a-p 开源音乐模型 YuE2-3B：先出乐谱再做曲，歌曲质量对标 Suno
开源团队 m-a-p 发布音乐生成模型 YuE2-3B。它在生成音频前先生成可编辑的 ABC 乐谱，支持用户或智能体微调旋律、和弦与歌词后再渲染完整歌曲，并在基准测试中比肩 Suno v5/v6。单张 24GB 显卡 71 秒即可生成 3.6 分钟双声道歌曲。
腾讯开源语音基础模型 AuK：1.5B 参数，一句话就能增删音频词句与情绪
腾讯开源 1.5B 语音生成与编辑模型 AuK 及快速版 AuK-Flash，代码与权重全开放。它采用统一的自然语言指令，不仅能做零样本声音克隆，还能像改文字一样无缝替换或增删音频词句、切换情绪并降噪。目前已支持在线体验与消费级显卡部署。
开源模型 Fire3D：不到 1 分钟，把单张照片做成可编辑 3D 场景
研究人员开源 3D 重建框架 Fire3D，无需人工标注即可从单张图片或随手拍视频中拆解物体，并在 1 分钟内生成带纹理的完整 3D 网格。每个对象均可独立编辑移动，支持单卡并行处理 16 个物体，可直接接入机器人模拟环境。
OpenBMB 开源 MiniCPM5-2B：20 亿参数挑战 40 亿，附带全套训练数据
OpenBMB 开源 20 亿参数端侧模型 MiniCPM5-2B。其大小约 5GB，可在普通消费级设备上运行，在代码与数学等测试中综合表现挑战 40 亿参数的 Qwen3.5-4B。团队还同步公开了背后的全套高质量训练数据，方便开发者训练自己的小模型。
Google 开源 ARTEMIS：让 AI 编程助手直接接管安卓真机
Google 开源 Android 自动化框架 ARTEMIS，能把自然语言指令转化为真机或模拟器操作。它通过 MCP 接入 Claude Code、Cursor 与 Codex，可自动重现 Bug 并抓取日志，在 AndroidWorld 评测中任务完成率超 99%。
WorldSculpt 开源：把复杂场景拆成几百个独立 3D 物体
Alaya Lab 与东京大学推出 3D 重建框架 WorldSculpt，能将视频场景拆解为数百个独立的 3D 网格对象。它改变了以往重建中所有物体融成一块的弊端，让每个物件都能单独移动或缩放，还支持将高斯泼溅场景转为网格。代码已开源。
UniMate：给任意 3D 骨骼角色一句话生成动作
普林斯顿与 UC Berkeley 等团队开源 UniMate。只需输入绑定骨骼的 3D 模型和文本提示，它就能直接生成关节动作，无需针对特定骨骼微调。无论是人类、飞禽走兽还是刚性机械均可驱动，代码与预训练权重已完整开源。
开源模型 LLaDA-Image：单个 6B 权重搞定生图与修图
inclusionAI 开源 60 亿参数模型 LLaDA-Image。它无需单独的修图主干网络，用单一权重同时搞定文生图、指令修图和中英文字渲染；4 步蒸馏版 Turbo 还大幅压缩了推理耗时。目前 ComfyUI 插件与 FP8 权重已同步支持。
SolarWM：开源交互式世界模型，支持连续稳定运行一小时
研究团队开源交互式长程世界模型框架 SolarWM。它仅用 5 秒视频片段训练，就能实现持续超一小时的实时交互生成且不崩坏。项目还彻底开源了 143 万段视频、共 25 TB 的数据管线与训练方案，并统一适配 Wan、Minimax H3 等多种基座模型。
H3 World：把开源视频模型 Miniax H3 变成互动游戏
开源项目 H3 World 发布，将视频生成模型 Miniax H3 变成了交互式游戏引擎。它不用另造控制系统，而是把键盘按键翻译成短英文送入模型，让生成的视频实时跟手。目前本地运行代码和训练脚本已全部开源。