字节跳动开源全模态视频模型 Bernini 2：自然语言修视频，但模型达 180GB
字节跳动开源全模态视频编辑模型 Bernini 2，支持用自然语言直接修改已有视频的视角、背景，或在画面中增删角色与物体。它结合语义规划与扩散渲染提升编辑精度，不过仅模型文件就达 180GB，普通设备本地运行门槛极高。
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
DeepSeek 开源智能体框架 Harness：采用「一切皆插件」架构
DeepSeek 开源智能体框架 DeepSeek Harness（dsh）。它基于 Cordis 打造，采用「一切皆插件」架构，支持插件化配置模型与工具，并自带本地 Web 界面。目前处于开发者预览阶段，仍在快速迭代中。
小米开源 MiDashengLM-Gen：一句话生成语音、音乐与音效混响的完整音频
小米团队开源音频生成模型 MiDashengLM-Gen。它能根据结构化描述，在同一次生成中将语音、背景音乐、音效和环境声自然融合为 16 kHz 音频。整套框架基于 Qwen3-1.7B 与 Flow Matching 技术，代码按 Apache 2.0 协议开放。
Evoke 开源：140 亿参数交互式世界模型，单图加摇杆实时生成可控场景
开源交互式世界模型 Evoke 发布，输入单张图片加摇杆操作即可在 3 步内近实时生成交互视频。模型参数量为 140 亿，权重约 57GB，支持数小时长会话并不限长延伸场景。目前代码与全阶段训练权重均已按 Apache 2.0 开源。
NVIDIA 开源 Nemotron 3.5 Lightning：专跑智能体杂活的 30B 极速 MoE
NVIDIA 发布开源 MoE 模型 Nemotron 3.5 Lightning。它拥有 30B 总参数但每次仅激活 3B，专门承包工具调用和结果验证等高频琐事。在 PinchBench 测试中，它完成 1 万项任务的速度比 Qwen3.6 35B 快 30%。
LTX-2.5 开源发布：10 秒视频 6.8 秒生成，原生接入 ComfyUI
LTX 推出开源视频模型 LTX-2.5，两块 Nvidia GB200 芯片自托管下，生成 10 秒 720p 视频仅需 6.8 秒。模型原生整合进 ComfyUI，支持原生多镜头与扩散视频解码器。年收入千万美元以下团队免费商用，API 成本约每秒 0.09 美元。
HKUDS 开源 AutoSwarm：让 Claude Code 与 Cursor 等协同干活
港大 HKUDS 团队开源多智能体协作框架 AutoSwarm，能将 Codex、Claude Code、Cursor 等各自为战的 AI 智能体整合成统一团队。它支持跨智能体共享上下文与记忆，按特长分发并并行跑任务，最后整合输出。目前支持主流操作系统与命令行环境。
Cactus 推出 Needle 2：仅 45M 参数，28 MB 内存即可离线跑
Cactus 推出超轻量模型 Needle 2，仅有 4500 万参数，打包后只有 14 MB，运行仅需约 28 MB 内存且完全不需要 GPU。它专为树莓派和廉价手机等微型设备设计，在树莓派 5 上每秒可达 500 token，适合离线工具调用与设备控制。
IndexTTS 2.5 开源：支持 5 国语言克隆，推理更快还能精准调情绪
开源语音项目 IndexTTS 正式发布 2.5 版本。新版支持中、英、日、西、阿 5 种语言，推理速度显著快于 2.0，不仅支持 0.5 到 2 倍语速调节与多音字标注控制，还接入了 vLLM 生产级部署。
Meta 开源 30B 智能体模型 Muse Glimmer：压缩至 20GB 内，单卡可跑
Meta 开源 300 亿参数模型 Muse Glimmer。它专为端侧智能体打造，采用 Apache 2.0 协议，4-bit 量化后体积不足 20GB，单张消费级 GPU 或 Mac 即可运行，支持工具调用与多模态输入。这意味着无需连网，本地就能搭建全天候 AI 助理。
腾讯开源 Octop：单进程多智能体，接微信飞书且数据本地化
腾讯开源本地 AI 助理平台 Octop，单进程即可跑通 Web 控制台、桌面端与定时任务。它支持多专家 Agent 协作，并能直接接入微信、飞书、钉钉等主流聊天软件。所有对话、知识库与记忆数据完全保存在本地，兼顾多端协作与隐私安全。
DeepMind 开源 WeatherNext：气旋预报多争一天，精度跨越十年进展
Google DeepMind 宣布在气旋预测上取得突破并开源 WeatherNext 系列模型。其三日预测精度相当于以往模型两日的水平，能为防灾多争取整整一天的预警时间，在单个 TPU 上不到 1 分钟即可生成 15 天预报。
MAC：一句话生成可打印 3D CAD 模型，Token 消耗减少 116 倍
开源框架 MAC 发布 v2，用户只需输入自然语言就能生成可编辑、可打印的 3D CAD 零件与装配体。它通过多智能体分工与自动校验，相比基线方案将 Token 消耗降低 116 倍、成本减少 13 倍，支持导出 STEP、STL 及 URDF 格式。
Prime Intellect 开源 Prime Agent：把上下文当变量的自我进化智能体
Prime Intellect 开源了智能体框架 Prime Agent。它将上下文抽象为变量，通过持久 Python 环境直接调用子智能体；运行轨迹沉淀为技能与记忆后，还能自动微调 harness 实现自我进化，支持在本地后台常驻运行长期任务。
京东开源 JoyAI-Video-Edit：文字即时修视频，720p 达 30 帧
京东开源实时视频编辑模型 JoyAI-Video-Edit。它采用 16B 参数自回归扩散架构，用户输入文字指令即可实时编辑流式画面，支持换装、去杂物与风格迁移。系统在 720p 下跑出 30 FPS，单张 RTX 5090 也能实时运行。
NVIDIA 开源自动驾驶模型 Alpamayo 2 Super：商用开放，跑分超 GPT-4o
NVIDIA 宣布自动驾驶开源推理模型 Alpamayo 2 Super 正式开放商用，采用 OpenMDW-1.1 许可。该模型基于 Cosmos 3 构建，在 LingoQA 基准上超越 GPT-4o 达 23.2 分，支持全景环视并可输出轨迹规划与因果推理链，助力车企云端研发与自动标注。
Genspark 开源办公套件 GenOffice：单人一周写完，内建智能体且全免费
Genspark 开源 AI 办公套件 GenOffice Alpha 版，支持 PC 与 Mac。套件涵盖文档、表格、幻灯片及 PDF 编辑，内建 Super Agent 处理调研与排版生成。团队称该版本由一名工程师用一周、消耗 1 万美元 token 开发完成，无广告且完全免费。
LongHorizon-Harness：拆出独立审计角色，专治 AI Agent 长任务越做越跑偏
LongHorizon-Harness 框架开源。它将长任务拆解为管理、执行和独立审计三个独立角色，执行端单次跑完就丢弃上下文，只由审计端核查真实环境后更新记录。在 WeaveBench 评测中，该框架让 Qwen 3.7-Plus 的通过率从 51.8% 飙升至 80.7%。
endless-frontier 开源 BigBang-v1：让 AI 自己出题自我进化
endless-frontier 在 Hugging Face 开源语言模型 BigBang-v1。该模型基于 Qwen 3.6 35B-A3B，通过生成与批评智能体对抗，自动合成约 1 万条高难度科学训练题。最值得关注的是，它仅靠小规模数据就在多项前沿科学评测中逼近万亿参数模型。
DeepSeek-V4-Flash 正式上线：Agent 能力反超自家长尺寸 Pro 版
DeepSeek 正式开源 DeepSeek-V4-Flash-0731。新模型内置 DSpark 投机采样模块，强化后训练后在多项 Agent 基准上反超参数量更大的 V4-Pro 预览版，部分测试紧咬 Opus 4.8。模型采用 MIT 协议，支持 vLLM 与 SGLang 部署。