Nace AI 发布决策模型 Drex 技术报告：响应仅 183 毫秒，权重已开源
Nace AI 发布 51 页技术报告，公布开源决策模型 Drex 的训练细节。它专门处理固定选项选择，经由 115 万条真实数据和大模型置信度校准训练，响应仅需 183 毫秒。目前权重已开放下载，并在 Nace Console 提供免费测试。
开源项目 · 日报
每日 AI 内容精选
周五
11月6日 星期五
Cactus 开源超小视觉模型 Mirage：仅 22MB，手机端 74 毫秒搞定识图与分割
Cactus 开源轻量级视觉模型 Mirage，参数量 5130 万，经 2 位量化后体积仅约 22 MB。模型单次运行就能同步搞定场景描述、目标检测、OCR 识字、图像分割和空间关系推断，在三星 Galaxy S26 的 NPU 上仅耗时 74 毫秒。这意味着在小体量穿戴设备或手机本地，复杂的视觉任务也能不联网即时跑完。
HyperFlow H3 Flash 开源：MiniMax 视音频模型瘦身至 9.1GB，24GB 显卡可跑
Video Rebirth 开源 HyperFlow H3 Flash，将约 31B 的 MiniMax-H3 压缩至 14B，仅需 4 至 8 步采样即可声画同步生成 768p 视频。模型 Q4 量化版体积缩减至 9.1GB，不仅能在 24GB 显存显卡上运行，配合 4 张 B200 还能实现实时生成。这意味着高质量端到端视频生成首次能在消费级设备上跑通。
周四
11月5日 星期四
谷歌开源 Agile Deliberation：让 AI 找边界案例，帮人厘清规则
谷歌开源 AI 分类框架 Agile Deliberation，把「人教 AI」变成「AI 主动抓取边界案例帮人理清标准」。通过概念界定与迭代两个阶段，它能把主观模糊的想法转化为清晰可执行的规则，很适合内容审核与数据标注。
hunch：在 CPU 上跑毫秒级语义决策，把大模型高频任务接过去
开源项目 hunch 基于 EmbeddingGemma 2 打造本地语义决策系统，可在普通 CPU 上实现毫秒级判断。它像快反应系统向大模型边用边学，逐步接管工具调用监控、日志分析等高频任务。文本判断仅需 22 毫秒，大幅砍掉 API 延迟与调用成本且无需 GPU。
周三
11月4日 星期三
Kimi 开源 K3.1 Pro 权重：3T 级原生多模态 Agent 模型
Kimi 在 HuggingFace 上放出了 K3.1 Pro 的模型权重，采用专门的「Kimi K3.1 Pro」许可证。官方称这是其迄今最强的 3T 级模型，具备原生多模态与 Agent 能力，旨在持续推进开放智能生态。
Linum 开源 Pyramid-JiT：不走 VAE，2.1 万美元训出 20 亿参数生图模型
Linum 两人团队开源生图模型 Pyramid-JiT，完全从零训练仅花费 2.1 万美元算力。它拥有 20 亿参数，彻底抛弃传统的 VAE，直接在像素空间端到端生成图像。模型代码和权重均已开源，虽不擅长复杂文字与多人构图，但大幅拉低了自研扩散模型的门槛。
Ricursive 开源 Ripple-65B：65B 纯稠密模型跑赢多款几千亿 MoE 旗舰
Ricursive Intelligence 开源了 65B 纯稠密模型 Ripple-65B Preview，支持 100 万上下文。它避开了主流的 MoE 路线，以 3200 万美元成本从头训练，在 TerminalBench 2.1 智能体编程测试中拿下了 80.52 分，超越了参数量大十倍的多款开源 MoE 模型。
Anthropic 开源 FlashProve：用零知识证明防服务商「偷换模型」
Anthropic 开源大模型推理验证系统 FlashProve，利用零知识证明，让开发者无需获取模型权重或 GPU，用普通 CPU 就能验证 API 输出是否来自承诺的模型。最关键的是打破了黑盒信任，不过目前生成证明仍需额外消耗 72 至 94 倍的 GPU 时间。
周二
11月3日 星期二
NitroFusion 2 开源：1 到 2 步极速出图，本地 ComfyUI 就能跑
研究团队开源图像生成模型 NitroFusion 2，把传统扩散生成压缩至仅需 1 到 2 步。它通过多模态文本流对抗蒸馏，在一步出图下仍能保留精细细节与清晰文字排版。完整模型权重约 12GB，普通消费级显卡通过 ComfyUI 即可在本地部署体验。
Pruna 开源 P-H3-Image：把视频模型改成图像生成，8 步跑出 4K 图
Pruna AI 开源图像模型 P-H3-Image，由视频模型 MiniMax-H3 重构而来。团队精简了文本编码器与网络骨干，将生成压缩至 8 步，体积减至最小 20 GB，支持最高 1600 万像素及 8 张参考图融合。ComfyUI 已原生支持该模型。
sand3d：专为大模型设计的 3D 建模 Python 库，整套 API 仅 3600 token
Sandflow AI 开源 3D 建模库 sand3d，让大模型用简短代码直接生成 3D 资产。它基于 Blender 底层构建，零件与关节全部按语义名称调用而不用手算坐标，整套 API 约 3600 token 可直接塞进系统提示词，项目还同步开源了 10 万个 3D 模型的代码数据集。
NVIDIA 开源 Auto Ontology：给企业数据建语义层，告别 AI 查数瞎编
NVIDIA 开源 Auto Ontology 框架，能自动从元数据构建企业语义层，把业务术语对齐到数据库字段。智能体通过自然语言提问时，系统会按统一口径生成可审计的 SQL 并附带数据溯源，还支持 MCP 与主流智能体对接。
周一
11月2日 星期一
Kimi K3.1 Pro：2.8 万亿参数多模态模型开源，完整权重上架
月之暗面在 Hugging Face 上线 Kimi K3.1 Pro 完整权重。该多模态模型总参数达 2.8 万亿，推理激活 1040 亿参数，支持 100 万 token 上下文。1.56TB 的体积虽然考验算力，但已全面适配 vLLM 与 SGLang 部署。
周日
11月1日 星期日
题了个题：让孩子先答题通关才能看电视的开源屏幕管控工具
开源 Android 工具「题了个题」（StudyOnTV）上线，孩子必须先答对题目才能赚取屏幕使用时长。所有数据保存在本地无需云端账号，支持遥控器和手写作答，还内置 DeepSeek 等 AI 接口自动批改主观题。
周六
10月31日 星期六
DeepSeek 开源 dsh-superagent 原型：平时不打扰，写完代码直接提 PR
DeepSeek 开源了面向单个 GitHub 仓库的智能体实验原型 dsh-superagent-prototype。它能自动接收任务并在独立目录干活，平时安静待命，只有在需要人类决策或提交 PR 时才会发通知，旨在减少对开发者注意力的打扰。官方强调这仅是探索自主协作的研究代码，并非正式产品。
周五
10月30日 星期五
Autopilot：开源游戏测试智能体，像真人一样通关找 Bug
Aura 开源游戏测试智能体 Autopilot，能以插件形式接入 UE5、Unity 6 和 Godot 4。开发者只需输入一句目标提示词，它就会自动分析代码并操控角色探索或通关，不仅越玩越熟练，测完还会生成排查报告。它也支持通过 MCP 配合 Claude Code 使用。
Audio8-TTS-Realistic 开源：6 亿参数，几秒音频即可克隆 23 种语言
Edge0 开源文本转语音模型 Audio8-TTS-Realistic，仅 6 亿参数、体积 2.6GB。它只需几秒参考音频即可完成零样本声音克隆，支持 23 种语言。模型采用 Apache 2.0 许可证允许商用，低配消费级 GPU 也能轻松运行。
周四
10月29日 星期四
Auto-Company 开源：用强制收敛流程，治好 14 个 AI 智能体开会空转
CMU 研究者 Zheyuan Kong 开源 Auto-Company，让 14 个模拟行业大佬的 AI 智能体在本地自主建仓并写代码。它硬编码了强制收敛流，前两轮头脑风暴后必须决定做或不做，杜绝智能体无限开会，底层直接调用 Claude Code 执行。不过它需要真实主机的全访问权限。
Pika 开源音视频模型 H3 Flex：仅需 6 步采样，音画同步生成
Pika 在 GitHub 开源音视频生成模型 Pika H3 Flex。模型基于 MiniMax-H3 训练，只需 6 步采样就能同步生成 5 至 15 秒带立体声的视频，支持 11 种画幅和最多 12 个多模态参考文件。最值得关注的是它的推理效率大幅提升，单张 H100 即可本地运行。
周三
10月28日 星期三
NVIDIA 开源 Nemotron 3.5 Transcribe：能认 8 人说话，可用提示词控制
NVIDIA 发布开源语音大模型 Nemotron 3.5 Transcribe。它把转录、区分说话人、翻译和语音问答装进同一个模型，支持 40 种语言转录与 1 小时长音频，最多区分 8 位发言者。模型采用 MoE 架构，300 亿总参数每次仅激活约 40 亿，在多项开源基准上登顶。
Sperid Labs 开源 Idol：单图生成百万级 3D 高斯模型
Sperid Labs 开源单图转 3D 高斯模型 Idol。它能自动扣除背景并补全遮挡的背面，直接输出包含百万级高斯点的 3DGS 文件。最值得关注的是，模型显存峰值仅需 7.2 GB，普通消费级显卡几秒到十几秒即可跑通。
英伟达发布 Open H3 Regenerate 2K：3 步将 AI 视频重绘至 2K，最高支持 4K
英伟达推出开源视频增强工具 Open H3 Regenerate 2K，可将 MiniMax H3 等模型生成的低分辨率视频重绘至 2K，最高支持 4K 输出。它仅需 3 步扩散即可补足画面细节，支持最长 15 秒片段，相关代码与模型已全盘开源。不过重绘过程可能会轻微改变人脸等局部细节。
NVIDIA 开源 MotionBricks：给几个关键姿势，实时补全连贯动作
NVIDIA 开源动作生成模型 MotionBricks。它只需输入前后的目标姿势，就能实时计算并补全中间平滑的运动过渡，还能把翻越、坐下等复杂动作像积木一样拼接。仓库包含人体与宇树 G1 机器人两套预训练权重和演示工具，代码采用 Apache 2.0 开源。
周二
10月27日 星期二
Bygga：把宜家说明书变成可互动的 3D 动画，还能动嘴翻页
开源项目 Bygga 上线，输入宜家货号即可将纸质说明书转换成可旋转、可朗读的 3D 线稿步骤。它内置 1171 款产品且离线可用，支持拼装时动嘴喊「下一步」免翻页，还可用 Together AI 扫描补充说明书。代码以 MIT 协议开源。
Hi3D 开源第一代 3D 模型：仅 7.74GB，单张图片生成高精度资产
Hi3D 正式开源第一代 3D 生成模型 V1.0，代码与权重已公开且支持商用。该模型基于约 200 万个 3D 资产训练，几何提取分辨率达 1536³，整套文件仅 7.74GB，普通消费级显卡即可装下。最先进的第三代目前仍保持闭源。
百度开源 Unlimited OCR 2：支持整本书一次解析，消费级显卡就能跑
百度开源超长文档解析模型 Unlimited OCR 2。模型仅 3B 参数（约 6.9GB），引入 SR-SWA 机制避免显存随页数累加，可一次性解析数千页文档并自动合并跨页表格和段落。这意味着厚重卷宗不用再逐页拆解，普通显卡就能搞定完整还原。
周一
10月26日 星期一
AmirMushich 开源新方案：免 3D 建模，用 AI 视频做可交互商品页
设计师 AmirMushich 开源了一套网页方案，不用 3D 建模就能做出可旋转交互商品页。它用 LTX-2.5 Pro 把衣服参考图生成旋转视频，拆成约 30 帧后由 JS 控制播放。运行时无需调用模型或 3D 引擎，大幅降低电商展示门槛。
腾讯混元开源 Hy-SimulMT：3 秒延迟中英同传，还能实时克隆人声
腾讯混元开源中英双向实时同声传译模型 Hy-SimulMT。它能在发言时同步输出翻译文本与语音，流式延迟约 3 秒，并支持保留发言者音色的实时声音克隆。官方已开放推理与微调代码，评测显示其表现接近专业同传。
MotionSites 开源 Claude 技能：一句话生成电影级动效落地页
MotionSites 开源了一套 Claude Skill，让 AI 摆脱千篇一律的布局，直接做出电影感落地页。它内置 40 组精选范例与公开视频素材库，并自带截图自检修复闭环。不仅能直接编写可用代码，还可以为 Lovable、v0 等工具输出专属提示词。
Bria 开源 Fibo 2.0 Edit Turbo：8B 图像编辑模型，4 步即可精准改图
Bria AI 开源 80 亿参数图像编辑模型 Fibo 2.0 Edit Turbo，采用非商业许可。该模型将推理蒸馏至 4 步且无需引导，支持蒙版与多参考图，能在保持其余画面像素级稳定的同时精准修改局部属性。
周日
10月25日 星期日
书童 Pagekin：开源小说智能体，按需组装上下文不崩人设
开源 AI 小说写作工具「书童 Pagekin」推出一套完整创作流程，专门解决长篇创作中人设混乱和前后矛盾的问题。它把设定和章节蓝图结构化，按需调取上下文，支持局部改对话与逐条审稿合并。软件开源免费，底层大模型需作者自行配置接入。
周六
10月24日 星期六
商汤开源 SenseNova 6.8 Code-to-Video：靠写代码生成视频，单个元素随意改
商汤开源 SenseNova 6.8 Code-to-Video。与传统黑盒视频模型不同，它靠生成可执行代码来逐帧渲染动画，可精细修改单个元素且不影响整体。该模型基于 Qwen3.8 27B 构建，完整体积约 55GB，需高端 GPU 运行。
