阿里开源 Qwen3.6-27B：270 亿参数编程跑分反超 397B 大模型
阿里通义团队开源稠密模型 Qwen3.6-27B。官方称其在主流编程基准测试中全面超越自家的 Qwen3.5-397B-A17B，具备智能体编程与多模态推理能力，支持思考与非思考模式，并采用宽松的 Apache 2.0 协议开源。
开源项目 · 日报
周三
4月22日 星期三
OpenAI 开源 Privacy Filter：本地运行脱敏 8 类隐私数据
OpenAI 开源隐私过滤模型 Privacy Filter，可脱敏 8 类隐私数据。其总参数 1.5B、激活参数仅 50M，支持 128,000 token 上下文，在修正基准测试中 F1 达 97.43%。数据无需上传即可在本地完成脱敏。
Hugging Face 开源 ml-intern：能读论文、跑训练的「AI 实习生」
Hugging Face 开源 Agent 框架 ml-intern。它能自主阅读论文、检索数据集并写代码微调模型，10 小时内将 Qwen 的科学推理成绩大幅拉高。最值得关注的是它串联起 Hugging Face 全套生态，能自动化搞定繁琐的模型后训练流程。
周二
4月21日 星期二
Google 开源 Stitch 的 DESIGN.md：让 AI 智能体跨平台读懂设计规范
Google 宣布开源 AI UI 设计工具 Stitch 的 DESIGN.md 规范草案。该格式支持跨平台导入导出设计系统，使 AI 智能体能直接理解配色意图，并依据 WCAG 标准校验无障碍合规性，省去重复搭建规则的麻烦。
Open CoDesign：开源本地 AI 设计工具，自带模型生成原型与文档
Open CoDesign 是一款开源桌面端 AI 设计工具，被视作 Claude Design 的本地替代品。它支持自带 API 密钥接入任意主流模型或本地 Ollama，通过文字或参考素材自主生成可交互 UI 原型、幻灯片与 PDF，并支持实时局部微调与源码导出。
周一
4月20日 星期一
月之暗面开源 Kimi K2.6：支持 4000+ 步长程编码，能跑 300 个子智能体
月之暗面发布开源代码模型 Kimi K2.6。新模型主打长程编程，支持超 4000 次工具调用和 12 小时连续运行，可驱动 300 个并行子智能体协作修改超百个文件。它在 SWE-Bench Pro 等基准达开源 SOTA，权重已开源，并在 kimi.com 上线。
OpenGame 开源：只给一句话，AI Agent 端到端做出完整网页游戏
研究人员开源网页游戏生成 Agent 框架 OpenGame，输入一句话即可端到端构建、测试并修复可玩网页游戏。系统内置持续进化的技能库，能沉淀项目模板并自动调试纠错。目前项目代码与演示均已公布。
LTX HDR LoRA：给开源视频模型补上 16-bit HDR
Lightricks 为开源视频模型 LTX 发布 HDR IC-LoRA。这个仅约 340MB 的轻量模型能将原本 8-bit SDR 的生成视频升级为 16-bit HDR，大幅提升动态范围和色彩细节。也就是说，创作者能直接在现成工作流中输出专业素材，给剪辑调色留足空间。
周四
4月16日 星期四
HeyGen 开源 HyperFrames：专为智能体打造的 HTML 转 MP4 框架
HeyGen 开源了面向智能体的视频生成框架 HyperFrames。该框架完全在 Claude Code 中构建，能将 HTML 页面转为 MP4 视频，让智能体可以通过代码自动化生产视频内容，官方的发布视频也是直接在 Claude Code 中用它生成的。
Browser Use 开源 video-use：让 Claude Code 读字幕直接剪视频
Browser Use 开源了 video-use，让 Claude Code 等智能体能直接剪辑视频。它避开直接灌入海量视频帧的高成本做法，改为利用带时间戳的语音转录文本与按需抽帧，支持自动裁切废话停顿、加字幕与调色。
阿里开源 Qwen3.6-35B-A3B：35B 总参数仅激活 3B，编程能力堪比十倍体量
阿里巴巴 Qwen 团队以 Apache 2.0 协议开源 Qwen3.6-35B-A3B 模型。该模型采用稀疏 MoE 架构，总参数 35B 但激活仅 3B，智能体编程能力号称媲美 10 倍激活体量的模型，同时具备多模态感知与思考推理双模式。
Mozilla 旗下 MZLA 推出开源 AI 客户端 Thunderbolt：支持自托管与 Haystack
Mozilla 旗下 MZLA 推出开源自托管 AI 客户端 Thunderbolt。它原生集成 deepset 的 Haystack 框架，支持跨平台聊天、搜索与自动化工作流。其主打数据主权并避免厂商锁定，源码已在 GitHub 开源。
腾讯开源 3D 世界模型 HY-World 2.0：直接输出可编辑 3D 资产
腾讯混元团队开源 3D 世界模型 HY-World 2.0。与只生成像素视频的模型不同，它支持文本、图像或视频输入，能直接输出可导入 Unity、UE 等引擎的持久化网格与 3D 高斯点云，并支持带物理碰撞的自由交互与导航。
周二
4月14日 星期二
英伟达开源 3D 世界生成器 Lyra 2.0：视频转 3D 场景，能直接训机器人
英伟达发布并开源 3D 世界生成器 Lyra 2.0，能将单段视频转为高一致性的 3D 高斯泼溅环境。模型体积仅 131MB，解决了长视距下的遗忘与漂移问题，生成的场景可直接导入 Isaac Sim 供机器人做导航训练。
Spark 2.0 开源：浏览器也能跑 1 亿点高斯泼溅，手机 VR 都能流畅加载
开源项目 Spark 发布 2.0 版本，基于 Three.js 推出 3D 高斯泼溅流式 LoD 系统。它借助 WebGL2，让浏览器能把超 1 亿个 splat 的超大场景流式传输至手机或 VR 设备并动态调整精度，彻底降低了大规模 3D 渲染的硬件门槛。
NVIDIA 开源量子 AI 模型 Ising：校准时间从数天缩至数小时
NVIDIA 推出开源量子 AI 模型家族 Ising，用于量子处理器校准和纠错。其中校准模型基于视觉语言模型，将处理器校准时间从数天压至数小时；解码模型比行业基准 pyMatching 提速达 2.5 倍、准确度高 3 倍。
周日
4月12日 星期日
开源算法 RotorQuant 击败谷歌：10 倍显存压缩下预填充提速 5.3 倍
开源 KV 缓存压缩算法 RotorQuant 亮相。它利用克利福德旋转器简化了谷歌 TurboQuant 的全局矩阵运算，在提供 10 倍显存压缩的同时，将预填充速度拉高 5.3 倍、解码提速 28%。这意味着单张消费级显卡跑超长上下文大模型变得容易得多。
MiniMax 开源编程模型 M2.7：SWE-Pro 拿下 56.22%，刷新两项基准
MiniMax 宣布正式开源编程模型 M2.7。该模型在软件工程基准 SWE-Pro 获得 56.22%、在 Terminal Bench 2 获得 57.0%，双双创下 SOTA 成绩。权重已上线 Hugging Face，开发者也可通过 MiniMax 平台直接调用 API。
周六
4月11日 星期六
EditCrafter 开源：无需微调支持 4K 图像编辑，吃 24GB 显存
免微调图像编辑工具 EditCrafter 开源，支持直接对最高 4K 分辨率的大图进行修改。它能在不重新训练的情况下保留原图细节与结构，但出图偏向高对比度与高饱和度；本地运行 4K 编辑需要 24GB 显存。
周四
4月9日 星期四
AniGen 开源：一张图生成带骨骼绑定的 3D 资产，可直接做动画
开源项目 AniGen 发布，支持仅凭单张图片直接生成内置完整关节骨架的 3D 模型。生成的资产无需繁杂后期即可导入动画软件制作动画，不管是台灯还是动物都能自然对齐。不过本地运行门槛较高，需要至少 18 GB 显存的 NVIDIA 显卡。
开源免训练框架 Numina：让 AI 视频学会数数，精准控制物体数量
研究人员开源免训练框架 Numina，解决 AI 视频生成频繁数错物体数量的缺陷。它无需重新训练，通过分析注意力头找出布局偏差并重新引导生成，在 Wan2.1 上将计数准确率最高提升 7.4%，可直接接入主流开源模型。
Overworld 开源实时世界模型 Waypoint 1.5：消费级显卡可跑，支持实时交互
Overworld 团队发布开源实时世界模型 Waypoint 1.5，专为消费级硬件设计。模型提供 720p 与 360p 两个档位，最低仅需 RTX 3070 显卡即可本地实时渲染与交互。这意味着普通电脑也能跑起原本依赖庞大算力集群的实时虚拟世界。
ACE-Step 1.5 XL：把 4B DiT 搬上本地，不到 1 分钟生成带人声整首歌
开源音乐生成模型 ACE-Step 1.5 XL 发布，将 DiT 解码器参数扩至 4B，支持输入提示词与歌词在本地生成带人声的完整歌曲。蒸馏版仅需 8 步推理，在消费级显卡上不到 1 分钟即可完成。最值得关注的是其效果直逼主流商业模型；不过本地运行最低需要 12GB 显存。
周三
4月8日 星期三
INSPATIO-WORLD 开源：把普通视频变 3D 世界，单张 4090 就能跑
研究团队开源 4D 场景模拟器 INSPATIO-WORLD，能把普通单目视频转成可交互探索的 3D 世界。它通过构建底层世界模拟保证视角一致性，在 RTX 4090 上可达每秒 10 帧。这意味着消费级显卡也能实时漫游由视频重建的动态场景。
周二
4月7日 星期二
Ai2 开源 WildDet3D：单张照片生成 3D 边界框，手机就能跑
Ai2 开源单目 3D 目标检测模型 WildDet3D，只需单张普通照片或视频，就能推算出物体的真实 3D 尺寸、距离和朝向。它支持通过文本提示、点击或 2D 选框定位物体，并能在手机端实时运行 AR 标注。官方已将模型权重、训练代码及 370 万标注数据集全部开源。
Z.ai 开源编程模型 GLM-5.1：SWE-Bench Pro 超越 GPT-5.4
Z.ai 发布旗舰智能体编程模型 GLM-5.1 并按 MIT 协议开源。其在 SWE-Bench Pro 评测中拿下 58.4 分，超越 GPT-5.4 和 Claude Opus 4.6。该模型专为长程任务设计，可在数百次迭代与数千次工具调用中持续改进性能。
Hermes Agent 原生支持 LLM-Wiki：让智能体自动整理交叉引用知识库
Nous Research 宣布将 Karpathy 提出的 LLM-Wiki 模式作为原生技能加入 Hermes Agent。智能体现在能自动创建持久化的 Markdown 知识库，随时间自我编译、交叉引用与校验。运行更新后输入指令，就能让智能体承担起文档库的图书管理员工作。
周一
4月6日 星期一
开源 AI 记忆系统 MemPalace：LongMemEval 斩获满分，本地运行零云端
Ben Sigman 与 Milla Jovovich 开源了 AI 记忆系统 MemPalace。该系统在本地以「记忆宫殿」结构组织对话，在 LongMemEval 评测中以 500 题全对拿到首个满分。它通过 AAAK 压缩把用户全局背景压缩至约 120 个 token，无需云端 API 与订阅。
SpatialEdit 开源：精准移动物体与转动相机视角，权重与数据全公开
图像空间编辑模型 SpatialEdit 宣布开源，权重与训练数据全部公开。它不仅能微调画面中物体的精确位置与朝向，还能直接控制相机的偏航、俯仰与缩放视角。最关键的是，它在空间基准测试中表现亮眼，不过 32GB 的模型权重需要高端 GPU 才能跑起来。
周五
4月3日 星期五
Nous Research 发布 Hermes Agent v0.7.0：记忆系统改版为可扩展插件
Nous Research 发布 Hermes Agent v0.7.0。新版本将记忆模块重构成可扩展的插件系统，除了开箱即用的内置方案，还首发支持 6 款第三方服务，开发者也能自由定制后端。运行 hermes memory setup 即可切换记忆方案。
周四
4月2日 星期四
Google 开源 Gemma 4：换用 Apache 2.0 协议，26B 性能匹敌 20 倍大模型
Google 正式推出 Gemma 4 开源模型家族，全系采用商业友好的 Apache 2.0 协议。新系列涵盖从端侧 E2B、E4B 到 26B MoE 与 31B Dense 四种尺寸，上下文最高达 256K，并在 Arena AI 榜单上战胜多款 20 倍体量的大模型。开发者如今可以极低的硬件开销部署自主智能体工作流。
Netflix 开源视频模型 VOID：删掉物体，连带修好物理因果
Netflix 开源视频编辑模型 VOID，允许指定删除视频中的任意物体。最特别的是它会推导物理因果，抹去物体后让受影响的物体自然坠落、保持真实。模型权重与代码已全部公开，总大小约 22GB，本地运行需 40GB 以上显存的高端 GPU。
周三
4月1日 星期三
YouTube Shorts Pipeline：一条命令把标题做成视频，成本只要 0.1 美元
开源工具 YouTube Shorts Pipeline 支持用一条命令将新闻标题直接转成已发布的 YouTube 短视频。它串联了 Claude、Gemini、ElevenLabs 和 Whisper，单个视频制作仅需 3 到 5 分钟，API 成本约 0.10 美元，支持本地运行与预览调整。
OmniVoice 开源：支持 600 多种语言，几秒音频即可跨语种克隆
零样本语音模型 OmniVoice 正式开源。它支持超过 600 种语言，只需几秒音频就能克隆音色与语气，还能实现跨语种迁移，或通过提示词直接定制声音。最值得关注的是它直接将文本映射为声学特征，大幅拓宽了小语种覆盖。目前代码与模型均已公开。
Arcee AI 开源推理模型 Trinity-Large-Thinking：跑智能体便宜 96%
Arcee AI 开源推理模型 Trinity-Large-Thinking 并上线 API，采用 Apache 2.0 协议。新模型在响应前引入思考步骤，增强长程多轮工具调用；在 PinchBench 智能体基准上仅次于 Opus-4.6，输出每百万 token 仅收 0.90 美元。
