ASI-Evolve 开源：能读论文、做实验并自我改进的 AI 科研智能体
中国研究人员开源了 AI 科研智能体框架 ASI-Evolve，代码与论文全量公开。它能自主阅读论文、设计实验、运行代码并分析结果，通过闭环机制持续自我迭代改进，尝试把 AI 研发流程完全自动化。
开源项目 · 日报
周二
3月31日 星期二
同事.skill：把离职同事炼成 AI，一键复刻语气与技术规范
开源项目「同事.skill」在 GitHub 走红。它支持导入微信、飞书等平台的聊天记录，通过「人格层」与「技能层」架构，快速生成前同事的数字分身，连特定语气和沟通习惯都能复刻。三天内狂揽 6.7k Star，目前还衍生出了导师、前任等系列项目。
H Company 发布电脑操作模型 Holo3：OSWorld 跑出 78.85 分，35B 版本开源
H Company 发布专用于操作电脑的智能体模型 Holo3。该系列基于 Qwen 3.5 强化，旗舰版 Holo3-122B-A10B 仅激活 10B 参数，在 OSWorld-Verified 评测中创下 78.85% 的新纪录；同时轻量版 Holo3-35B-A3B 已在 Hugging Face 开源并提供免费 API。
周一
3月30日 星期一
Gen-Searcher 框架开源：先联网搜参考图再出图，解决生图盲区
研究团队开源图像生成框架 Gen-Searcher。它利用搜索代理先在网上检索参考图与事实信息，再辅助出图，能解决特定角色、冷门地点和数据的事实盲区，且兼容开源与闭源底模。
OpenMontage：把 AI 编程助手变成全自动视频工作室
开源 AI 视频制作系统 OpenMontage 获 6.85 万星。它能接入 Claude Code、Cursor 等编程助手，仅凭一句提示词自动完成资料检索、分镜设计、素材生成与剪辑合成；开工前先看分镜并报价，制作 60 秒示例动画仅花费 1.33 美元。
周日
3月29日 星期日
开源语音克隆 LuxTTS：3 秒音频复刻声音，显存不到 1GB 还跑 48kHz
开源语音克隆模型 LuxTTS 发布，只需 3 秒音频就能准确复刻音色。它将推理压缩至 4 步，显存占用不到 1GB，在 GPU 上达到 150 倍实时速度且原生支持 48kHz 高清音频。这意味着普通电脑甚至纯 CPU 也能零门槛跑通高质量配音。
周六
3月28日 星期六
Midjourney 工程师开源 Pretext：用 AI 辅助编码，绕过 DOM 重排
Midjourney 工程师 Cheng Lou 开源排版库 Pretext。该工具仅 15KB 且零依赖，由 OpenAI Codex 与 Anthropic Claude 等 AI 工具辅助写成。它直接在前端计算多行文字排版，绕过耗时的 DOM 重排，能让文字实时环绕动态物体。
周五
3月27日 星期五
开源技能 clone-website：拆解组件规格并并行构建，像素级克隆网站
开源项目推出网站克隆技能 clone-website，输入指令即可抓取真实样式并像素级复刻网页。它将页面拆成 150 行以内的单独组件规格，并通过 git worktree 让 Agent 并行构建与视觉比对。这套工程流程解决了 AI 生成前端时靠猜间距、容易糊弄的问题。
周四
3月26日 星期四
Meta 发布 SAM 3.1：多目标跟踪提速 7 倍，128 个物体顺畅跑
Meta 发布视频与图像分割模型 SAM 3.1，引入共享内存机制 Object Multiplex。在单张 H100 上跟踪 128 个目标时，推理速度提升约 7 倍且不损失精度，并在 6 项视频分割基准上超越前代。模型权重已在 Hugging Face 开放申请。
微软发布 Babylon.js 9.0：支持分簇光照与高斯泼溅，显存降 40%
Babylon.js 正式发布 9.0 版本。新版引入分簇光照系统，让成百上千个光源在 Web 端保持流畅；同时上线帧图管线，部分场景 GPU 显存占用直降 40% 以上。此外还带来节点粒子编辑器，并在 Adobe 协作下深度支持高斯泼溅渲染。
Real Restorer 开源：42 GB 模型本地搞定老照片降噪与反光修复
开源图像修复模型 Real Restorer 发布。它专门修复模糊、噪点、压缩伪影、划痕与反光，并能增强黑白老照片，基准测试表现比肩顶级闭源模型。项目总大小 42 GB，已提供代码和部署说明，需配备高端 GPU 本地运行。
Cohere 开源语音模型 Transcribe：2B 参数可本地跑，支持 14 种语言
Cohere 开源首个语音识别模型 Transcribe。该模型参数量为 20 亿，支持消费级 GPU 本地运行，每分钟可处理 525 分钟音频，涵盖中英日等 14 种语言。其在 Open ASR 榜单字错率为 5.42，同时 Cohere 还提供免费 API 接入。
周三
3月25日 星期三
字节开源飞书 CLI：专为 Agent 设计，让 Claude Code 零配置接管飞书
字节跳动开源飞书官方命令行工具 Lark CLI。它覆盖日历、文档、表格、会议等 18 个核心业务，提供 200 多个命令与专用的 Agent 技能。最值得关注的是其 Agent 原生设计，让 Claude Code 等外部智能体无需繁琐适配，即可直接读写并操作飞书工作流。
周二
3月24日 星期二
DaVinci Magihuman：15B 开源视频生成器，原生自带音频
开源视频模型 DaVinci Magihuman 发布，这是一个 150 亿参数、原生生成带音频视频的统一模型。其自测基准和真人盲测表现均优于 LTX 2.3，且开箱即无审查。不过即使是蒸馏版体积也达 61GB，普通消费级显卡很难跑动。
阿里开源 PrismAudio：输入无声视频配音效，5 亿参数 0.63 秒搞定
阿里开源音效生成模型 PrismAudio。它将强化学习与思维链结合，先分析画面再生成声画同步的音效。模型参数仅 5.18 亿，生成 9 秒音频只需 0.63 秒，在多项基准测试和生成速度上均优于 MM-Audio 等数十亿参数竞品。
Ai2 推出 MolmoWeb：只看截图就能操作网页的开源智能体
Ai2 发布开源权重视觉网页智能体 MolmoWeb，提供 4B 和 8B 尺寸，完全依靠屏幕截图操作，不依赖 HTML 或无障碍树解析。配套开源的 MolmoWebMix 包含 3 万条人类浏览轨迹。其在 WebVoyager 等实时基准评测中超越同类开源对手。
字节跳动开源 DeerFlow 2.0：让多 Agent 进 Docker 沙箱替你干活
字节跳动开源 AI 代理调度中枢 DeerFlow 2.0。它能拆解复杂长程任务，自动派出子智能体分头执行研报、建站或视频生成。每个任务都跑在独立的 Docker 沙箱中安全执行，支持跨会话记忆，并可接入 DeepSeek、GPT-4 等任意模型，采用 MIT 协议开源。
周日
3月22日 星期日
Pascal Editor：在浏览器里跑的开源 3D 建筑编辑器，免装桌面端
Pascal Editor 是一款开源免费的浏览器端 3D 建筑编辑器，基于 WebGPU 和 React Three Fiber 构建。它支持墙体、楼板和区域的层级化实时编辑，依靠脏节点追踪技术调用本地显卡流畅渲染。用户无需安装动辄昂贵的专业桌面软件，打开网页就能堆叠拆解楼层并快速建模。
周五
3月20日 星期五
gsap-skills：让 AI Agent 帮你写规范的 GSAP 网页动效
GreenSock 推出官方技能库 gsap-skills，教 AI Agent 正确使用 GSAP 核心 API、时间轴与 ScrollTrigger 等功能写动效。它支持 Cursor、Claude Code 等 40 多款工具，能减少 AI 瞎编过时语法的问题。
周四
3月19日 星期四
MetaClaw：日常对话就能让智能体自动进化，空闲时云端更新权重
持续元学习框架 MetaClaw 开源，让大模型智能体能从每次真实对话中自动进化。它在调用间隙把失败经验提炼成新技能，并在用户闲置或睡眠时通过云端 LoRA 异步微调权重。最关键的是无需本地显卡且零停机，成功将 Kimi-K2.5 任务准确率从 21.4% 提至 40.6%。
周二
3月17日 星期二
Unsloth Studio：不用写代码，本地微调 500+ 模型还省 70% 显存
Unsloth 发布开源无代码工具 Unsloth Studio 公测版。它把数据制作、模型训练与本地推理整合进同一界面，能把 PDF 等文档直接转成数据集，训练速度翻倍且省 70% 显存。支持 500 多种模型，已在 GitHub 开源。
SegviGen：自动拆解 3D 模型部件，点选或给张图即可精准分割
SegviGen 开源了基于 TRELLIS.2 的 3D 部件分割框架。用户只需在模型上点选局部或上传 2D 参考图，就能自动把 3D 模型精准拆成独立零件。其交互分割性能比此前 SOTA 提升 40%，不过本地运行需要至少 24GB 显存的 Nvidia GPU。
Spark VSSR：谷歌开源视频超分辨率工具，全套权重与训练代码开放
谷歌开源视频超分辨率工具 Spark VSSR，可将低画质视频放大并锐化细节，适用于老电影修复与风景动画。项目开放了推理权重、全套训练代码与数据集，总大小约 42.2 GB，需高端 GPU 运行。这意味着开发者可以直接在本地微调和运行顶尖画质的视频放大管线。
Google 开源 Colab MCP Server：让任何 AI 智能体直接在云端跑代码
Google 开源 Colab MCP Server，允许任何兼容 MCP 的 AI 智能体直接通过命令行接管 Google Colab。智能体可在云端自动创建单元格、执行代码并生成可视化图表，让开发者免去本地算力瓶颈与代码执行风险。只需通过 uvx 配置即可让 Claude Code 等工具无缝接入。
开源架构 Mamba-3 亮相：推理延迟更低，性能比 Transformer 高 4%
卡耐基梅隆大学与普林斯顿大学研究团队开源了状态空间模型架构 Mamba-3。其 MIMO 变体在基准测试中取得 57.6% 的平均准确率，相对 Transformer 提升约 4%；它用一半的状态大小达到 Mamba-2 的质量，并引入复数值状态补齐推理短板，显著缩短 GPU 空闲时间。
周一
3月16日 星期一
Mistral 开源 Mistral Small 4：推理与多模态合一，仅 6B 激活参数
Mistral 发布开源模型 Mistral Small 4。它采用 MoE 架构，总参数 119B 且每 token 仅激活 6B，首次把推理、多模态与智能体编程集成到单一模型，支持 256k 上下文与可调节推理力度。相比前代延迟降低 40%，且在同等精度下输出更简短，大幅节约推理成本。
MiroMind 开源 MiroThinker-H1：把验证塞进推理，预测金价仅差 0.08%
MiroMind 开源深度研究智能体 MiroThinker-1.7 及旗舰模型 H1。模型引入双层验证机制，将审计直接嵌入推理过程，全尺寸达 2350 亿参数，另有 61GB 的 mini 版。它在 BrowseComp 等基准上超越了多款顶尖闭源模型。
阿里开源 Fun-CineForge：让 AI 配音对齐唇形与多角色
阿里开源影视配音模型 Fun-CineForge。输入视频与文本，模型通过引入「时间模态」识别角色并对准唇形，即便面部被遮挡也能卡准节奏发声。最值得关注的是它支持多角色自然切换，让自动配音真正做到了音画对齐。
清华开源 OpenMAIC：输入主题一键生成课程，AI 老师带 AI 同学陪你上课
清华大学开源互动课堂平台 OpenMAIC。输入任意主题或文档，系统就能一键生成课件、测验和交互模拟，并由会画白板、能语音讲解的 AI 老师和插话讨论的 AI 同学实时带练。它让自学从单向看视频变成了可提问、可辩论的虚拟教室，代码基于 MIT 协议开源。
NVIDIA 成立开源大模型联盟：联手 Mistral 打造 Nemotron 4
NVIDIA 宣布成立 Nemotron Coalition 开源联盟，联合 Mistral AI、Cursor、Perplexity 等团队研发前沿开源模型。首个项目是由 NVIDIA 与 Mistral 联合开发的基座模型，将在 DGX Cloud 上训练并完全开源，作为新一代 Nemotron 4 的底座。
腾讯开源 Covo-Audio：7B 端到端语音模型，支持全双工边听边说
腾讯开源 7B 参数端到端音频大语言模型 Covo-Audio-Chat。模型采用单一架构直接处理连续音频输入与输出，支持原生低延迟全双工交互，能做到边听边说和实时打断。代码与模型权重已在 GitHub 和 Hugging Face 开放。
周日
3月15日 星期日
Pulse of Motion：测算真实物理帧率，矫正 AI 视频的「计时幻觉」
研究团队开源 Pulse of Motion，专门解决 AI 视频动作过快或过慢的「计时幻觉」。该模型不到 2GB，能直接从画面运动推算出真实的物理帧率，并据此校正播放节奏。普通消费级设备就能跑，让 AI 画面里的动作真正符合现实物理规律。