fal 推出 FLUX.2 Turbo：生成只需 8 步，单张成本不到 1 美分
fal 推出 FLUX.2 [dev] Turbo 图像模型。借助 DMD2 蒸馏技术，模型推理步数从 50 步骤减至 8 步，生成单张 1024 分辨率图片仅需 6.6 秒，成本约 0.008 美元。该模型权重已在 Hugging Face 开放，但遵循非商用许可，商用需走 fal 官方 API。
开源项目 · 日报
周一
12月29日 星期一
周四
12月25日 星期四
Liquid AI 发布 LFM2-2.6B-Exp：纯强化学习训练，指令得分超大模型 263 倍
Liquid AI 发布实验模型 LFM2-2.6B-Exp。它基于 LFM2-2.6B 采用纯强化学习训练，在指令遵循、知识和数学基准上超越其他 3B 级别模型，其中 IFBench 得分超过了体积为其 263 倍的 DeepSeek R1-0528。模型已在 Hugging Face 开源。
周五
12月19日 星期五
阿里开源 Qwen-Image-Layered：把图片直接拆成 Photoshop 级透明图层
阿里通义千问开源 Qwen-Image-Layered 图像拆解模型。它能把整张图片直接拆解为带透明通道的 RGBA 图层，支持提示词指定 3 到 10 层，甚至可在图层里套层无限细拆。设计师以后拿到 AI 图片不用再费劲抠图，直接就能分层编辑。
Google DeepMind 开源 Gemma Scope 2：给 Gemma 3 装上「显微镜」排查越狱与幻觉
Google DeepMind 开源模型可解释性工具套件 Gemma Scope 2，全面覆盖 Gemma 3 从 270M 到 27B 的全系列模型。它结合稀疏自编码器与转码器，帮助研究人员看清模型内部计算过程，以此深入分析越狱、幻觉和思维链忠实度等安全隐患。
Anthropic 开源评测工具 Bloom：输入行为特征就能自动跑基准
Anthropic 开源自动化行为评测工具 Bloom。研究人员只要给出一个失准行为描述，它就能自动生成多样化场景和交互来量化模型倾向，几天内即可搭好测试套件，有效防止基准集被模型训练污染或失效。代码已在 GitHub 开源。
周四
12月18日 星期四
LMArena 开源榜单核心库 Arena-Rank：JAX 加速 30 倍，支持少样本重加权
LMArena 宣布开源其 AI 排行榜评分核心 Python 包 Arena-Rank。新版本改用 JAX 计算后端，相比原 FastChat 实现提速超 30 倍，并加入样本重加权算法以保证少对决模型的公平性。除大模型评估外，该工具还能直接复用于体育或电竞对抗排名。
周二
12月16日 星期二
微软开源 TRELLIS.2-4B：单图生成高精度 3D 资产，最快 3 秒出结果
微软团队开源 40 亿参数的 3D 生成模型 TRELLIS.2-4B。它基于 O-Voxel 稀疏体素结构，支持从单张图片生成包含完整 PBR 材质与半透明效果的 3D 网格。在 H100 上生成 512³ 分辨率资产仅需约 3 秒，运行至少需要 24GB 内存的 NVIDIA GPU。
小米开源 MiMo-V2-Flash：309B 参数 MoE 模型，主打编程推理与极致性价比
小米发布并开源大模型 MiMo-V2-Flash，总参数 309B、激活 15B。它主打编程与推理，支持 256k 上下文，并在 SWE-bench Verified 登顶开源第一。模型每秒生成 150 token，百万输入输出仅 0.1 和 0.3 美元，大幅降低了智能体与代码生成的调用门槛。
周一
12月15日 星期一
NVIDIA 发布 Nemotron 3 开源模型：主打多智能体协作，Nano 版即日上线
NVIDIA 发布面向多智能体系统的开源模型家族 Nemotron 3，首发上线的 Nano 版本采用混合专家架构，吞吐量达到前代的 4 倍。官方还同步开源了配套的训练数据集与强化学习工具库。
周四
12月11日 星期四
AI2 开源 Molmo 2：8B 逆袭 72B，支持视频指向与追踪
AI2 正式发布开源多模态模型 Molmo 2，推出基于 Qwen 3 和 Olmo 的 4B、7B 与 8B 版本，并开源从训练到部署的完整代码。其 8B 模型在视频追踪与定位上跑赢 Gemini 3 Pro 及前代 72B，训练视频数据量仅为竞品八分之一。
周二
12月9日 星期二
DiffSynth-Studio 开源 Qwen-Image-i2L：单张图片直接转出专属 LoRA
DiffSynth-Studio 开源 Qwen-Image-i2L，支持仅凭单张图片直接生成定制 LoRA 模型。该套件基于 SigLIP2、DINOv3 与 Qwen-VL，提供 2.4B 风格提取和 7.9B 内容捕捉等模型。这意味着无需繁琐微调与大批训练集，靠一张图就能快速提炼画风与主体。
Mistral AI 发布 Devstral 2 代码模型：24B 本地可跑，配套终端 CLI
Mistral AI 发布开源代码模型 Devstral 2（123B）与 Devstral Small 2（24B），并推出终端智能体 Mistral Vibe CLI。123B 版本在 SWE-bench Verified 达 72.2%，成本号称比 Claude Sonnet 高出 7 倍性价比；24B 版本可在消费级硬件本地运行。目前其 API 阶段性免费开放。
Anthropic 捐出 MCP：移交 Linux 基金会，OpenAI 也加入共管
Anthropic 宣布将 Model Context Protocol（MCP）捐赠给 Linux 基金会旗下的 Agentic AI Foundation。该基金由 Anthropic、Block 和 OpenAI 共同发起，旨在确保智能体标准中立开放。目前 MCP 已有超 1 万个活跃公开服务，并获 ChatGPT 与 Gemini 等主流工具全面接入。
周一
12月8日 星期一
智谱开源视觉模型 GLM-4.6V：原生支持工具调用，MIT 协议商用
智谱 AI 开源 GLM-4.6V 系列视觉语言模型，涵盖 106B 及 9B 的 Flash 版本，均采用宽松的 MIT 协议。新模型最大看点在于原生多模态工具调用，能直接把图像或截图作为参数传给工具，支持 128k 上下文。开发者无需中间文本转换即可商用落地。
周二
12月2日 星期二
Mistral 发布 Mistral 3：675B 旗舰与端侧小模型全线 Apache 2.0 开源
Mistral AI 正式推出新一代 Mistral 3 模型家族，且全线采用宽松的 Apache 2.0 许可证开源。新系列包括总参数 675B（激活 41B）的旗舰 MoE 模型 Mistral Large 3，以及覆盖 3B、8B、14B 的端侧模型 Ministral 3。全系均原生支持图像理解与多语言对话，还针对英伟达硬件进行了低精度推理深度优化。
Hugging Face Skills 开源：教 Claude 和 Cursor 训练模型与发论文
Hugging Face 开源 Agent Skills 技能包，专门教 Claude Code、Cursor 和 Codex 等编码智能体执行模型微调、评估和数据集管理。每个技能都是包含「SKILL.md」的独立模块，智能体可按需加载，打通了编程助手与机器学习生态之间的操作断层。
周一
12月1日 星期一
NVIDIA 在 NeurIPS 开源自动驾驶推理模型 Alpamayo-R1
NVIDIA 在 NeurIPS 大会上推出一系列物理与数字 AI 开源工具。其中最受关注的是全球首个工业级开源自动驾驶推理模型 Alpamayo-R1，它把思维链推理融入轨迹规划，让自动驾驶汽车在行人混行等复杂路况下能像人一样推导应对方案。此外，NVIDIA 还同步开放了多说话人语音识别和 AI 安全推理模型。
周一
11月24日 星期一
微软开源端侧 Agent 模型 Fara-7B：70 亿参数，能替你上网点鼠标
微软开源计算机使用模型 Fara-7B。它仅 70 亿参数，无需辅助功能树，直接看屏幕截图就能操纵键鼠完成填表、订票等网页任务。最关键的是它支持在 Copilot+ PC 上离线运行，兼顾了低延迟与隐私安全。
周四
11月20日 星期四
Hugging Face 推出 AnyLanguageModel：换行代码通吃本地与云端模型
Hugging Face 发布开源 Swift 库 AnyLanguageModel。它直接兼容苹果官方 Foundation Models 接口，开发者改动一行 import 语句，就能在 MLX、Core ML 等本地模型与云端 API 之间自由切换，省去了大量编写胶水代码的麻烦。目前该项目处于 1.0 前期阶段。
周三
11月19日 星期三
Meta 发布 SAM 3 与 SAM 3D：支持复杂提示词分割，单图直接重建 3D
Meta 发布分割模型 SAM 3 与 SAM 3D。SAM 3 支持用复杂的自然语言提示在图片和视频中精确定位并追踪物体，SAM 3D 则能把单张 2D 图像中的人或物体直接重建成 3D 模型。两款模型已上线交互试玩区，SAM 3 的代码与权重已开源。
