微软开源 Mage Flow：4B 参数兼顾生成与编辑，1 秒内出图
微软发布开源图像生成与编辑模型 Mage Flow。它采用 40 亿参数架构，不仅支持多语言文字渲染与背景替换等指令编辑，还原生内置姿态和边缘等控制能力。其 4 步 Turbo 模型生成单张高分辨率图像不到 0.6 秒，主模型约 17.5GB，中高端显卡即可本地部署。
微软
微软开源 Resource2Skill：把教程视频蒸馏成 Agent 能跑的技能库
微软开源 Resource2Skill，能将教程视频、代码与文章自动蒸馏为智能体可调用的执行技能。提取的技能包含代码与视觉示例，挂载在 MCP 服务器上，支持智能体自主产出网页、PPT、Excel 及 Blender 场景，实测性能提升 11.9 个百分点。
微软开源 Lens 3.8B 文生图模型：4 步极速出图，算力消耗不到两成
微软开源 3.8B 文生图模型 Lens 全部权重，包含 Base 与 Turbo 等版本。其蒸馏 Turbo 版仅需 4 步、0.84 秒即可出图，训练算力消耗仅为同类的 19.3%，最高支持 1440x1440 分辨率。独立开发者可借此获得轻量且专业级的图像生成流程。
微软开源 VibeVoice-ASR：单次处理 60 分钟音频，自带说话人分离
微软开源语音识别模型 VibeVoice-ASR（9B 参数）。它摒弃了传统的切块转录做法，单次可直接处理长达 60 分钟音频，并端到端一体化输出文本、时间戳与说话人分离结果。长会议和播客转录不再担心上下文割裂，代码已开源并支持微调。
微软 Edge 上线 Copilot Vision 预览：能边看网页边跟你实时语音聊天
微软面向 Copilot Pro 订阅用户开启 Copilot Vision 预览测试，把它内置在 Edge 浏览器中。AI 能实时看懂当前网页并与你语音交流，会话结束后会立即清除浏览数据。目前仅在 Copilot Labs 向部分美区用户开放，且仅支持指定网站。
微软全面改版 Copilot：加入实时语音与能看懂网页的 Vision
微软全面改版 Copilot，新增支持自然交谈的语音功能，并在实验区推出能实时看懂网页的 Copilot Vision 和深度推理模式 Think Deeper。早播新闻也开始采用授权媒体内容。目前 Vision 等实验功能仅面向部分英语区用户测试。