清华伯克利开源 uni-robot-agent：给千问套上机器人外壳，跑分反超 Astra
清华与伯克利联合开源机器人智能体框架 uni-robot-agent，让现成开源模型直接操控机械臂与仿真环境。在不依赖仿真器特权信息的前提下，本地运行的 Qwen3.8-Flash-Next 在 RoboDojo 拿到 31.39 分反超 GPT-6 Astra，单次执行成本降至后者的二十分之一。
清华大学
清华开源音视频提取模型 Falcon：看嘴型抽离人声，直连腾讯会议
清华团队开源目标说话人提取模型 Falcon。它将摄像头画面与麦克风声音对应，靠追踪嘴部在嘈杂环境中实时提取指定人物语音，可训练参数仅 50 万。配套的 Falcon Studio 支持在笔记本本地运行，并能通过虚拟音频设备直连腾讯会议或 Zoom。
蚂蚁与清华发布 Realtime-Venus：前台全双工对话，后台异步跑任务
蚂蚁集团与清华大学推出实时多模态 Agent 系统 Realtime-Venus。它采用双循环架构，由两个 9B 模型负责音视频感知与全双工语音，复杂推理则由后台异步处理。用户不用为了等 AI 干活而中断对话，很适合智能眼镜和车载场景。
面壁智能开源 MiniCPM-V 4.6：1.3B 端侧模型，6GB 内存流畅跑
面壁智能联合清华大学及 OpenBMB 正式开源端侧多模态模型 MiniCPM-V 4.6。模型仅 1.3B 参数，约 6GB 内存即可在端侧设备流畅运行，性能超越同级 Qwen3.5-0.8B，计算 Token 消耗仅为其十九分之一。这大幅降低了端侧多模态部署门槛，一张消费级显卡即可完成微调。
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。
字节联合清华发布 DreamID-Omni：一张图配声音，搞定多人对嘴对话
字节跳动与清华大学团队发布 DreamID-Omni。它能接收图像、文本与参考音频，让虚拟角色用对应原声说话，并解决了多人同屏对嘴混乱的问题，还支持现有视频的换脸换声。团队预计 3 月正式开源。
清华 Xmax AI 推出实时交互视频模型 X1：伸手就能与虚拟角色互动
清华大学 Xmax AI 团队推出实时交互视频模型 X1。它支持通过手机摄像头捕捉手势，无需手柄即可实时触摸并操控虚拟角色，具备毫秒级超低延迟和无限时长生成能力。目前团队已开启免费内测申请。
清华交大展示全光芯片 LightGen：生成任务比英伟达 A100 快百倍
上海交通大学与清华大学团队展示全光计算芯片 LightGen。在图像生成等复杂任务中，其速度和能效比英伟达 A100 提升了百倍以上。团队利用超构表面构建了「光学潜在空间」。不过该芯片目前仍依赖外置激光器，尚处于实验室阶段。
生数科技联手清华发布 Vidu：一键生成 16 秒 1080p 视频对标 Sora
生数科技联合清华大学发布文本生成视频模型 Vidu。它基于自研的 U-ViT 架构，能一键生成 16 秒、1080p 分辨率的视频，支持单场景多机位切换与物理规律模拟。虽然画质和真实感与 Sora 相比仍有差距，但其画面连贯性表现亮眼。