微軟開源 Resource2Skill：把教程影片蒸餾成 Agent 能跑的技能庫
微軟開源 Resource2Skill，能將教程影片、程式碼與文章自動蒸餾為智慧體可呼叫的執行技能。提取的技能包含程式碼與視覺示例，掛載在 MCP 伺服器上，支援智慧體自主產出網頁、PPT、Excel 及 Blender 場景，實測效能提升 11.9 個百分點。
開源專案
Llama、通義千問、DeepSeek 等開源大模型的新版本，以及值得一用的開源資料集、框架和開發工具。
檢視更新的新聞
BrowserBC 開源：把網頁操作提煉為「技能卡」，做 Agent 版按鍵精靈
Einsia AI 旗下 Navers Lab 開源 BrowserBC。它先完整錄製人類在瀏覽器中的操作與頁面反饋，再由模型轉寫成說明書式的自然語言「技能卡」，供任意智慧體在真實頁面上自主執行，而非死板復刻點選座標，相當於 Agent 時代的「按鍵精靈」。
Ornith 1.0 開源：讓模型自造腳手架寫程式碼，最高 3970 億引數
開源模型家族 Ornith 1.0 正式上線，專為智慧體程式設計設計，覆蓋 9B 到 397B MoE 規格。它最大的亮點是能在強化學習中自主生成引導解題的腳手架框架，在 SWE-bench Verified 等測試中比肩前沿大模型。全套權重及 21GB 的 GGUF 量化版已在 Hugging Face 開源。
Meta 開源設計系統 Astryx：支撐內部 1.3 萬個應用，專為 AI 智慧體設計
Meta 開源了內部演進 8 年的設計系統 Astryx，它支撐了 Meta 內部超過 1.3 萬個應用。系統基於 React 19 構建，包含 150 多個無障礙元件與專用 CLI。最值得關注的是它專為人機協作打造，統一了規範與文件，讓 AI 智慧體也能精準理解和呼叫。
Hermes Agent 新增 /learn 命令：給程式碼或文件，自動提煉可複用技能
Nous Research 為 Hermes Agent 引入 /learn 命令，使用者只需提供本地目錄、網頁 URL 或剛才的對話記錄，智慧體就會利用自帶工具將其提煉為規範的技能檔案。該功能不依賴額外的提取引擎，在本地、Docker 和遠端環境都能直接把臨時操作變成可複用能力。
Krea 開源 Krea 2 影像模型權重：分微調版 Raw 與快速版 Turbo
Krea 宣佈開源影像生成模型 Krea 2 的權重，推出 Raw 與 Turbo 兩個版本。Raw 是訓練中期的未蒸餾模型，專供開發者微調；Turbo 則是蒸餾後的快速版本，兼顧速度與審美多樣性。這意味著外部開發者可以直接本地部署並做定製開發。
Domain Shuttle：輸入參考圖生成影片，多角色跨風格也能保持一致
開源影片生成專案 Domain Shuttle 釋出，支援輸入多張參考圖生成影片並保持主體一致。它能把真人、2D 動漫和 3D 角色放進同一場景互動，還支援通過文本跨風格轉換。模型基於 Wan 2.2 構建，權重約 35GB，已在 GitHub 開原始碼。
InternScience 開源 Agents A1：35B 智慧體模型，部分基準逼近萬億巨頭
InternScience 開源 350 億引數的混合專家智慧體模型 Agents A1，專為長流程自主任務和工具呼叫打造。它在 GAIA、Frontier Science 等測試中逼近甚至超越部分萬億級大模型，且提供僅 21GB 的量化版本，能在消費級硬體上本地離線執行。
Liquid AI 釋出 LFM2.5 檢索模型：350M 引數支援 11 種語言
Liquid AI 釋出兩款 350M 引數的多語言檢索模型 LFM2.5-ColBERT-350M 與 LFM2.5-Embedding-350M，支援阿拉伯語、日語等 11 種語言。二者分別針對極速檢索和高精度匹配設計，在 NanoBEIR 評測中拿下同類第一，並提供 GGUF 格式支援端側執行。
Ai2 開源 MolmoMotion：聽語言指令預測 3D 物體軌跡
Ai2 推出 3D 運動預測模型 MolmoMotion 及 116 萬條軌跡資料集。它基於 Molmo 2，輸入影片首幀、指定點與文字指令，即可預測物體未來數秒在 3D 空間中的運動軌跡。在模擬抓取任務中，其成功率達 76.3%，還能用於輔助可控影片生成。程式碼與權重均已開源。
PermaVid：拆分外觀與 3D 結構記憶，解決 AI 影片編輯「改完就忘」
影片編輯框架 PermaVid 開源，專門解決 AI 影片編輯裡的時序一致性難題。它把空間上下文拆分成外觀和 3D 深度結構兩個獨立記憶庫，不管是全域性換風格還是區域性改物體，都不會丟失原有的幾何結構，程式碼已支援本地部署執行。
Kimi 開源 Kimi-K2.7-Code：萬億引數 MoE 架構，對標頂級閉源模型
Moonshot AI 開原始碼模型 Kimi K2.7 Code。該模型擁有 1 萬億總引數和 320 億啟用引數，權重檔案近 600GB，思考 Token 消耗比前代減少約 30%。它針對複雜長週期程式設計任務最佳化，在多項基準上逼近 GPT-5.5 和 Opus 4.8。
Zyphra 開源語音模型 ZONOS2：8B 引數 MoE，支援 44.1 kHz 聲音克隆
Zyphra 開源語音合成模型 ZONOS2，採用總引數 80 億、啟用 9 億的 MoE 架構，基於超 600 萬小時音訊訓練。它能以低延遲實現 44.1 kHz 高保真聲音克隆，首批支援中英日等多種語言，遵循 Apache 2.0 協議並提供本地推理服務。
Google 釋出 DiffusionGemma：改用文本擴散，生成提速 4 倍
Google 開源實驗模型 DiffusionGemma。它摒棄逐字生成，改用文本擴散一次並行輸出 256 個 token，在 GPU 上推理提速最高 4 倍，單張 H100 每秒超 1000 token。該模型為 26B MoE 架構，量化後可塞進 18GB 視訊記憶體，但輸出質量略遜於標準 Gemma 4。
普林斯頓釋出開源影像模型 i1：30 億引數，程式碼與配方全公開
普林斯頓大學開源了 30 億引數的影像生成模型 i1，同時公開訓練程式碼、推理程式碼及完整資料處理管線。它大小約 12GB，能在消費級裝置執行。其最大價值不在於刷榜，而是為開發者從零訓練影像模型提供了一套徹底透明的公開方案。
SCAIL-2 開源：支援多角色與動物動作遷移，打鬥場景也能穩住
ZAI 開源影片動作遷移模型 SCAIL-2，無需中間骨架即可實現端到端角色動畫。它支援多角色大幅度打鬥與角色替換，甚至能把動作遷移給火烈鳥或誇張身材的異形生物。不過模型權重總計達 81GB，普通消費級顯示卡需要等待量化版本。
dots.tts：小紅書開源 2B 語音模型，支援零樣本聲音克隆
小紅書開源 2B 引數端到端語音合成系統 dots.tts。它採用全連續自迴歸架構與 48 kHz AudioVAE，不使用離散 token，在評測中展現出極低的詞錯誤率與高說話人相似度，支援語音克隆與精細編輯。程式碼和權重按 Apache-2.0 協議開放。
Google 釋出 Gemma 4 QAT 模型：手機就能跑，E2B 視訊記憶體壓到 1GB 內
Google 釋出 Gemma 4 系列的量化感知訓練（QAT）模型權重。通過在訓練階段模擬量化，大幅降低模型壓縮帶來的質量損耗，並將 Gemma 4 E2B 純文本模型的記憶體佔用壓至 1GB 以內。權重已上線 Hugging Face，支援本地消費級裝置直接流暢執行。
Google 開源即時音樂模型 MRT2：延遲 200ms，Mac 本地就能彈
Google 開源即時音樂模型 Magenta RealTime 2。它能在搭載 Apple Silicon 的 Mac 上本地執行，延遲約 200 毫秒，支援通過 MIDI、音訊和文本即時彈奏控制。它把生成式音樂做成了可嵌入編曲軟體的即興樂器，不過目前僅支援純音樂，無法生成人聲。
Boson AI 釋出 Higgs TTS 3：文本加標籤調語氣，權重已開源
Boson AI 釋出語音合成模型 Higgs TTS 3，並在 Hugging Face 開源模型權重。它支援在文本流中直接插入標籤，即時控制情緒、語速、音高和停頓，覆蓋 100 多種語言。開發者給語音 Agent 配音時，能像導演調演員一樣掌控語氣細節。