騰訊開源翻譯模型 HYMT2：最小 1.8B 可跑在手機上，專精複雜格式
騰訊開源多語言翻譯模型系列 HYMT2，覆蓋 18 億到 300 億引數，支援 33 種語言。該模型專門優化了指令遵循能力，能在翻譯時嚴格保留佔位符、JSON 及排版格式，最小的 1.8B 版本甚至能在手機端執行。
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
HRM-Text：花 1000 美元就能從零預訓練 1B 推理模型
Sapient Intelligence 開源 HRM-Text 預訓練框架，主打用約 1000 美元算力從零訓練 1B 引數推理模型。它基於分層迴圈架構，號稱算力減少 130 至 600 倍、資料需求降至千分之一，在 GSM8k 達到 84.7%。目前全套程式碼已在 GitHub 按 Apache 2.0 開源。
開發者開源 Claude Code 3D 工具包：單圖生成完整場景與物理
開發者 Neilson 開源了一套適配 Anthropic Claude Code 的 3D 生成工具包。該工具僅需輸入單張圖片，即可自動生成包含網格、物理模擬、光照和音訊元件的完整 3D 環境，讓開發者在 Claude Code 中無需手動建模也能快速搭建 3D 場景。
Articraft 開源：讓 AI 寫程式碼生成能動的 3D 資產，帶關節還自帶測試
研究團隊開源帶關節 3D 資產生成系統 Articraft 及超 1 萬個資產的資料集。它把 3D 建模轉化成程式設計問題，由 AI 智慧體寫程式碼定義部件與鉸鏈關節，並自動執行測試。生成結果能真正活動，大幅降低了機器人模擬和 VR 資產的製作門檻。
輝達釋出世界模型 SANA-WM：單張 5090 可 34 秒生成 1 分鐘影片
輝達釋出互動式世界模型 SANA-WM，僅 26 億引數即可將單張影像轉化為可鍵盤漫遊的 720p 影片。其蒸餾版本在單張 RTX 5090 上僅需 34 秒即可生成 1 分鐘片段。官方表示權重即將開源。
ReactiveGWM 開源：給遊戲世界模型加上 NPC，提示詞也能控對手
研究團隊開源遊戲世界模型 ReactiveGWM。它將玩家按鍵操作與 NPC 策略解耦，允許玩家一邊按鍵出招，一邊用提示詞指揮對手進攻或防守。模型基於 Wan 2.2 構建且相對輕量，可在本地中高階顯示卡上執行。
LTX-Video 迎來皮克斯風格 LoRA：一鍵把影片變成 3D 動畫電影
開發者在 Hugging Face 上線適配 LTX-Video 的皮克斯風格 LoRA。該模型未採用影視原作版權素材，能賦予畫面大眼睛與電影級光影等 3D 動畫質感。模型支援觸發詞「P1x4r」，可在 Diffusers 或 Draw Things 中直接載入執行。
面壁智慧開源 MiniCPM-V 4.6：1.3B 端側模型，6GB 記憶體流暢跑
面壁智慧聯合清華大學及 OpenBMB 正式開源端側多模態模型 MiniCPM-V 4.6。模型僅 1.3B 引數，約 6GB 記憶體即可在端側裝置流暢執行，效能超越同級 Qwen3.5-0.8B，計算 Token 消耗僅為其十九分之一。這大幅降低了端側多模態部署門檻，一張消費級顯示卡即可完成微調。
開源影像模型 L2P 釋出：砍掉 VAE 與潛空間，直接生成畫素級畫質
開源影像生成模型 L2P 釋出。該模型徹底移除了傳統擴散模型中的 VAE 和潛空間，直接在畫素空間生成影像，最高可支援 4K 解析度。最值得關注的是，它避免了潛空間轉換造成的畫質損失；目前已開原始碼與 20GB 大小的 1K 解析度模型權重。
SenseNova 開源 U1.5-8B：不用 VAE 解碼，直接在畫素空間出 4K 圖
SenseNova 開源統一多模態模型 SenseNova-U1.5-8B-MoT，採用 Apache 2.0 協議。它跳過了傳統的潛空間與 VAE 編解碼步驟，直接在畫素空間端到端生成原生 4K 影像，並支援通過自然語言修改文字與區域性元素。不過模型權重約 50GB，本地部署對顯示卡要求較高。
Vivago AI 開源 HiDream-O1 Image：幹掉 VAE，搞定 2K 文字與海報排版
Vivago AI 開源影像生成模型 HiDream-O1 Image，直接在畫素空間端到端處理，去掉了傳統的 VAE 架構。它最高支援 2048×2048 解析度，不僅能做語義級編輯，還攻克了開源模型最頭疼的文字渲染和複雜海報排版。模型提供完整版和輕量 dev 版，但 32GB 的體積對本地視訊記憶體提出了較高要求。
開源 2B 文本轉語音模型：幾秒音訊克隆聲音，5GB 視訊記憶體可跑且可商用
一款 20 億引數的開源文本轉語音模型釋出，只需幾秒音訊即可實現零樣本聲音克隆，連耳語和結巴等細節也能還原。該模型支援跨語言合成，基礎大小僅約 5GB，能在消費級顯示卡上執行，並採用 Apache 2 許可證完全開放商用。
Scenema Audio 開源：從 LTX 2.3 提取的語音模型，用舞臺提示詞演情緒
ScenemaAI 開源情感語音模型 Scenema Audio。它從 LTX 2.3 中提取出音訊擴散架構，允許用舞臺動作標籤即時控制情緒起伏與環境音效，還支援零樣本聲音克隆。模型最低僅需 16GB 視訊記憶體即可本地執行，支援 13 種語言。
開源動漫模型 Zanime 釋出：60 億引數全量微調，4 步極速出圖
開源動漫影像模型 Zanime 正式釋出，由開發者基於阿里 Z-Image Base 架構全量微調而成。模型擁有 60 億引數，不僅提供 6GB 大小的 FP8 版本，還推出 4 步極速蒸餾版，8GB 視訊記憶體也能輕鬆跑。它改用自然語言提示詞替代傳統 tag 列表，支援任意比例生圖。
Anthropic 捐贈對齊測試工具 Petri：交由獨立機構，釋出 3.0 版本
Anthropic 宣佈將開源 AI 對齊測試工具箱 Petri 移交給評估非營利機構 Meridian Labs，並更新至 Petri 3.0。新版本拆分了審計與目標模型，引入「Dish」外掛模擬真實部署環境，並整合深度評估工具 Bloom。此舉旨在確保對齊測試的獨立與中立。
Google 為 Gemma 4 推出 MTP 草稿模型：推理最高提速 3 倍
Google 為 Gemma 4 系列模型推出多 Token 預測（MTP）草稿模型。該方案採用推測解碼技術，由輕量草稿模型先行預測多個 Token，再由大模型並行驗證，在保證質量零損耗的同時實現最高 3 倍推理加速。草稿模型已按 Apache 2.0 開源，支援 vLLM 與 Ollama。
book-to-skill：把技術書變成 Agent 技能，按需載入省下超 90% token
開源工具 book-to-skill 能將技術書或文件編譯為符合 Agent Skills 標準的結構化檔案。它一次性提取章節架構，後續按需呼叫對應章節，單次查詢僅約 5K token，比整書塞入上下文省下 24 到 51 倍消耗。支援 Claude Code、Copilot CLI 等多端使用。
OpenAI 聯合輝達等開源 MRC 協議：微秒級繞開故障，讓超算訓練不掉線
OpenAI 聯合 AMD、Broadcom、Intel、微軟與 NVIDIA 通過 OCP 開源了 MRC 網路協議。它能將資料切片分散到數百條網路路徑，並在微秒內繞開硬體故障。該協議已部署在 GB200 超算叢集中，成功保障了多個前沿模型的平穩訓練。
OpenClaw 為近期版本故障致歉：計劃精簡核心並在 5 月底推 LTS
OpenClaw 官方就 2026.4.29 版本出現的閘道器變慢、外掛依賴修復死迴圈及多渠道卡頓致歉。問題源於將核心模組拆分至 ClawHub 過程中的過渡混亂。團隊宣佈將精簡核心並明確外掛邊界，計劃 5 月底推出 LTS 版本，同時在 OpenAI 協助下擴充維護團隊。
Sprite-Pipeline：將 AI 影片轉成遊戲可用的 2D 精靈圖動畫
開源工具 Sprite-Pipeline 能將 AI 影片轉為遊戲可用的 2D 精靈圖。它通過 FFmpeg 抽幀、摳圖去背景，並拼成 256×256 的透明橫向序列幀，可直接匯入 Unity 或 Godot。專案還附帶瀏覽器預覽器與 AI 提示詞規範，幫獨立開發者低成本落地角色動畫。