Google 開源 Gemma 4：換用 Apache 2.0 協議，26B 效能匹敵 20 倍大模型
Google 正式推出 Gemma 4 開源模型家族，全系採用商業友好的 Apache 2.0 協議。新系列涵蓋從端側 E2B、E4B 到 26B MoE 與 31B Dense 四種尺寸，上下文最高達 256K，並在 Arena AI 榜單上戰勝多款 20 倍體量的大模型。開發者如今可以極低的硬體開銷部署自主智慧體工作流。
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
Netflix 開源影片模型 VOID：刪掉物體，連帶修好物理因果
Netflix 開源影片編輯模型 VOID，允許指定刪除影片中的任意物體。最特別的是它會推導物理因果，抹去物體後讓受影響的物體自然墜落、保持真實。模型權重與程式碼已全部公開，總大小約 22GB，本地執行需 40GB 以上視訊記憶體的高階 GPU。
YouTube Shorts Pipeline：一條命令把標題做成影片，成本只要 0.1 美元
開源工具 YouTube Shorts Pipeline 支援用一條命令將新聞標題直接轉成已釋出的 YouTube 短影片。它串聯了 Claude、Gemini、ElevenLabs 和 Whisper，單個影片製作僅需 3 到 5 分鐘，API 成本約 0.10 美元，支援本地執行與預覽調整。
OmniVoice 開源：支援 600 多種語言，幾秒音訊即可跨語種克隆
零樣本語音模型 OmniVoice 正式開源。它支援超過 600 種語言，只需幾秒音訊就能克隆音色與語氣，還能實現跨語種遷移，或通過提示詞直接定製聲音。最值得關注的是它直接將文本對映為聲學特徵，大幅拓寬了小語種覆蓋。目前程式碼與模型均已公開。
Arcee AI 開源推理模型 Trinity-Large-Thinking：跑智慧體便宜 96%
Arcee AI 開源推理模型 Trinity-Large-Thinking 並上線 API，採用 Apache 2.0 協議。新模型在響應前引入思考步驟，增強長程多輪工具呼叫；在 PinchBench 智慧體基準上僅次於 Opus-4.6，輸出每百萬 token 僅收 0.90 美元。
ASI-Evolve 開源：能讀論文、做實驗並自我改進的 AI 科研智慧體
中國研究人員開源了 AI 科研智慧體框架 ASI-Evolve，程式碼與論文全量公開。它能自主閱讀論文、設計實驗、執行程式碼並分析結果，通過閉環機制持續自我迭代改進，嘗試把 AI 研發流程完全自動化。
同事.skill：把離職同事煉成 AI，一鍵復刻語氣與技術規範
開源專案「同事.skill」在 GitHub 走紅。它支援匯入微信、飛書等平臺的聊天記錄，通過「人格層」與「技能層」架構，快速生成前同事的數字分身，連特定語氣和溝通習慣都能復刻。三天內狂攬 6.7k Star，目前還衍生出了導師、前任等系列專案。
H Company 釋出電腦操作模型 Holo3：OSWorld 跑出 78.85 分，35B 版本開源
H Company 釋出專用於操作電腦的智慧體模型 Holo3。該系列基於 Qwen 3.5 強化，旗艦版 Holo3-122B-A10B 僅啟用 10B 引數，在 OSWorld-Verified 評測中創下 78.85% 的新紀錄；同時輕量版 Holo3-35B-A3B 已在 Hugging Face 開源並提供免費 API。
Gen-Searcher 框架開源：先聯網搜參考圖再出圖，解決生圖盲區
研究團隊開源影像生成框架 Gen-Searcher。它利用搜索代理先在網上檢索參考圖與事實資訊，再輔助出圖，能解決特定角色、冷門地點和資料的事實盲區，且相容開源與閉源底模。
OpenMontage：把 AI 程式設計助手變成全自動影片工作室
開源 AI 影片製作系統 OpenMontage 獲 6.85 萬星。它能接入 Claude Code、Cursor 等程式設計助手，僅憑一句提示詞自動完成資料檢索、分鏡設計、素材生成與剪輯合成；開工前先看分鏡並報價，製作 60 秒示例動畫僅花費 1.33 美元。
開源語音克隆 LuxTTS：3 秒音訊復刻聲音，視訊記憶體不到 1GB 還跑 48kHz
開源語音克隆模型 LuxTTS 釋出，只需 3 秒音訊就能準確復刻音色。它將推理壓縮至 4 步，視訊記憶體佔用不到 1GB，在 GPU 上達到 150 倍即時速度且原生支援 48kHz 高畫質音訊。這意味著普通電腦甚至純 CPU 也能零門檻跑通高質量配音。
Midjourney 工程師開源 Pretext：用 AI 輔助編碼，繞過 DOM 重排
Midjourney 工程師 Cheng Lou 開源排版庫 Pretext。該工具僅 15KB 且零依賴，由 OpenAI Codex 與 Anthropic Claude 等 AI 工具輔助寫成。它直接在前端計算多行文字排版，繞過耗時的 DOM 重排，能讓文字即時環繞動態物體。
開源技能 clone-website：拆解元件規格並並行構建，畫素級克隆網站
開源專案推出網站克隆技能 clone-website，輸入指令即可抓取真實樣式並畫素級復刻網頁。它將頁面拆成 150 行以內的單獨元件規格，並通過 git worktree 讓 Agent 並行構建與視覺比對。這套工程流程解決了 AI 生成前端時靠猜間距、容易糊弄的問題。
Meta 釋出 SAM 3.1：多目標跟蹤提速 7 倍，128 個物體順暢跑
Meta 釋出影片與影像分割模型 SAM 3.1，引入共享記憶體機制 Object Multiplex。在單張 H100 上跟蹤 128 個目標時，推理速度提升約 7 倍且不損失精度，並在 6 項影片分割基準上超越前代。模型權重已在 Hugging Face 開放申請。
微軟釋出 Babylon.js 9.0：支援分簇光照與高斯潑濺，視訊記憶體降 40%
Babylon.js 正式釋出 9.0 版本。新版引入分簇光照系統，讓成百上千個光源在 Web 端保持流暢；同時上線幀圖管線，部分場景 GPU 視訊記憶體佔用直降 40% 以上。此外還帶來節點粒子編輯器，並在 Adobe 協作下深度支援高斯潑濺渲染。
Real Restorer 開源：42 GB 模型本地搞定老照片降噪與反光修復
開源影像修復模型 Real Restorer 釋出。它專門修復模糊、噪點、壓縮偽影、劃痕與反光，並能增強黑白老照片，基準測試表現比肩頂級閉源模型。專案總大小 42 GB，已提供程式碼和部署說明，需配備高階 GPU 本地執行。
Cohere 開源語音模型 Transcribe：2B 引數可本地跑，支援 14 種語言
Cohere 開源首個語音識別模型 Transcribe。該模型引數量為 20 億，支援消費級 GPU 本地執行，每分鐘可處理 525 分鐘音訊，涵蓋中英日等 14 種語言。其在 Open ASR 榜單字錯率為 5.42，同時 Cohere 還提供免費 API 接入。
位元組開源飛書 CLI：專為 Agent 設計，讓 Claude Code 零配置接管飛書
字節跳動開源飛書官方命令列工具 Lark CLI。它覆蓋日曆、文件、表格、會議等 18 個核心業務，提供 200 多個命令與專用的 Agent 技能。最值得關注的是其 Agent 原生設計，讓 Claude Code 等外部智慧體無需繁瑣適配，即可直接讀寫並操作飛書工作流。
DaVinci Magihuman：15B 開源影片生成器，原生自帶音訊
開源影片模型 DaVinci Magihuman 釋出，這是一個 150 億引數、原生生成帶音訊影片的統一模型。其自測基準和真人盲測表現均優於 LTX 2.3，且開箱即無審查。不過即使是蒸餾版體積也達 61GB，普通消費級顯示卡很難跑動。
阿里開源 PrismAudio：輸入無聲影片配音效，5 億引數 0.63 秒搞定
阿里開源音效生成模型 PrismAudio。它將強化學習與思維鏈結合，先分析畫面再生成聲畫同步的音效。模型引數僅 5.18 億，生成 9 秒音訊只需 0.63 秒，在多項基準測試和生成速度上均優於 MM-Audio 等數十億引數競品。