Ai2 推出 MolmoWeb：只看截圖就能操作網頁的開源智慧體
Ai2 釋出開源權重視覺網頁智慧體 MolmoWeb，提供 4B 和 8B 尺寸，完全依靠螢幕截圖操作，不依賴 HTML 或無障礙樹解析。配套開源的 MolmoWebMix 包含 3 萬條人類瀏覽軌跡。其在 WebVoyager 等即時基準評測中超越同類開源對手。
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
字節跳動開源 DeerFlow 2.0：讓多 Agent 進 Docker 沙箱替你幹活
字節跳動開源 AI 代理排程中樞 DeerFlow 2.0。它能拆解複雜長程任務，自動派出子智慧體分頭執行研報、建站或影片生成。每個任務都跑在獨立的 Docker 沙箱中安全執行，支援跨會話記憶，並可接入 DeepSeek、GPT-4 等任意模型，採用 MIT 協議開源。
Pascal Editor：在瀏覽器裡跑的開源 3D 建築編輯器，免裝桌面端
Pascal Editor 是一款開源免費的瀏覽器端 3D 建築編輯器，基於 WebGPU 和 React Three Fiber 構建。它支援牆體、樓板和區域的層級化即時編輯，依靠髒節點追蹤技術呼叫本地顯示卡流暢渲染。使用者無需安裝動輒昂貴的專業桌面軟體，開啟網頁就能堆疊拆解樓層並快速建模。
gsap-skills：讓 AI Agent 幫你寫規範的 GSAP 網頁動效
GreenSock 推出官方技能庫 gsap-skills，教 AI Agent 正確使用 GSAP 核心 API、時間軸與 ScrollTrigger 等功能寫動效。它支援 Cursor、Claude Code 等 40 多款工具，能減少 AI 瞎編過時語法的問題。
MetaClaw：日常對話就能讓智慧體自動進化，空閒時雲端更新權重
持續元學習框架 MetaClaw 開源，讓大模型智慧體能從每次真實對話中自動進化。它在呼叫間隙把失敗經驗提煉成新技能，並在使用者閒置或睡眠時通過雲端 LoRA 非同步微調權重。最關鍵的是無需本地顯示卡且零停機，成功將 Kimi-K2.5 任務準確率從 21.4% 提至 40.6%。
Unsloth Studio：不用寫程式碼，本地微調 500+ 模型還省 70% 視訊記憶體
Unsloth 釋出開源無程式碼工具 Unsloth Studio 公測版。它把資料製作、模型訓練與本地推理整合進同一介面，能把 PDF 等文件直接轉成資料集，訓練速度翻倍且省 70% 視訊記憶體。支援 500 多種模型，已在 GitHub 開源。
SegviGen：自動拆解 3D 模型部件，點選或給張圖即可精準分割
SegviGen 開源了基於 TRELLIS.2 的 3D 部件分割框架。使用者只需在模型上點選區域性或上傳 2D 參考圖，就能自動把 3D 模型精準拆成獨立零件。其互動分割效能比此前 SOTA 提升 40%，不過本地執行需要至少 24GB 視訊記憶體的 Nvidia GPU。
Spark VSSR：谷歌開源影片超解析度工具，全套權重與訓練程式碼開放
谷歌開源影片超解析度工具 Spark VSSR，可將低畫質影片放大並銳化細節，適用於老電影修復與風景動畫。專案開放了推理權重、全套訓練程式碼與資料集，總大小約 42.2 GB，需高階 GPU 執行。這意味著開發者可以直接在本地微調和執行頂尖畫質的影片放大管線。
Google 開源 Colab MCP Server：讓任何 AI 智慧體直接在雲端跑程式碼
Google 開源 Colab MCP Server，允許任何相容 MCP 的 AI 智慧體直接通過命令列接管 Google Colab。智慧體可在雲端自動建立單元格、執行程式碼並生成視覺化圖表，讓開發者免去本地算力瓶頸與程式碼執行風險。只需通過 uvx 配置即可讓 Claude Code 等工具無縫接入。
開源架構 Mamba-3 亮相：推理延遲更低，效能比 Transformer 高 4%
卡耐基梅隆大學與普林斯頓大學研究團隊開源了狀態空間模型架構 Mamba-3。其 MIMO 變體在基準測試中取得 57.6% 的平均準確率，相對 Transformer 提升約 4%；它用一半的狀態大小達到 Mamba-2 的質量，並引入複數值狀態補齊推理短板，顯著縮短 GPU 空閒時間。
Mistral 開源 Mistral Small 4：推理與多模態合一，僅 6B 啟用引數
Mistral 釋出開源模型 Mistral Small 4。它採用 MoE 架構，總引數 119B 且每 token 僅啟用 6B，首次把推理、多模態與智慧體程式設計整合到單一模型，支援 256k 上下文與可調節推理力度。相比前代延遲降低 40%，且在同等精度下輸出更簡短，大幅節約推理成本。
MiroMind 開源 MiroThinker-H1：把驗證塞進推理，預測金價僅差 0.08%
MiroMind 開源深度研究智慧體 MiroThinker-1.7 及旗艦模型 H1。模型引入雙層驗證機制，將審計直接嵌入推理過程，全尺寸達 2350 億引數，另有 61GB 的 mini 版。它在 BrowseComp 等基準上超越了多款頂尖閉源模型。
阿里開源 Fun-CineForge：讓 AI 配音對齊唇形與多角色
阿里開源影視配音模型 Fun-CineForge。輸入影片與文本，模型通過引入「時間模態」識別角色並對準唇形，即便面部被遮擋也能卡準節奏發聲。最值得關注的是它支援多角色自然切換，讓自動配音真正做到了音畫對齊。
清華開源 OpenMAIC：輸入主題一鍵生成課程，AI 老師帶 AI 同學陪你上課
清華大學開源互動課堂平臺 OpenMAIC。輸入任意主題或文件，系統就能一鍵生成課件、測驗和互動模擬，並由會畫白板、能語音講解的 AI 老師和插話討論的 AI 同學即時帶練。它讓自學從單向看影片變成了可提問、可辯論的虛擬教室，程式碼基於 MIT 協議開源。
NVIDIA 成立開源大模型聯盟：聯手 Mistral 打造 Nemotron 4
NVIDIA 宣佈成立 Nemotron Coalition 開源聯盟，聯合 Mistral AI、Cursor、Perplexity 等團隊研發前沿開源模型。首個專案是由 NVIDIA 與 Mistral 聯合開發的基座模型，將在 DGX Cloud 上訓練並完全開源，作為新一代 Nemotron 4 的底座。
騰訊開源 Covo-Audio：7B 端到端語音模型，支援全雙工邊聽邊說
騰訊開源 7B 引數端到端音訊大語言模型 Covo-Audio-Chat。模型採用單一架構直接處理連續音訊輸入與輸出，支援原生低延遲全雙工互動，能做到邊聽邊說和即時打斷。程式碼與模型權重已在 GitHub 和 Hugging Face 開放。
Pulse of Motion：測算真實物理幀率，矯正 AI 影片的「計時幻覺」
研究團隊開源 Pulse of Motion，專門解決 AI 影片動作過快或過慢的「計時幻覺」。該模型不到 2GB，能直接從畫面運動推算出真實的物理幀率，並據此校正播放節奏。普通消費級裝置就能跑，讓 AI 畫面裡的動作真正符合現實物理規律。
Fish Audio 開源 TTS 模型 S2：臺詞內直接寫標籤，實現詞級語音控制
Fish Audio 釋出第二代開源語音模型 Fish Audio S2。它支援在臺詞中任意插入自然語言標籤實現詞級語氣控制，首包延遲僅 100 毫秒，支援約 80 種語言。模型權重與微調程式碼已在 GitHub 和 HuggingFace 開源。
斯坦福開源本地 AI 框架 OpenJarvis：近九成日常查詢可在端側跑通
斯坦福團隊開源本地優先的個人 AI 助手框架 OpenJarvis。測試顯示，本地模型足以處理 88.7% 的日常單輪查詢與推理，僅 11.3% 需呼叫雲端。最值得關注的是，它將最佳化痕跡與能耗評測留在本地，讓個人 AI 不再受制於外部伺服器與隱私條款。
OpenClaw 暴露看板上線：超 107 萬個例項裸奔公網，半數在中國
OpenClaw 暴露監控看板上線，追蹤直接暴露在公網的活躍 OpenClaw 例項。資料顯示全球裸奔例項已超 107 萬個，中國佔 50 萬個，美國佔 31 萬個，部分還伴隨憑據洩露。此類自主智慧體許可權極高，若無身份認證直接暴露公網，將面臨嚴重安全風險。