位元組開源 Helios：單張 H100 即時生成 1 分鐘長影片，跑出 19.5 幀
位元組開源 14B 即時影片生成模型 Helios，在單張 H100 上生成速度達 19.5 幀/秒，最長可生成 1 分鐘長影片且畫風不崩。最值得關注的是，它無需繁複外掛手段就解決了長影片畫質漂移難題。相關執行管線與程式碼已開源至 GitHub。
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
Paperclip 開源框架：把 Agent 編成公司，人類只需當董事長
開源編排框架 Paperclip 嘗試將多個 AI Agent 組織成自主運作的「虛擬公司」。使用者只需設定商業目標與預算，系統會通過職位架構、工單和心跳打卡機制讓各層級 AI 拆解執行。雖然全自動營利目前更像模擬經營，但其組織與治理機制為一人創業提供了新思路。
Kiwi-Edit 開源：打字或給參考圖，就能對 720p 影片增刪改
Showlab 開源影片編輯框架 Kiwi-Edit，完整公開程式碼、模型與資料集。它結合多模態大模型與 5B 影片擴散 Transformer，支援通過自然語言或參考圖在 720p 解析度下完成物體增刪、背景替換和風格遷移。最值得關注的是其時序連貫性優秀，為開源影片編輯提供了統一工具鏈。
阿里釋出 Qwen3.5 小模型系列：0.8B 到 9B，專為端側打造
阿里通義千問團隊釋出 Qwen3.5 小模型系列，涵蓋 0.8B、2B、4B 和 9B 四個尺寸並同步提供 Base 版本。該系列沿用原生多模態架構並升級強化學習，主打邊緣裝置執行與輕量智慧體，在更低算力消耗下提供實用智慧。
Spectrum 開源：預判擴散軌跡，讓影像影片模型提速超 4 倍
字節跳動與斯坦福大學研究團隊開源擴散加速框架 Spectrum。它通過切比雪夫多項式預判未來的特徵軌跡，無須重新訓練即可疊加到現有流程中，讓 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成質量幾乎不受影響。
Google 開源 Workspace 命令列工具 gws：把全套辦公套件餵給 AI 智慧體
Google 開源 Workspace 統一命令列工具 gws，讓開發者與 AI 智慧體能直接操控 Gmail、Drive、Docs 等全套服務。它的命令基於介面動態生成並輸出結構化 JSON，內建 40 多個智慧體技能，方便大模型直接接管辦公流。
Microsoft 開源 VibeVoice-ASR：單次轉錄 60 分鐘音訊，自帶說話人識別
Microsoft 在 Hugging Face 開源語音識別模型 VibeVoice-ASR。它能在 64K 長度內一次性處理長達 60 分鐘的連續音訊而無需切片，同步輸出說話人、時間戳與轉錄文本，同時支援自定義熱詞和 50 多種語言的混說轉錄。
Pinchtab：12MB 檔案接管 Chrome，給 Agent 省 13 倍 Token
Pinchtab 推出專為 AI 智慧體設計的輕量級瀏覽器控制工具。這個僅 12MB 的 Go 二進位制檔案能零配置接管 Chrome，並通過通用 HTTP API 提供操作，支援 stealth 反爬模式。它把 Token 消耗從 1 萬壓到 800，任何程式語言都能直接呼叫。
WildActor：用 3 張參考圖搞定影片人物一致性，動作再大也不走樣
美團團隊開源人物影片生成專案 WildActor，支援通過 3 張參考圖實現多視角身份保持。它適配開源模型 Wan2.2-5B，無論真人還是卡通角色，在大幅動作下都能維持面部與服裝高度一致，並同步開源了 Actor-18M 資料管線。
開源專案 SynapsCAD 亮相：打造 CAD 版 Cursor，點 3D 零件就能改程式碼
開源專案 SynapsCAD 打造了一個 CAD 領域的 Cursor。介面左邊寫 OpenSCAD 程式碼，右邊即時渲染 3D 模型，使用者點選模型零件即可讓 AI 順著上下文修改對應程式碼。最值得看的是它堅持「程式碼即唯一真相」，AI 生成的始終是可讀、可版本管理的程式碼，而非黑盒幾何體。
OpenAI 開源 Symphony：自動把看板任務派給 Codex，寫完還錄演示自證
OpenAI 開源自主程式設計排程工具 Symphony。它能監聽 Linear 等看板任務，自動分配隔離工作區並呼叫 Codex 編寫程式碼，最後輸出測試結果與演示影片供人類驗收。團隊從此不用全程盯梢 AI 程式設計，只需在看板管理需求。
OpenDataLoader PDF：純 CPU 每秒轉 100 頁 PDF 為 Markdown
開源工具 OpenDataLoader PDF 專為大模型 RAG 打造，無需顯示卡，僅靠單核 CPU 每秒就能把 100 多頁 PDF 轉成 Markdown 或 JSON。它採用規則演算法解析多欄與表格結構，還能自動過濾隱藏文本和水印以防提示詞幹擾，免費支援商業使用。
PhysicEdit 開源：讓影像編輯懂物理，吸管折射、黃油融化不再翻車
研究團隊開源物理感知影像編輯框架 PhysicEdit。它專門解決傳統編輯模型不懂物理規律的問題，能準確模擬水中光線折射、紙牌屋倒塌和黃油融化等動態效果。該框架基於 Qwen ImageEdit 2.5 構建，程式碼已在 GitHub 開源。
Hermes Agent：自帶學習閉環的開源智慧體，邊聊邊沉澱技能
Nous Research 開源智慧體 Hermes Agent，支援在 CLI、Telegram 和 Slack 等平臺執行。它最大的特點是自帶閉環學習機制，能從複雜任務中自主沉澱並迭代技能，同時支援跨會話記憶與一鍵匯入 OpenClaw 配置。程式碼基於 MIT 協議完全開源。
VecGlypher 開源：用一句話或樣張，直接生成整套向量字型輪廓
開源字型生成模型 VecGlypher 亮相，支援從文本提示或區域性樣張直接生成可編輯的向量字形。它避開了點陣圖轉向量的繁瑣流程，能一趟生成閉合的 SVG 輪廓。測試顯示，其在字形結構和風格還原度上明顯優於 GPT、Gemini 等通用大模型。
阿里釋出 Qwen 3.5 中型模型系列：35B 逆襲上一代 235B
阿里巴巴 Qwen 團隊釋出 Qwen 3.5 中型模型系列，涵蓋 27B、35B-A3B、122B-A10B 及 Qwen3.5-Flash。官方表示 35B-A3B 效能已超越此前 235B 模型。面向生產的 Flash 版本預設支援 1M 上下文並內建工具，模型已上線 Hugging Face 與 Qwen Chat。
阿里開源個人助理 CoPaw：自帶網頁 UI，打通釘釘飛書且支援本地執行
阿里開源個人助理 CoPaw。它自帶網頁 UI 介面，原生支援 Ollama、llama.cpp 和 MLX 在本地執行，能直連釘釘、飛書與 QQ 等工具。最值得關注的是它支援 MCP 熱插拔與技能匯入，無需寫程式碼就能配置定時任務和資訊推送。
tttLRM 開源：不到 4GB 搞定 3D 重建，連電線和文字都能清晰還原
3D 重建模型 tttLRM 正式開源，利用測試時訓練（TTT）技術將照片高效轉為 3D 高斯潑濺模型。相比傳統 3DGS，它消除了煙霧感與噪點，能精準還原電線和微小文字；模型體積不到 4GB，普通消費級顯示卡就能本地跑起來。
Guide Labs 開源 Steerling-8B：每個 token 都能追溯到訓練資料
舊金山初創公司 Guide Labs 開源了 80 億引數模型 Steerling-8B。它通過在架構中加入「概念層」，讓生成的每個 token 都能追溯到具體的訓練資料來源。其能力達到現有同類模型的約 90%，但用的訓練資料更少，試圖將黑盒可解釋性變成標準化工程。
Pascal Editor 開源：純瀏覽器執行的 3D 建築編輯器
開發者開源了完全在瀏覽器執行的 3D 建築編輯器 Pascal Editor。它基於 React Three Fiber 與 WebGPU 構建，支援在網頁中即時編輯建築層級、拖拽牆體和重塑樓板。原本動輒數萬美元的 BIM 建模工作流，如今完全免費且開源。