阿里開源 Qwen3-Coder-Next：80B 引數配 3B 啟用，專攻程式設計智慧體
阿里巴巴推出開源模型 Qwen3-Coder-Next，專為程式設計智慧體打造。它採用 80B 總引數與 3B 啟用的架構，基於 80 萬個可驗證任務訓練，在 SWE-Bench Pro 上表現搶眼，併兼容 Cline 等主流工具。
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
MiniCPM-o 4.5：9B 全模態端側模型，支援邊看邊聊與主動打斷
OpenBMB 開源 9B 引數全模態模型 MiniCPM-o 4.5，能同時處理音影片輸入並即時語音互動。它採用全雙工架構，不僅允許使用者打斷，模型還能每秒做一次決策主動插話提醒。模型支援本地部署，視覺與文件解析能力逼近甚至超過部分主流閉源模型。
智譜開源 GLM-OCR：僅 0.9B 拿下基準第一，支援 Ollama 極速部署
智譜開源輕量級文件模型 GLM-OCR，引數量僅 0.9B。它在 OmniDocBench V1.5 評測中以 94.62 分登頂，能精準解析複雜表格、數學公式與手寫字，並輸出 JSON 或 Markdown。模型採用 MIT 協議完全開源，支援在 Ollama 和 vLLM 上低延遲部署。
Omnimat Zero 開源：不僅能從影片中刪物體，連倒影和陰影也能抹掉
開源影片工具 Omnimat Zero 能夠精準擦除畫面中的物體，並同步清理水坑倒影與地面陰影。它還能應對複雜的遮擋關係，或把前景單獨提取為透明圖層供替換背景，目前程式碼與本地執行說明已在 GitHub 開源。
ACE-Step 1.5 開源：不到 4GB 視訊記憶體，10 秒本地生成完整歌曲
ACE Studio 與階躍星辰開源音樂基礎模型 ACE-Step 1.5。它視訊記憶體需求不到 4GB，在 RTX 3090 上不到 10 秒就能生成完整歌曲，支援 50 多種語言且採用 MIT 協議可商用。這意味著創作者無需依賴昂貴的雲端 API，在消費級顯示卡上就能直接做音樂生產。
MOSS-Audio 開源統一音訊模型：4B/8B 規格，集全音訊理解於一身
統一音訊理解模型 MOSS-Audio 正式開源，提供 4B 與 8B 規格，均包含 Instruct 和 Thinking 版本。該模型將語音識別、說話人分析、情感檢測、環境聲及音樂理解整合在單一架構內，時間戳 ASR 精度表現大幅領先 Gemini-3.1-Pro。
Anthropic 開源 Knowledge Work Plugins：不寫一行程式碼，把 Claude 變成 11 種崗位專家
Anthropic 開源 Knowledge Work Plugins 外掛庫，面向銷售、法務、市場等非技術崗位。整套外掛不含一行程式碼，純靠 Markdown 和 JSON 打包工作流與工具連線，適配 Claude Cowork 與 Claude Code。團隊只需修改文本檔案，就能把內部流程直接沉澱為專屬智慧體。
WordPress 推出 AI Agent 技能：幾秒跑通外掛測試閉環
WordPress 貢獻者釋出開源 AI 技能 wp-playground。它基於 Playground CLI 讓 AI 程式設計智慧體在幾秒內啟動本地 WordPress 例項，自動掛載外掛或主題並用 Playwright 驗證。這意味著像 Claude Code 這類智慧體寫完程式碼能立刻自測自糾，告別繁瑣的手動除錯環境。
OpenMOSS 開源 MOVA：原生生成同步音影片，320 億引數 MoE 架構
OpenMOSS 開源影片生成模型 MOVA，可在單個模型內原生同步生成畫面與聲音。它採用 320 億引數的 MoE 架構，執行啟用 180 億引數，支援多語言對口型。程式碼和權重已上線 GitHub，不過 720p 版本約 77 GB，對視訊記憶體要求較高。
LingBot-World：開源即時互動世界模型，16 FPS 跑通長記憶
robbyant 開源基於 Wan2.2 的世界模擬器 LingBot-World。它支援用文本或圖片生成可互動環境，能以 16 FPS、低於 1 秒延遲輸出 480P 與 720P 畫面，並具備分鐘級場景一致的長記憶。程式碼與權重已公開，為互動生成與機器人學習提供了開源方案。
TeleStyle 開源：用參考圖或提示詞給圖片影片一鍵換風格
研究團隊釋出風格遷移模型 TeleStyle，支援通過參考圖或文本為影像和影片賦予特定畫風。該模型基於 Qwen-Image-Edit 構建，藉助課程持續學習與專用的影片模組，在套用新風格時仍能保證畫面內容和幀間連貫性。目前程式碼與預訓練模型已開源。
阿里開源 Z-Image 滿血基座：主打高多樣性與微調，ComfyUI 首日支援
阿里通義團隊開源影像生成基座模型 Z-Image。它是此前 Turbo 版本的未蒸餾滿血底模，解決了一換種子構圖不變、多人同臉的問題，原生支援負向提示詞和 LoRA 微調。出圖步數增至 50 步，目前已支援在 ComfyUI 中直接執行。
Clawdbot：把 AI 塞進聊天軟體，發條訊息直接替你操控電腦
開源自託管 AI 助手 Clawdbot 允許使用者通過 Telegram 或 WhatsApp 傳送指令，在本地電腦上自動執行指令碼、管理檔案和回覆郵件。最關鍵的是它能自己寫程式碼擴充套件新技能，隱私資料全留本地，不過在本地執行任意命令也存在安全風險。
Letta 開源 Claude Subconscious：給 Claude Code 裝上常駐後臺的「潛意識」
Letta 推出開源外掛 Claude Subconscious，讓第二個代理在後臺默默觀察會話並檢索程式碼庫。它維護 8 個跨會話記憶塊，能在每次提問前把上下文提示悄悄注入 Claude Code，全程非同步且不卡工作流。
NVIDIA 開源 Earth-2 氣象模型家族：提速 90%，氣象預測能本地跑了
NVIDIA 推出 Earth-2 開放氣象模型家族，提供全開放、加速的氣象 AI 軟體棧。該系列支援機構在本地基礎設施上微調與部署，以色列氣象局實測計算時間縮短 90%。目前 Earth-2 Medium Range 等模型已上線 GitHub 與 Hugging Face。
Voicebox：開源本地 AI 語音工具，搞定聲音克隆與全域性聽寫
開源本地 AI 語音應用 Voicebox 支援聲音克隆與聽寫，GitHub 標星超 4.2 萬。它僅需數秒音訊即可克隆任意聲音，支援用全域性熱鍵在任意輸入框語音打字，還能配合 Claude Code 等為智慧體配音。這讓使用者無需再訂閱付費平臺，即可在本地執行端到端語音能力。
微軟開源 VibeVoice-ASR：單次處理 60 分鐘音訊，自帶說話人分離
微軟開源語音識別模型 VibeVoice-ASR（9B 引數）。它摒棄了傳統的切塊轉錄做法，單次可直接處理長達 60 分鐘音訊，並端到端一體化輸出文本、時間戳與說話人分離結果。長會議和播客轉錄不再擔心上下文割裂，程式碼已開源並支援微調。
騰訊開源混元影像 3.0 Instruct：原生內建思維鏈，一句話精準修圖
騰訊釋出並開源混元影像 3.0 圖生圖模型（HunyuanImage 3.0-Instruct），支援指令修圖與多圖融合。模型原生內建思維鏈，生成前會先推理編輯步驟與保留區域。該能力已在騰訊元寶上線，開源權重約 169 GB，對本地視訊記憶體要求極高。
RF-DETR 開源：即時分割模型單圖最快 3.4 毫秒，採用 Apache 2.0
研究員開源即時分割模型 RF-DETR segmentation，採用 Apache 2.0 協議。模型提供從 Nano 到 2XLarge 共 6 種尺寸，單圖推理速度在 3.4 毫秒（40.3 mAP）至 21.8 毫秒（49.9 mAP）之間，兼顧即時性與高精度分割。
阿里釋出開源語音模型 Qwen3-TTS：延遲 97 毫秒，幾秒音訊即可克隆音色
阿里推出開源文本轉語音模型 Qwen3-TTS，提供 1.7B 和 0.6B 兩種尺寸，僅需數秒音訊即可克隆音色，還支援用提示詞直接定製新聲線。模型採用雙軌架構，端到端延遲低至 97 毫秒，克隆中文後可直接說多國語言與方言，便於即時互動與有聲書製作。