百度開源 ERNIE 4.5 模型家族：多模態引數最高達 424B
百度在 Hugging Face 上線 ERNIE 4.5 開源模型系列，涵蓋文本與圖文多模態能力，引數規模從 0.3B 一路覆蓋到 424B。該系列同時提供 Paddle 與 PyTorch 權重，並包含 Thinking 推理版及量化版本。
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
MiniMax 開源推理模型 M1：支援百萬上下文，推理算力省 70%
MiniMax 開源推理模型 MiniMax-M1，支援 100 萬 token 上下文與 8 萬 token 推理輸出。依託混合注意力與自研 CISPO 強化學習演算法，其長文本推理算力僅需 DeepSeek R1 的 30%，強化學習訓練僅花費約 53.5 萬美元。普通使用者可在網頁與 App 端免費體驗。
騰訊開源 Hunyuan 3D 2.1：首個全開源 PBR 3D 模型，消費級顯示卡可用
騰訊混元釋出 Hunyuan 3D 2.1，並完全開源了權重、程式碼及資料流程。它支援電影級 PBR 材質合成，能還原皮革、青銅等光影質感，更關鍵的是普通消費級顯示卡就能跑得動。
OpenAI 推遲開放權重模型釋出：6 月不上線，改到夏末
Sam Altman 透露 OpenAI 的開放權重模型將推遲釋出，不會在 6 月推出，預計延後至今年夏末。他表示研究團隊做出了一些出人意料且非常驚豔的成果，絕對值得等待，但還需要更多時間打磨。
斯坦福開源 Tokasaurus：專注高吞吐推理，效能超 vLLM 達 3 倍
斯坦福團隊開源大模型推理引擎 Tokasaurus，專為合成數據生成與批次任務等高吞吐場景設計。它通過極低 CPU 開銷與動態字首複用最佳化小模型，並針對無 NVLink 顯示卡最佳化流水線並行，吞吐量比 vLLM 和 SGLang 最高提升超 3 倍。
騰訊開源 HunyuanVideo-Avatar：一張照片配音訊，秒變會唱會聊的數字人
騰訊混元與騰訊音樂聯合推出並開源 HunyuanVideo-Avatar。使用者只需上傳一張照片和一段音訊，模型就能自動感知場景與情緒，生成最長 14 秒的逼真說話或唱歌影片。目前單人模式已在 GitHub 開源，多人互動模式也將於近期開放。
WordPress 成立專屬 AI 團隊：拉來 Google 專家，推「外掛優先」
WordPress 宣佈成立官方 AI 團隊，由 Automattic、Google 等成員共同牽頭。團隊將採用類似效能團隊的「官方外掛優先」模式快速試水 AI 功能，避免碎片化，開發者不用苦等核心大版本更新。
Mistral 釋出開源程式設計模型 Devstral：單卡可跑，商用無限制
Mistral 聯合 All Hands AI 推出專為程式設計打造的模型 Devstral。該模型擁有 240 億引數，採用 Apache 2.0 協議可自由商用，單張 RTX 4090 或 32GB 記憶體 Mac 即可本地部署。其在基準測試中超越了 Gemma 3 27B 和 DeepSeek 的 V3。
Stability AI 釋出 SV4D 2.0：單段影片直接轉 4D 資產
Stability AI 釋出 Stable Video 4D 2.0。新模型無需多角度參考圖或多相機拍攝，僅憑一段以物體為中心的普通影片即可生成連貫的動態 4D 資產併合成新視角。模型已開源且開放商用，但劇烈運動下仍可能存在瑕疵。
Google 釋出端側模型 Gemma 3n：5B 模型僅佔 2GB 記憶體，專為手機打造
Google 釋出端側開放模型 Gemma 3n 預覽版。新模型採用 DeepMind 的 PLE 技術，讓 5B 和 8B 模型的動態記憶體佔用降至 2GB 和 3GB，支援本地音影片及圖文多模態處理。最值得關注的是，該架構還將用於下一代 Gemini Nano。
Stability AI 聯手 Arm 開源端側音訊模型：手機 8 秒生成 11 秒音訊
Stability AI 聯合 Arm 開源了 3.41 億引數的音訊模型 Stable Audio Open Small。該模型專為 Arm CPU 最佳化，能在智慧手機上不到 8 秒生成最長 11 秒的立體聲音訊。模型基於社群許可免費商用，適合生成擬音和伴奏迴圈。
Lightricks 開源 LTX Video-13B：消費級顯示卡可跑，渲染快 30 倍
Lightricks 開源 130 億引數影片生成模型 LTX Video-13B。新模型引入多尺度分步渲染，高解析度渲染速度最高達同規模競品的 30 倍，經量化最佳化後單張消費級顯示卡就能本地跑。年營收低於 1000 萬美元的機構可免費商用。
Nvidia 開源語音模型 Parakeet-TDT-v2：1 秒轉錄 1 小時音訊
Nvidia 在 Hugging Face 開源語音識別模型 Parakeet-TDT-0.6B-v2。引數量 6 億，在自家 GPU 上僅需 1 秒就能轉錄 1 小時音訊，登頂開源 ASR 榜單。最值得關注的是其採用 CC-BY-4.0 協議，允許開發者免費商用。
Ai2 開源 10 億引數小模型 Olmo 2 1B：跑分超 Google 與 Meta 同級產品
週四，非營利機構 Ai2 釋出 10 億引數開源模型 Olmo 2 1B，開放了全部程式碼與訓練資料集。它在算術與真實性測試中跑分超越 Google Gemma 3 與 Meta Llama 3.2 同級模型，能在現代筆記本或移動裝置上輕鬆執行。Ai2 建議暫不用於商業部署。
微軟開源 Phi-4-reasoning-plus：14B 跑贏 70B 蒸餾版，還用 MIT 協議
Microsoft 宣佈開源推理模型 Phi-4-reasoning-plus。這個 14B 引數的小模型走精煉路線，在 AIME 2025 數學測試中的 pass@1 成績超過了 70B 的 DeepSeek-R1 蒸餾版。最值得關注的是它採用寬鬆的 MIT 協議，相容 Ollama 和 vLLM，支援本地直接部署。
Intel 推出 AutoRound：把 72B 大模型壓到 INT2，量化只要 37 分鐘
Intel 介紹了模型量化工具 AutoRound。它通過符號梯度下降聯合最佳化權重舍入與截斷範圍，在 INT2 精度下相對準確率最高比主流基準提升 2.1 倍。輕量模式下量化 72B 模型僅需 37 分鐘，並支援匯出 GPTQ、AWQ 和 GGUF 等格式。
OpenAI 擬推開源模型：遇難題可「呼叫雲端」求助
據 TechCrunch 報道，OpenAI 計劃在初夏推出的開源推理模型中加入「交接」（handoff）功能，本地遇到複雜問題可直接呼叫雲端更強模型。該模型從零訓練，部分基準測試瞄準超越 DeepSeek R1。這種本地加雲端的打法，顯然是想順便把開源開發者拉進其付費生態。
兩名大學生零預算造出 Dia：16 億引數開源語音模型直逼 ElevenLabs
韓國團隊 Nari Labs 開源了文本轉語音模型 Dia。該模型由兩名幾乎沒有 AI 經驗的本科生在零外部融資下開發，引數量為 16 億，支援情緒語調、多說話人及笑聲、咳嗽等副語言表達，對比測試表現逼平甚至超越 ElevenLabs。這也印證了個人開發者叫板行業巨頭的可能性。
Google 推出 Gemma 3 QAT 版本：27B 模型塞進消費級顯示卡本地跑
Google 釋出採用量化感知訓練（QAT）的 Gemma 3 模型版本。通過將模型壓縮至 4 位（int4），視訊記憶體佔用大幅下降，困惑度下降幅度減少了 54%。這意味著原本需要昂貴算力卡的 27B 大模型，如今在單張 RTX 3090 顯示卡上就能直接本地執行。
LTX Studio 釋出 LTXV 0.9.6：帶來兩款 2B 開源影片模型
LTX Studio 釋出 LTXV 0.9.6 更新，推出兩款 2B 引數開源影片模型。新版分為面向成片渲染的完整質量版，以及主打快速預覽與輕量化部署的蒸餾版，整體生成速度和穩定性都有所提升。