阿里開源 14B 影片模型 Wan2.1-FLF2V：輸入首尾幀即可生成過渡
阿里巴巴開源 14B 引數影片生成模型 Wan2.1-FLF2V，允許創作者通過輸入起始和結束兩幀來生成過渡影片。該模型利用附加控制機制注入首尾幀的語義特徵，以維持畫風一致與複雜動作平滑，官網支援免費生成 5 秒 720p 影片。程式碼與權重已上線 GitHub 與 Hugging Face。
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
Stability AI 聯手 AMD：Stable Diffusion 針對 A 卡最佳化，提速最高 3.8 倍
Stability AI 宣佈與 AMD 合作推出 ONNX 最佳化版 Stable Diffusion。涵蓋 SD 3.5 與 SDXL 系列共四款模型，專為 AMD Radeon GPU 和 Ryzen AI APU 調優，推理速度比原生 PyTorch 最高提升 3.8 倍。模型已上線 Hugging Face，支援匯入 ONNX Runtime 環境或在 Amuse 3.0 中執行。
Google 聯手 50 家企業推 A2A 協議：讓不同智慧體協同幹活
Google 聯合 Atlassian、Salesforce 等 50 多家企業推出開源協議 Agent2Agent（A2A）。它讓不同廠商和框架下的 AI 智慧體能夠跨系統通訊與協同分工，作為 Anthropic MCP 協議的互補。正式商用版本預計今年晚些時候推出。
Together AI 開源 DeepCoder-14B：14B 引數追平 o3-mini
Together AI 聯手 Agentica 開原始碼推理模型 DeepCoder-14B-Preview。該模型基於 DeepSeek-R1 蒸餾版本強化學習微調，僅憑 14B 引數在 LiveCodeBench 拿到 60.6% 準確率，追平 OpenAI o3-mini。團隊還同步開源了 2.4 萬道驗證題資料集與加速框架。
Deep Cogito 走出隱身：開源 Cogito v1 系列混合推理模型
AI 初創公司 Deep Cogito 今天開源 Cogito v1 系列模型，覆蓋 3B 到 70B 五種尺寸。它基於 Llama 微調，支援直接回答與自我反思兩種推理模式，還補齊了原生工具呼叫能力。不過在部分數學基準上，其推理表現仍落後於 DeepSeek R1。
Meta 釋出首批 MoE 多模態模型 Llama 4：最高支援千萬級上下文
Meta 推出 Llama 4 Scout 與 Maverick 開源多模態模型，並預覽近兩萬億引數的教師模型 Behemoth。新模型首次改用 MoE 架構，活躍引數均為 170 億，其中 Scout 支援高達 1000 萬 token 上下文。模型權重現已開放下載。
Sentient 開源 AI 搜尋框架 ODS：搭配 DeepSeek 叫板 Perplexity
Sentient Foundation 研究人員釋出開源 AI 搜尋框架 Open Deep Search（ODS），直接對標 Perplexity 與 ChatGPT Search。該系統採用可插拔架構，包含搜尋工具和推理智慧體。測試顯示，ODS 搭配 DeepSeek-R1 時，在複雜問答基準上超越了 Perplexity 及 GPT-4o 搜尋預覽版。
AudioX 開源：不到 6GB 的全能音訊模型，看影片切點自動配音
統一音訊模型 AudioX 開原始碼，體積不到 6GB，可直接在消費級顯示卡本地跑。它支援文本、影像或影片輸入，能識別影片剪輯點對齊音效，還支援音訊修復和續寫；純音樂音質雖非頂尖，但多模態生成覆蓋極全。
Perplexity 開源 MoE 通訊庫：GPU 間傳輸提速 10 倍，大幅縮短推理延遲
Perplexity 開源了 MoE 模型通訊庫 pplx-kernels，通訊速度比標準 All-to-All 提升最高達 10 倍。它通過 NVSHMEM 繞過 CPU 搞 GPU 直連傳輸，並讓計算與通訊重疊進行。最關鍵的是兼顧了跨網路環境的可移植性，幫大規模 MoE 模型推理顯著省下延遲。
OpenAI 將推首個開放模型：具備類似 o3-mini 推理能力
OpenAI 宣佈計劃在未來幾個月內釋出自 GPT-2 以來首個開放語言模型，並向社群徵集需求。Sam Altman 透露該模型將具備類似 o3-mini 的推理能力，支援在自有硬體上執行。面對 DeepSeek 等開源競品的壓力，OpenAI 正式重啟開放策略。
OpenAI 擁抱死對頭：全面支援 Anthropic 的 MCP 開源資料協議
OpenAI 宣佈將在旗下產品中全面支援 Anthropic 的 MCP 協議。該標準已進入 Agents SDK，接下來會支援 ChatGPT 桌面端與 Responses API。兩大巨頭在連線外部資料與工具的底層介面上達成一致，開發者再也不用為不同模型反覆造輪子了。
Google 開源 TxGemma：用大模型加速藥物研發與毒性預測
Google 正式釋出開源藥物研發模型集合 TxGemma。它基於 Gemma 2 微調，提供 2B、9B 和 27B 三種尺寸，包含專注屬性預測的 predict 版和能解釋推理的 chat 版。27B 預測版在 66 項任務中有 64 項追平或超越前代 Tx-LLM。
DeepSeek 升級 V3 模型：改用寬鬆的 MIT 協議，程式設計效能微漲
DeepSeek 低調發布改進版 DeepSeek-V3 大模型，將開源協議切換為更寬鬆的 MIT 協議，商用與修改幾乎不再受限。新版在 Python 與 Bash 程式碼評測中提升數個百分點至約 60%，蘋果研究員實測其量化版可在 Mac Studio 上以每秒 20 token 執行。
沾光 Manus 爆火：網頁自動化工具 Browser Use 日下載量破 2.8 萬
據 TechCrunch 報道，因被 AI 智慧體平臺 Manus 採用，開源工具 Browser Use 迅速走紅。其日下載量從 3 月 3 日的約 5000 次暴增至 3 月 10 日的 28000 次。它能幫助模型自動點選網頁並填寫表單，正成為開發者的基礎層。
Google 釋出開源模型 Gemma 3：支援多模態與 128K 上下文
Google 釋出新一代開源模型 Gemma 3，覆蓋 1B 到 27B 四種尺寸。除 1B 外均支援圖文輸入，上下文拓寬至 128k，支援超 140 種語言。最值得關注的是，27B 版本跑分超越了 Gemini 1.5 Pro。
Reka 開源 21B 推理模型 Flash 3：從頭訓練，驅動企業平臺 Nexus
AI 初創公司 Reka 宣佈開源推理模型 Flash 3。該模型擁有 21B 引數，完全從零開始訓練，具備強勁的推理表現，同時它還將作為核心引擎，驅動 Reka 剛剛推出的企業智慧平臺 Nexus。
騰訊混元開源圖生影片模型：130 億引數，自帶音效與對口型
騰訊混元正式開源圖生影片模型 HunyuanVideo-I2V，權重與 LoRA 訓練程式碼全公開。模型總引數量 130 億，傳一張圖就能生成帶音效的 5 秒 2K 影片，還支援動作驅動和人物對口型。普通使用者可在混元官網體驗，開發者可在 GitHub 直接下載。
LTX Studio 釋出開源影片模型 LTXV 0.9.5：開放商用，支援關鍵幀與 ComfyUI
LTX Studio 釋出開源 AI 影片模型 LTXV 0.9.5。新版本開放了商用授權，加入關鍵幀控制能力，提升了解析度和畫面質量，生成的影片片段更長且偽影更少。最值得關注的是它原生支援 ComfyUI，創作者可以直接接入本地工作流。
IBM 開源 Granite 3.2：帶「思考開關」的推理模型與 2B 視覺模型
IBM 開源推出 Granite 3.2 系列，採用 Apache 2.0 協議並上線 Hugging Face。新模型涵蓋 2B 和 8B 文本推理模型，開發者可通過 API 引數自由開關「思考模式」，同時帶來主打企業文件理解的 2B 視覺語言模型。
DeepSeek 宣佈下週開源 5 個程式碼倉庫：徹底公開核心技術細節
週五，DeepSeek 在 X 上宣佈，將從下週起開源 5 個程式碼倉庫，向全球開發者完全公開底層程式碼與資料。任何人都可以直接下載並基於 R1 等模型的底層架構進行改進。相比 OpenAI 等閉源同行，DeepSeek 試圖通過極度透明的開源策略進一步推高普及率。