Hugging Face 開源 SmolVLM2：最小僅 256M，手機也能看懂影片
Hugging Face 釋出 SmolVLM2，推出 2.2B、500M 和 256M 三種尺寸的輕量級多模態模型。其中 500M 版本用不到四分之一的引數量實現了接近 2.2B 的影片理解能力，並原生支援 MLX，可直接在 iPhone 和 Mac 本地離線執行。
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
Perplexity 開源 R1 1776：去除審查限制，推理效能不減
Perplexity 開源了名為 R1 1776 的推理模型。團隊基於 DeepSeek-R1 進行了後訓練，整理出 4 萬條多語言敏感提示詞資料集，旨在消除原版在敏感話題上的審查與偏見，同時保持與原版相當的邏輯推理和數學解題水準。目前權重已在 Hugging Face 開放下載。
百度宣佈開源計劃：文心 4.5 系列將於 6 月 30 日開源
百度宣佈將在今年開源文心大模型系列。據路透社報道，本次開源重點針對即將推出的 Ernie 4.5 系列，預計在未來幾個月向用戶推出，並於 6 月 30 日正式開原始碼。此舉緊隨 DeepSeek-R1 引發開源熱潮之後，後續百度還計劃推出 Ernie 5。
騰訊開源混元3D 2.0：解耦形狀與紋理，單圖生成高精3D資產
騰訊開源 3D 生成系統 Hunyuan3D 2.0。它將形狀與紋理拆分成兩階段，先用 DiT 模型由單圖生成幾何白模，再由 Paint 模型合成高精紋理貼圖。除圖生 3D 外，它還能直接為手繪模型上色貼圖。
MiniMax 開源 MiniMax-01 系列：支援 400 萬超長上下文
MiniMax 開源了 MiniMax-01 系列模型，包括語言模型 MiniMax-Text-01 與多模態模型 MiniMax-VL-01。模型總引數達 4560 億，採用 Lightning Attention 線性注意力架構，支援高達 400 萬 token 上下文。兩款模型權重已在 GitHub 開放。
UC Berkeley 開源推理模型 Sky-T1：訓出 o1 水平只要 450 美元
UC Berkeley 的 NovaSky 團隊開源了推理模型 Sky-T1-32B-Preview。團隊用 1.7 萬條精選資料微調，在 8 張 H100 上耗時 19 小時、花費不到 450 美元，數學和程式設計表現逼近 o1-preview。程式碼、資料和權重已全部公開。
Adobe 開源 TransPixar：直接生成帶透明通道的影片，做特效不用再摳圖
Adobe 聯合香港科技大學開源影片生成模型 TransPixar。以往 AI 只能生成實底影片，而它能直接輸出帶透明通道的 RGBA 影片，像煙霧、光效等可以直接疊進畫面。目前程式碼和線上 Demo 已公開，但仍在早期階段。
微軟在 Hugging Face 開源 Phi-4 權重：14B 引數採用 MIT 協議
Microsoft 正式在 Hugging Face 開源 Phi-4 完整權重，採用商用友好的 MIT 許可證。該模型擁有 140 億引數，此前僅限 Azure 平臺體驗；現在開發者無需申請即可直接下載權重，通過 Transformers 或 vLLM 在本地部署商用。
薩里大學開源 NitroFusion：消費級顯示卡邊打字邊出圖
英國薩里大學開源影像生成模型 NitroFusion。該模型無需昂貴的雲端算力和訂閱，僅憑消費級顯示卡就能實現邊打字邊即時生圖。系統支援 1 到 4 步精煉調節，讓獨立創作者在本地裝置上也能兼顧生成速度與畫質。
Meta 釋出 Llama 3.3 70B：用 70B 成本跑出 405B 效能
Meta 正式釋出純文本模型 Llama 3.3 70B。官方稱其通過最新後訓練技術，以更低成本實現了 405B 旗艦模型的效能，並在 MMLU 等基準測試中超越 GPT-4o。模型已可在 Hugging Face 等平臺下載商用。
Google 釋出 PaliGemma 2：基於 Gemma 2，支援即插即用與微調
Google 推出視覺語言模型 PaliGemma 2。它基於 Gemma 2 打造，提供多種模型尺寸，具備視覺理解與互動能力。現有 PaliGemma 使用者無需大改程式碼即可直接替換升級，大幅降低了針對特定任務微調視覺模型的門檻。
吳恩達團隊開源 aisuite：改一行程式碼無縫切換主流大模型
吳恩達團隊開源 Python 庫 aisuite。它為 OpenAI、Anthropic 和 Ollama 等不同廠商的模型提供了統一呼叫介面，開發者只需修改「廠商:模型」字串就能隨時換模型，大幅降低了多模型接入和測試的門檻。
Anthropic 開源 MCP 標準：要給所有 AI 助手做統一的資料介面
Anthropic 開源了 Model Context Protocol（MCP），旨在解決 AI 模型與資料孤島脫節的問題。它不僅支援自家 Claude，還能讓任何模型通過標準協議雙向呼叫 GitHub、Slack 等工具。開發工具平臺和企業已開始接入，不過能否抗衡 OpenAI 的私有方案仍待觀察。
Lightricks 開源影片模型 LTXV：消費級顯示卡 4 秒生成 5 秒影片
Lightricks 宣佈開源影片生成模型 LTX Video（LTXV）。該模型僅 20 億引數，採用 DiT 架構，在 RTX 4090 等消費級顯示卡上也能近即時執行，4 秒即可生成 5 秒影片。它的開源讓創作者在本地電腦就能快速試錯，直接向閉源巨頭叫板。
Tether 開源錢包套件 WDK：不僅給人用，還要讓 AI 智慧體管錢
Tether 推出開源錢包開發套件 WDK，支援把非託管錢包整合到各類應用與裝置中。該套件不僅服務人類，還專門適配了 AI 智慧體與機器人等自主系統，初期支援比特幣與 USDT，讓 AI 也能擁有獨立資產錢包。
通義開源 Qwen2.5-Coder 全系列：32B 旗艦模型程式設計水平追平 GPT-4o
Qwen 團隊全面開源 Qwen2.5-Coder 系列程式碼模型，補齊 0.5B 到 32B 共 6 種尺寸。旗艦版 32B-Instruct 效能媲美 GPT-4o，支援 40 多種語言與 128K 上下文。絕大多數模型採用 Apache 2.0 協議，已適配 Cursor 等工具。
微軟開源多智慧體系統 Magentic-One：一個總管指揮四員大將
Microsoft 宣佈開源通用多智慧體系統 Magentic-One。它採用協調器負責總控規劃，指揮網頁操作、檔案讀取、程式碼編寫和終端執行四個專用智慧體分工配合，在 GAIA 等基準上跑出了第一梯隊水平。系統基於 AutoGen 打造，支援隨時增刪智慧體。
OSI 正式釋出開源 AI 定義 1.0：Meta Llama 難再稱「開源」
開源促進會 OSI 正式釋出 1.0 版開源 AI 定義。新標準要求模型必須開放完整訓練程式碼，詳細披露訓練資料來源與獲取方式，且不得限制商業用途。按此標準，包含商業門檻的 Meta Llama 等主流模型均不算真正開源。
對標 Google：Meta 開源播客生成專案 NotebookLlama
Meta 釋出開源專案 NotebookLlama，復刻了 Google NotebookLM 的雙人播客功能。它基於 Llama 模型將上傳文本轉為對話指令碼，再通過開源語音模型輸出。目前合成語音機械感較重且容易搶話，但為社群提供了可定製的開源基礎。
Nvidia 開源 NVLM 1.0：旗艦 72B 表現對標 GPT-4o
Nvidia 開源多模態大模型家族 NVLM 1.0，旗艦模型 NVLM-D-72B 在視覺與語言任務上對標 GPT-4o。經過多模態訓練後，其純文本基準準確率反升 4.3 分，程式碼與數學表現接近 Llama 3.1 405B，權重已向公眾開放。