阿里開源Qwen-Image-2.1：7B引數兼顧生圖與編輯，原生支援透明通道
阿里巴巴開源影像模型Qwen-Image-2.1。其視覺生成部分僅7B引數，將文生圖、影像編輯與原生透明通道生成合為一體，最多支援10張參考圖合成。最值得關注的是能直接扣圖輸出帶透明背景的RGBA圖，極大簡化了設計流程。
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
Google 開源 AX：像用 K8s 一樣排程數百萬個 AI Agent
Google 開源智慧體編排執行時 AX。它全面貼合 Kubernetes 體驗，通過宣告式配置在叢集內排程數百萬個沙箱隔離的 Agent，支援斷點暫停恢復與直接 ssh 現場排錯，專門解決智慧體失控死迴圈和狀態隔離難題。目前仍處在早期開發階段。
VAST 開源 Mira-Scene：單圖直接生成可編輯 3D 場景
VAST AI Research 開源 3D 場景重建管線 Mira-Scene，可將單張圖片轉化為包含獨立物體的可編輯 3D 場景。它通過恢復畫素級對應關係，保證物體尺度與原圖嚴格一致，能直接匯入 Blender 做動畫或對接機器人模擬。目前程式碼與權重已完全開放。
Cua 開源專用小模型 CUA-S1-FORMS：單次即可填完整張表單
Cua 開源了用於自動化表單填寫的專用小模型 CUA-S1-FORMS。它能從給定文件中提取資訊，通過四種動作一次性處理整張表單，而不必逐步操作。專案採用 MIT 協議開源，包含訓練、評估及合成數據生成的完整資源。
prism-ml 釋出 Bonsai-2：用三值權重將 27B 模型壓到 6GB
prism-ml 推出 Bonsai-2 壓縮模型集合。團隊採用只保留 -1、0、+1 的三值權重技術，將 Qwen 3.8 27B 大小縮減 9 倍以上至 5.9GB，且保留了接近完整的效能，讓中端消費級顯示卡和 Mac 也能跑大模型。
JEPA-Anything：跨領域通用預測框架，用正交分解拆解狀態推演
開源框架 JEPA-Anything 試圖用統一邏輯搞定不同學科的預測推演。它基於 JEPA 架構提出「正交預測分解」，將複雜狀態拆解為獨立要素分頭推算再拼合，各領域僅需適配專屬介面即可複用核心預測機制。目前倉庫提供程式碼腳手架與合成示例，未包含預訓練權重。
網易有道開源流式語音模型 R2T2：延遲低至 200ms，只追加不改字
網易有道開源即時語音識別模型 Confucius4-R2T2。它基於 Qwen3-ASR 開發，平均延遲僅 200 至 600 毫秒，且採用「只追加不回改」模式，避免了即時字幕反覆閃爍跳字。模型支援 vLLM 高吞吐推理，中英雙語精度逼近離線水平。
CopilotKit 開源 OpenMuse：自帶瀏覽器和終端的個人智慧體
CopilotKit 開源個人智慧體應用 OpenMuse，提供可自託管的 AI 助理。它自帶 Chromium 瀏覽器、Linux 容器終端和檔案系統，能持續推進多步驟任務，並支援隨時人工接管。不想把郵件與日程交給科技大廠的使用者，可以直接自己部署使用。
ZGCM-1：7.39B 引數主打數學與搜尋，開源全套訓練流程
中關村學院與中關村人工智慧研究院開源 7.39B 引數模型 ZGCM-1，主打數學推理與工具輔助搜尋。它支援 256K 上下文並公開了從預訓練到微調的完整程式碼與資料，在 MATH-500 取得 97.13% 得分，能在消費級顯示卡上執行。不過有評測指出其基準測試對比了部分舊版模型。
Edge0：把 SSD 當記憶體用，35B 大模型只佔 2.5GB 記憶體
Edge0 開源流式 MoE 推理框架，通過直接從 SSD 按需載入專家權重，讓 35B 稀疏模型僅需約 2.5GB 活躍記憶體即可在 iPhone、Mac 等裝置上執行。它藉助提前預測路由掩蓋讀取延遲，讓低記憶體裝置也能順暢跑大模型。
m-a-p 開源音樂模型 YuE2-3B：先出樂譜再做曲，歌曲質量對標 Suno
開源團隊 m-a-p 釋出音樂生成模型 YuE2-3B。它在生成音訊前先生成可編輯的 ABC 樂譜，支援使用者或智慧體微調旋律、和絃與歌詞後再渲染完整歌曲，並在基準測試中比肩 Suno v5/v6。單張 24GB 顯示卡 71 秒即可生成 3.6 分鐘雙聲道歌曲。
騰訊開源語音基礎模型 AuK：1.5B 引數，一句話就能增刪音訊詞句與情緒
騰訊開源 1.5B 語音生成與編輯模型 AuK 及快速版 AuK-Flash，程式碼與權重全開放。它採用統一的自然語言指令，不僅能做零樣本聲音克隆，還能像改文字一樣無縫替換或增刪音訊詞句、切換情緒並降噪。目前已支援線上體驗與消費級顯示卡部署。
開源模型 Fire3D：不到 1 分鐘，把單張照片做成可編輯 3D 場景
研究人員開源 3D 重建框架 Fire3D，無需人工標註即可從單張圖片或隨手拍影片中拆解物體，並在 1 分鐘內生成帶紋理的完整 3D 網格。每個物件均可獨立編輯移動，支援單卡並行處理 16 個物體，可直接接入機器人模擬環境。
OpenBMB 開源 MiniCPM5-2B：20 億引數挑戰 40 億，附帶全套訓練資料
OpenBMB 開源 20 億引數端側模型 MiniCPM5-2B。其大小約 5GB，可在普通消費級裝置上執行，在程式碼與數學等測試中綜合表現挑戰 40 億引數的 Qwen3.5-4B。團隊還同步公開了背後的全套高質量訓練資料，方便開發者訓練自己的小模型。
Google 開源 ARTEMIS：讓 AI 程式設計助手直接接管安卓真機
Google 開源 Android 自動化框架 ARTEMIS，能把自然語言指令轉化為真機或模擬器操作。它通過 MCP 接入 Claude Code、Cursor 與 Codex，可自動重現 Bug 並抓取日誌，在 AndroidWorld 評測中任務完成率超 99%。
WorldSculpt 開源：把複雜場景拆成幾百個獨立 3D 物體
Alaya Lab 與東京大學推出 3D 重建框架 WorldSculpt，能將影片場景拆解為數百個獨立的 3D 網格物件。它改變了以往重建中所有物體融成一塊的弊端，讓每個物件都能單獨移動或縮放，還支援將高斯潑濺場景轉為網格。程式碼已開源。
UniMate：給任意 3D 骨骼角色一句話生成動作
普林斯頓與 UC Berkeley 等團隊開源 UniMate。只需輸入繫結骨骼的 3D 模型和文本提示，它就能直接生成關節動作，無需針對特定骨骼微調。無論是人類、飛禽走獸還是剛性機械均可驅動，程式碼與預訓練權重已完整開源。
開源模型 LLaDA-Image：單個 6B 權重搞定生圖與修圖
inclusionAI 開源 60 億引數模型 LLaDA-Image。它無需單獨的修圖主幹網路，用單一權重同時搞定文生圖、指令修圖和中英文字渲染；4 步蒸餾版 Turbo 還大幅壓縮了推理耗時。目前 ComfyUI 外掛與 FP8 權重已同步支援。
SolarWM：開源互動式世界模型，支援連續穩定執行一小時
研究團隊開源互動式長程世界模型框架 SolarWM。它僅用 5 秒影片片段訓練，就能實現持續超一小時的即時互動生成且不崩壞。專案還徹底開源了 143 萬段影片、共 25 TB 的資料管線與訓練方案，並統一適配 Wan、Minimax H3 等多種基座模型。
H3 World：把開源影片模型 Miniax H3 變成互動遊戲
開源專案 H3 World 釋出，將影片生成模型 Miniax H3 變成了互動式遊戲引擎。它不用另造控制系統，而是把鍵盤按鍵翻譯成短英文送入模型，讓生成的影片即時跟手。目前本地執行程式碼和訓練指令碼已全部開源。