字節跳動開源全模態影片模型 Bernini 2：自然語言修影片，但模型達 180GB
字節跳動開源全模態影片編輯模型 Bernini 2，支援用自然語言直接修改已有影片的視角、背景，或在畫面中增刪角色與物體。它結合語義規劃與擴散渲染提升編輯精度，不過僅模型檔案就達 180GB，普通裝置本地執行門檻極高。
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
DeepSeek 開源智慧體框架 Harness：採用「一切皆外掛」架構
DeepSeek 開源智慧體框架 DeepSeek Harness（dsh）。它基於 Cordis 打造，採用「一切皆外掛」架構，支援外掛化配置模型與工具，並自帶本地 Web 介面。目前處於開發者預覽階段，仍在快速迭代中。
小米開源 MiDashengLM-Gen：一句話生成語音、音樂與音效混響的完整音訊
小米團隊開源音訊生成模型 MiDashengLM-Gen。它能根據結構化描述，在同一次生成中將語音、背景音樂、音效和環境聲自然融合為 16 kHz 音訊。整套框架基於 Qwen3-1.7B 與 Flow Matching 技術，程式碼按 Apache 2.0 協議開放。
Evoke 開源：140 億引數互動式世界模型，單圖加搖桿即時生成可控場景
開源互動式世界模型 Evoke 釋出，輸入單張圖片加搖桿操作即可在 3 步內近即時生成互動影片。模型引數量為 140 億，權重約 57GB，支援數小時長會話並不限長延伸場景。目前程式碼與全階段訓練權重均已按 Apache 2.0 開源。
NVIDIA 開源 Nemotron 3.5 Lightning：專跑智慧體雜活的 30B 極速 MoE
NVIDIA 釋出開源 MoE 模型 Nemotron 3.5 Lightning。它擁有 30B 總引數但每次僅啟用 3B，專門承包工具呼叫和結果驗證等高頻瑣事。在 PinchBench 測試中，它完成 1 萬項任務的速度比 Qwen3.6 35B 快 30%。
LTX-2.5 開源釋出：10 秒影片 6.8 秒生成，原生接入 ComfyUI
LTX 推出開源影片模型 LTX-2.5，兩塊 Nvidia GB200 晶片自託管下，生成 10 秒 720p 影片僅需 6.8 秒。模型原生整合進 ComfyUI，支援原生多鏡頭與擴散影片解碼器。年收入千萬美元以下團隊免費商用，API 成本約每秒 0.09 美元。
HKUDS 開源 AutoSwarm：讓 Claude Code 與 Cursor 等協同幹活
港大 HKUDS 團隊開源多智慧體協作框架 AutoSwarm，能將 Codex、Claude Code、Cursor 等各自為戰的 AI 智慧體整合成統一團隊。它支援跨智慧體共享上下文與記憶，按特長分發並並行跑任務，最後整合輸出。目前支援主流作業系統與命令列環境。
Cactus 推出 Needle 2：僅 45M 引數，28 MB 記憶體即可離線跑
Cactus 推出超輕量模型 Needle 2，僅有 4500 萬引數，打包後只有 14 MB，執行僅需約 28 MB 記憶體且完全不需要 GPU。它專為樹莓派和廉價手機等微型裝置設計，在樹莓派 5 上每秒可達 500 token，適合離線工具呼叫與裝置控制。
IndexTTS 2.5 開源：支援 5 國語言克隆，推理更快還能精準調情緒
開源語音專案 IndexTTS 正式釋出 2.5 版本。新版支援中、英、日、西、阿 5 種語言，推理速度顯著快於 2.0，不僅支援 0.5 到 2 倍語速調節與多音字標註控制，還接入了 vLLM 生產級部署。
Meta 開源 30B 智慧體模型 Muse Glimmer：壓縮至 20GB 內，單卡可跑
Meta 開源 300 億引數模型 Muse Glimmer。它專為端側智慧體打造，採用 Apache 2.0 協議，4-bit 量化後體積不足 20GB，單張消費級 GPU 或 Mac 即可執行，支援工具呼叫與多模態輸入。這意味著無需連網，本地就能搭建全天候 AI 助理。
騰訊開源 Octop：單程序多智慧體，接微信飛書且資料本地化
騰訊開源本地 AI 助理平臺 Octop，單程序即可跑通 Web 控制台、桌面端與定時任務。它支援多專家 Agent 協作，並能直接接入微信、飛書、釘釘等主流聊天軟體。所有對話、知識庫與記憶資料完全儲存在本地，兼顧多端協作與隱私安全。
DeepMind 開源 WeatherNext：氣旋預報多爭一天，精度跨越十年進展
Google DeepMind 宣佈在氣旋預測上取得突破並開源 WeatherNext 系列模型。其三日預測精度相當於以往模型兩日的水平，能為防災多爭取整整一天的預警時間，在單個 TPU 上不到 1 分鐘即可生成 15 天預報。
MAC：一句話生成可列印 3D CAD 模型，Token 消耗減少 116 倍
開源框架 MAC 釋出 v2，使用者只需輸入自然語言就能生成可編輯、可列印的 3D CAD 零件與裝配體。它通過多智慧體分工與自動校驗，相比基線方案將 Token 消耗降低 116 倍、成本減少 13 倍，支援匯出 STEP、STL 及 URDF 格式。
Prime Intellect 開源 Prime Agent：把上下文當變數的自我進化智慧體
Prime Intellect 開源了智慧體框架 Prime Agent。它將上下文抽象為變數，通過持久 Python 環境直接呼叫子智慧體；執行軌跡沉澱為技能與記憶後，還能自動微調 harness 實現自我進化，支援在本地後臺常駐執行長期任務。
京東開源 JoyAI-Video-Edit：文字即時修影片，720p 達 30 幀
京東開源即時影片編輯模型 JoyAI-Video-Edit。它採用 16B 引數自迴歸擴散架構，使用者輸入文字指令即可即時編輯流式畫面，支援換裝、去雜物與風格遷移。系統在 720p 下跑出 30 FPS，單張 RTX 5090 也能即時執行。
NVIDIA 開源自動駕駛模型 Alpamayo 2 Super：商用開放，跑分超 GPT-4o
NVIDIA 宣佈自動駕駛開源推理模型 Alpamayo 2 Super 正式開放商用，採用 OpenMDW-1.1 許可。該模型基於 Cosmos 3 構建，在 LingoQA 基準上超越 GPT-4o 達 23.2 分，支援全景環視並可輸出軌跡規劃與因果推理鏈，助力車企雲端研發與自動標註。
Genspark 開源辦公套件 GenOffice：單人一週寫完，內建智慧體且全免費
Genspark 開源 AI 辦公套件 GenOffice Alpha 版，支援 PC 與 Mac。套件涵蓋文件、表格、幻燈片及 PDF 編輯，內建 Super Agent 處理調研與排版生成。團隊稱該版本由一名工程師用一週、消耗 1 萬美元 token 開發完成，無廣告且完全免費。
LongHorizon-Harness：拆出獨立審計角色，專治 AI Agent 長任務越做越跑偏
LongHorizon-Harness 框架開源。它將長任務拆解為管理、執行和獨立審計三個獨立角色，執行端單次跑完就丟棄上下文，只由審計端核查真實環境後更新記錄。在 WeaveBench 評測中，該框架讓 Qwen 3.7-Plus 的通過率從 51.8% 飆升至 80.7%。
endless-frontier 開源 BigBang-v1：讓 AI 自己出題自我進化
endless-frontier 在 Hugging Face 開源語言模型 BigBang-v1。該模型基於 Qwen 3.6 35B-A3B，通過生成與批評智慧體對抗，自動合成約 1 萬條高難度科學訓練題。最值得關注的是，它僅靠小規模資料就在多項前沿科學評測中逼近萬億引數模型。
DeepSeek-V4-Flash 正式上線：Agent 能力反超自家長尺寸 Pro 版
DeepSeek 正式開源 DeepSeek-V4-Flash-0731。新模型內建 DSpark 投機取樣模組，強化後訓練後在多項 Agent 基準上反超引數量更大的 V4-Pro 預覽版，部分測試緊咬 Opus 4.8。模型採用 MIT 協議，支援 vLLM 與 SGLang 部署。