ASI-Evolve 開源：能讀論文、做實驗並自我改進的 AI 科研智慧體
中國研究人員開源了 AI 科研智慧體框架 ASI-Evolve，程式碼與論文全量公開。它能自主閱讀論文、設計實驗、執行程式碼並分析結果，通過閉環機制持續自我迭代改進，嘗試把 AI 研發流程完全自動化。
開源專案 · 日報
週二
3月31日 星期二
同事.skill：把離職同事煉成 AI，一鍵復刻語氣與技術規範
開源專案「同事.skill」在 GitHub 走紅。它支援匯入微信、飛書等平臺的聊天記錄，通過「人格層」與「技能層」架構，快速生成前同事的數字分身，連特定語氣和溝通習慣都能復刻。三天內狂攬 6.7k Star，目前還衍生出了導師、前任等系列專案。
H Company 釋出電腦操作模型 Holo3：OSWorld 跑出 78.85 分，35B 版本開源
H Company 釋出專用於操作電腦的智慧體模型 Holo3。該系列基於 Qwen 3.5 強化，旗艦版 Holo3-122B-A10B 僅啟用 10B 引數，在 OSWorld-Verified 評測中創下 78.85% 的新紀錄；同時輕量版 Holo3-35B-A3B 已在 Hugging Face 開源並提供免費 API。
週一
3月30日 星期一
Gen-Searcher 框架開源：先聯網搜參考圖再出圖，解決生圖盲區
研究團隊開源影像生成框架 Gen-Searcher。它利用搜索代理先在網上檢索參考圖與事實資訊，再輔助出圖，能解決特定角色、冷門地點和資料的事實盲區，且相容開源與閉源底模。
OpenMontage：把 AI 程式設計助手變成全自動影片工作室
開源 AI 影片製作系統 OpenMontage 獲 6.85 萬星。它能接入 Claude Code、Cursor 等程式設計助手，僅憑一句提示詞自動完成資料檢索、分鏡設計、素材生成與剪輯合成；開工前先看分鏡並報價，製作 60 秒示例動畫僅花費 1.33 美元。
週日
3月29日 星期日
開源語音克隆 LuxTTS：3 秒音訊復刻聲音，視訊記憶體不到 1GB 還跑 48kHz
開源語音克隆模型 LuxTTS 釋出，只需 3 秒音訊就能準確復刻音色。它將推理壓縮至 4 步，視訊記憶體佔用不到 1GB，在 GPU 上達到 150 倍即時速度且原生支援 48kHz 高畫質音訊。這意味著普通電腦甚至純 CPU 也能零門檻跑通高質量配音。
週六
3月28日 星期六
Midjourney 工程師開源 Pretext：用 AI 輔助編碼，繞過 DOM 重排
Midjourney 工程師 Cheng Lou 開源排版庫 Pretext。該工具僅 15KB 且零依賴，由 OpenAI Codex 與 Anthropic Claude 等 AI 工具輔助寫成。它直接在前端計算多行文字排版，繞過耗時的 DOM 重排，能讓文字即時環繞動態物體。
週五
3月27日 星期五
開源技能 clone-website：拆解元件規格並並行構建，畫素級克隆網站
開源專案推出網站克隆技能 clone-website，輸入指令即可抓取真實樣式並畫素級復刻網頁。它將頁面拆成 150 行以內的單獨元件規格，並通過 git worktree 讓 Agent 並行構建與視覺比對。這套工程流程解決了 AI 生成前端時靠猜間距、容易糊弄的問題。
週四
3月26日 星期四
Meta 釋出 SAM 3.1：多目標跟蹤提速 7 倍，128 個物體順暢跑
Meta 釋出影片與影像分割模型 SAM 3.1，引入共享記憶體機制 Object Multiplex。在單張 H100 上跟蹤 128 個目標時，推理速度提升約 7 倍且不損失精度，並在 6 項影片分割基準上超越前代。模型權重已在 Hugging Face 開放申請。
微軟釋出 Babylon.js 9.0：支援分簇光照與高斯潑濺，視訊記憶體降 40%
Babylon.js 正式釋出 9.0 版本。新版引入分簇光照系統，讓成百上千個光源在 Web 端保持流暢；同時上線幀圖管線，部分場景 GPU 視訊記憶體佔用直降 40% 以上。此外還帶來節點粒子編輯器，並在 Adobe 協作下深度支援高斯潑濺渲染。
Real Restorer 開源：42 GB 模型本地搞定老照片降噪與反光修復
開源影像修復模型 Real Restorer 釋出。它專門修復模糊、噪點、壓縮偽影、劃痕與反光，並能增強黑白老照片，基準測試表現比肩頂級閉源模型。專案總大小 42 GB，已提供程式碼和部署說明，需配備高階 GPU 本地執行。
Cohere 開源語音模型 Transcribe：2B 引數可本地跑，支援 14 種語言
Cohere 開源首個語音識別模型 Transcribe。該模型引數量為 20 億，支援消費級 GPU 本地執行，每分鐘可處理 525 分鐘音訊，涵蓋中英日等 14 種語言。其在 Open ASR 榜單字錯率為 5.42，同時 Cohere 還提供免費 API 接入。
週三
3月25日 星期三
位元組開源飛書 CLI：專為 Agent 設計，讓 Claude Code 零配置接管飛書
字節跳動開源飛書官方命令列工具 Lark CLI。它覆蓋日曆、文件、表格、會議等 18 個核心業務，提供 200 多個命令與專用的 Agent 技能。最值得關注的是其 Agent 原生設計，讓 Claude Code 等外部智慧體無需繁瑣適配，即可直接讀寫並操作飛書工作流。
週二
3月24日 星期二
DaVinci Magihuman：15B 開源影片生成器，原生自帶音訊
開源影片模型 DaVinci Magihuman 釋出，這是一個 150 億引數、原生生成帶音訊影片的統一模型。其自測基準和真人盲測表現均優於 LTX 2.3，且開箱即無審查。不過即使是蒸餾版體積也達 61GB，普通消費級顯示卡很難跑動。
阿里開源 PrismAudio：輸入無聲影片配音效，5 億引數 0.63 秒搞定
阿里開源音效生成模型 PrismAudio。它將強化學習與思維鏈結合，先分析畫面再生成聲畫同步的音效。模型引數僅 5.18 億，生成 9 秒音訊只需 0.63 秒，在多項基準測試和生成速度上均優於 MM-Audio 等數十億引數競品。
Ai2 推出 MolmoWeb：只看截圖就能操作網頁的開源智慧體
Ai2 釋出開源權重視覺網頁智慧體 MolmoWeb，提供 4B 和 8B 尺寸，完全依靠螢幕截圖操作，不依賴 HTML 或無障礙樹解析。配套開源的 MolmoWebMix 包含 3 萬條人類瀏覽軌跡。其在 WebVoyager 等即時基準評測中超越同類開源對手。
字節跳動開源 DeerFlow 2.0：讓多 Agent 進 Docker 沙箱替你幹活
字節跳動開源 AI 代理排程中樞 DeerFlow 2.0。它能拆解複雜長程任務，自動派出子智慧體分頭執行研報、建站或影片生成。每個任務都跑在獨立的 Docker 沙箱中安全執行，支援跨會話記憶，並可接入 DeepSeek、GPT-4 等任意模型，採用 MIT 協議開源。
週日
3月22日 星期日
Pascal Editor：在瀏覽器裡跑的開源 3D 建築編輯器，免裝桌面端
Pascal Editor 是一款開源免費的瀏覽器端 3D 建築編輯器，基於 WebGPU 和 React Three Fiber 構建。它支援牆體、樓板和區域的層級化即時編輯，依靠髒節點追蹤技術呼叫本地顯示卡流暢渲染。使用者無需安裝動輒昂貴的專業桌面軟體，開啟網頁就能堆疊拆解樓層並快速建模。
週五
3月20日 星期五
gsap-skills：讓 AI Agent 幫你寫規範的 GSAP 網頁動效
GreenSock 推出官方技能庫 gsap-skills，教 AI Agent 正確使用 GSAP 核心 API、時間軸與 ScrollTrigger 等功能寫動效。它支援 Cursor、Claude Code 等 40 多款工具，能減少 AI 瞎編過時語法的問題。
週四
3月19日 星期四
MetaClaw：日常對話就能讓智慧體自動進化，空閒時雲端更新權重
持續元學習框架 MetaClaw 開源，讓大模型智慧體能從每次真實對話中自動進化。它在呼叫間隙把失敗經驗提煉成新技能，並在使用者閒置或睡眠時通過雲端 LoRA 非同步微調權重。最關鍵的是無需本地顯示卡且零停機，成功將 Kimi-K2.5 任務準確率從 21.4% 提至 40.6%。
週二
3月17日 星期二
Unsloth Studio：不用寫程式碼，本地微調 500+ 模型還省 70% 視訊記憶體
Unsloth 釋出開源無程式碼工具 Unsloth Studio 公測版。它把資料製作、模型訓練與本地推理整合進同一介面，能把 PDF 等文件直接轉成資料集，訓練速度翻倍且省 70% 視訊記憶體。支援 500 多種模型，已在 GitHub 開源。
SegviGen：自動拆解 3D 模型部件，點選或給張圖即可精準分割
SegviGen 開源了基於 TRELLIS.2 的 3D 部件分割框架。使用者只需在模型上點選區域性或上傳 2D 參考圖，就能自動把 3D 模型精準拆成獨立零件。其互動分割效能比此前 SOTA 提升 40%，不過本地執行需要至少 24GB 視訊記憶體的 Nvidia GPU。
Spark VSSR：谷歌開源影片超解析度工具，全套權重與訓練程式碼開放
谷歌開源影片超解析度工具 Spark VSSR，可將低畫質影片放大並銳化細節，適用於老電影修復與風景動畫。專案開放了推理權重、全套訓練程式碼與資料集，總大小約 42.2 GB，需高階 GPU 執行。這意味著開發者可以直接在本地微調和執行頂尖畫質的影片放大管線。
Google 開源 Colab MCP Server：讓任何 AI 智慧體直接在雲端跑程式碼
Google 開源 Colab MCP Server，允許任何相容 MCP 的 AI 智慧體直接通過命令列接管 Google Colab。智慧體可在雲端自動建立單元格、執行程式碼並生成視覺化圖表，讓開發者免去本地算力瓶頸與程式碼執行風險。只需通過 uvx 配置即可讓 Claude Code 等工具無縫接入。
開源架構 Mamba-3 亮相：推理延遲更低，效能比 Transformer 高 4%
卡耐基梅隆大學與普林斯頓大學研究團隊開源了狀態空間模型架構 Mamba-3。其 MIMO 變體在基準測試中取得 57.6% 的平均準確率，相對 Transformer 提升約 4%；它用一半的狀態大小達到 Mamba-2 的質量，並引入複數值狀態補齊推理短板，顯著縮短 GPU 空閒時間。
週一
3月16日 星期一
Mistral 開源 Mistral Small 4：推理與多模態合一，僅 6B 啟用引數
Mistral 釋出開源模型 Mistral Small 4。它採用 MoE 架構，總引數 119B 且每 token 僅啟用 6B，首次把推理、多模態與智慧體程式設計整合到單一模型，支援 256k 上下文與可調節推理力度。相比前代延遲降低 40%，且在同等精度下輸出更簡短，大幅節約推理成本。
MiroMind 開源 MiroThinker-H1：把驗證塞進推理，預測金價僅差 0.08%
MiroMind 開源深度研究智慧體 MiroThinker-1.7 及旗艦模型 H1。模型引入雙層驗證機制，將審計直接嵌入推理過程，全尺寸達 2350 億引數，另有 61GB 的 mini 版。它在 BrowseComp 等基準上超越了多款頂尖閉源模型。
阿里開源 Fun-CineForge：讓 AI 配音對齊唇形與多角色
阿里開源影視配音模型 Fun-CineForge。輸入影片與文本，模型通過引入「時間模態」識別角色並對準唇形，即便面部被遮擋也能卡準節奏發聲。最值得關注的是它支援多角色自然切換，讓自動配音真正做到了音畫對齊。
清華開源 OpenMAIC：輸入主題一鍵生成課程，AI 老師帶 AI 同學陪你上課
清華大學開源互動課堂平臺 OpenMAIC。輸入任意主題或文件，系統就能一鍵生成課件、測驗和互動模擬，並由會畫白板、能語音講解的 AI 老師和插話討論的 AI 同學即時帶練。它讓自學從單向看影片變成了可提問、可辯論的虛擬教室，程式碼基於 MIT 協議開源。
NVIDIA 成立開源大模型聯盟：聯手 Mistral 打造 Nemotron 4
NVIDIA 宣佈成立 Nemotron Coalition 開源聯盟，聯合 Mistral AI、Cursor、Perplexity 等團隊研發前沿開源模型。首個專案是由 NVIDIA 與 Mistral 聯合開發的基座模型，將在 DGX Cloud 上訓練並完全開源，作為新一代 Nemotron 4 的底座。
騰訊開源 Covo-Audio：7B 端到端語音模型，支援全雙工邊聽邊說
騰訊開源 7B 引數端到端音訊大語言模型 Covo-Audio-Chat。模型採用單一架構直接處理連續音訊輸入與輸出，支援原生低延遲全雙工互動，能做到邊聽邊說和即時打斷。程式碼與模型權重已在 GitHub 和 Hugging Face 開放。
週日
3月15日 星期日
Pulse of Motion：測算真實物理幀率，矯正 AI 影片的「計時幻覺」
研究團隊開源 Pulse of Motion，專門解決 AI 影片動作過快或過慢的「計時幻覺」。該模型不到 2GB，能直接從畫面運動推算出真實的物理幀率，並據此校正播放節奏。普通消費級裝置就能跑，讓 AI 畫面裡的動作真正符合現實物理規律。