清華開源音影片提取模型 Falcon：看嘴型抽離人聲，直連騰訊會議
清華團隊開源目標說話人提取模型 Falcon。它將攝像頭畫面與麥克風聲音對應，靠追蹤嘴部在嘈雜環境中即時提取指定人物語音，可訓練引數僅 50 萬。配套的 Falcon Studio 支援在筆記本本地執行，並能通過虛擬音訊裝置直連騰訊會議或 Zoom。
開源專案 · 日報
週五
10月23日 星期五
Gradium 推出端側 TTS 模型 phonon-31m-en：64.5 MB，瀏覽器本地就能跑
Gradium 團隊開源了輕量級英文語音合成模型 phonon-31m-en。基於 Pocket TTS 與 Mimi 編解碼技術，8 位量化權重僅 64.5 MB，支援邊生成邊播放的流式輸出，普通筆記本 CPU、手機乃至瀏覽器標籤頁內無需聯網即可執行，且遵循 Apache 2.0 協議開源並支援商用。
ISTA-DASLab 開源 DeepSeek-V4.1 量化版：12GB 視訊記憶體跑 763B 大模型
ISTA-DASLab 開源 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO 量化 GGUF 模型。團隊結合非均勻量化演算法將 763B MoE 模型最低壓縮至 1.75 bpw，搭配 Strata 引擎可在 12GB 顯示卡執行。最值得關注的是 2.00 bpw 版本效能完全追平原模型，大幅拉低超大模型本地部署門檻。
週四
10月22日 星期四
騰訊開源 WeVisOne-VL：單個輕量模型搞定檢測、計數與摳圖
騰訊微信視覺團隊開源視覺語言模型 WeVisOne-VL，推出 2B 與 4B 兩個輕量版本。它無需 SAM 等重型模型輔助，僅靠 9.6M 引數的解碼器就能統一目標檢測、OCR、計數與髮絲級透明通道摳圖，目標不存在時還會主動拒識。程式碼與權重已按 Apache 2.0 協議開放，支援本地執行。
Bria 開源 FIBO 2 影像編輯模型：登頂評測榜，支援 4 圖融合編輯
Bria 開源影像生成與編輯模型 FIBO 2。它支援最多 4 張參考圖的混合自然語言編輯，在 Artificial Analysis 影像編輯榜單上登頂，效果緊咬 Qwen Image 2.1。INT8 版為 8.4GB，不過權重僅限非商業用途且需申請訪問。
Anthropic 捐出 Agent Skills：獲 70 多家平臺支援，轉交 Linux 基金會中立維護
Anthropic 宣佈將 Agent Skills 開放標準捐贈給 Linux 基金會旗下的 Agentic AI Foundation（AAIF）。該標準起源於 Claude Code，已被 ChatGPT、Cursor 等 70 多個平臺整合，技能安裝量近 2.8 億次。來自 Anthropic、Google 和 OpenAI 的工程師將共同維護，推動智慧體生態走向跨平臺統一。
週三
10月21日 星期三
ornith-ai 開源 Ornith-1.5-122B：單卡可跑，效能叫板 Qwen3.8-Flash-Next
ornith-ai 在 Hugging Face 上線 MoE 推理模型 Ornith-1.5-122B。該模型採用端到端自改進迴圈訓練，總引數 122B 僅需單張 80GB GPU 即可部署。最值得關注的是，其在 SWE-bench 和 HLE 等程式設計推理測試中大多優於 Qwen3.8-Flash-Next，並提供端側量化版本。
Google DeepMind 開源 DetectorScope：檢測 AI 文本不僅給分，還能高亮依據
Google DeepMind 開源 AI 文本檢測工具 DetectorScope。不同於傳統工具只給出一個冰冷的機率分，它利用稀疏自動編碼器把判斷依據拆解為具體特徵，並在文中直接高亮觸發判定的詞句，讓稽核結果透明且可追溯。
Alpha Innovator 開源科研智慧體 Sage A1.5：35B MoE，Q4 量化版僅 22GB
Alpha Innovator 開源專為科學研究最佳化的 350 億引數 MoE 模型 Sage A1.5。它支援多智慧體協作完成文獻檢索、分子設計與引用報告生成，還能在思考鏈中自主審視糾錯。完整模型約 72GB，最小 Q4 GGUF 版本為 22GB，已上線 Hugging Face。
騰訊開源世界模型 Hy-Nomas：單張 4090 能跑，文字和相機即時操控
騰訊開源互動式影片世界模型 Hy-Nomas，支援通過自然語言和相機運鏡即時控制虛擬場景。模型可輸出 720p、24 幀畫面，通過分段生成維持長時間一致性，蒸餾後的 9GB 版本單張 RTX 4090 即可執行，並以 Apache 2.0 協議開源全套程式碼與權重。
Underdog 開源 Bark 3.0：163MB 語音模型，5 分鐘音訊半秒轉完
本週，Underdog 在 Hugging Face 開源語音轉文字模型 Bark 3.0，體積僅 163 MB，在蘋果 M 系列晶片上轉寫 5 分鐘音訊僅需半秒。它的英文會議錯誤率明顯低於 Whisper Large，Clean 版本還能自動過濾掉口頭禪。不過目前僅支援英文。
週二
10月20日 星期二
Fast H3 Omni 開源：MiniMax H3 影片生成最高提速 12 倍，取樣僅需 8 步
FastVideo 聯合釋出針對 MiniMax H3 的加速方案 Fast H3 Omni。它專門最佳化參考素材生成影片以保證主體一致性，將取樣步數由 50 步壓至 8 步，延遲最多降低 12 倍。目前已開源適配 ComfyUI、FP8 與 Apple Silicon 等版本。
週一
10月19日 星期一
GaussiAnimate 開源：用雙層骨架搞定動物與衣物 3D 動畫
GaussiAnimate 開源了角色動畫製作程式碼。它將內部運動骨骼與靈活的外部表面結構結合，內部管運動、外部管形變，解決了傳統剛性骨架難以處理衣物和動物軟體彎曲的問題。最值得關注的是，複雜形變動畫製作被大幅簡化，支援在本地電腦部署執行。
螞蟻集團開源 Ming 3.0 TTS：用自然語言調音，支援多人播客與商用
螞蟻集團開源文本轉語音模型 Ming 3.0 TTS，支援自然語言調音、聲音克隆與多人播客生成。模型提供約 3GB 和 18GB 兩個版本，小版本可在消費級顯示卡本地執行，發音準確率居開放模型前列；全部採用 MIT 協議，允許商用。
HairDeck 開源：單張圖片生成帶骨骼 3D 髮型，轉頭就能自然擺動
HairDeck 開源了單圖生成風格化 3D 髮型的模型，輸入一張角色圖就能生成完整的 3D 發片，並自帶驅動動畫的彈簧骨骼鏈。生成發片僅需 1 秒左右，比同類方法快 33 倍且朝向更準，支援直接匯出 VRM 格式。模型大小僅 2.45GB，普通消費級顯示卡就能跑。
週日
10月18日 星期日
cn-math-taxonomy 開源：把九年數學拆成 531 個知識點，幫 AI 查漏補缺
知識圖譜專案 cn-math-taxonomy 開源。該專案對齊 2022 版課標與人教版教材，把一至九年級數學梳理為 531 個知識點、909 條依賴關係和 2271 道診斷題。AI 工具可據此跨年級追溯知識漏洞並規劃補習路徑。採用 CC BY-NC 4.0，商用需授權。
週六
10月17日 星期六
Auto Swarm 開源：統籌排程 Codex 與 Claude Code，讓多智慧體並行協作
開源多智慧體編排框架 Auto Swarm 釋出。它能在 Codex、Claude Code 等現有工具之上搭建一層協調系統，讓多個智慧體共享統一上下文並並行執行任務。最值得關注的是，使用者只需輸入一次需求，就能讓不同 AI 分工打配合，免去在各工具間來回搬運資訊的麻煩。
CleanYourTV 開源：用 AI 助手給電視去廣告，換上蘋果風桌面
開發者開源 CleanYourTV 專案，藉助 Claude Code 等 AI 程式設計助手，只要電腦和電視在同一 Wi-Fi 下開啟 ADB 除錯，15 分鐘內就能免 Root 遮蔽預裝應用與開機廣告。最關鍵的是，它還會換上 1.6MB 的類 Apple TV 純黑極簡啟動器，且支援一鍵無損還原。
週五
10月16日 星期五
Perplexity 開源兩款決策模型：百萬 token 僅 1 美分，推理快 5 倍
Perplexity 開源多模態決策模型 pplx-decider-flash-v1.2（4B）與 pplx-decider-v1.2（27B），每百萬 token 定價分別僅 1 美分和 2 美分。新模型單次請求可跑通所有問題，推理提速最高達 5 倍，且已在 Hugging Face 開源權重並上線 API。
OpenMOSS 開源 MOSS-Image：50 億引數文生圖，支援精準佈局與文字渲染
OpenMOSS 開源 50 億引數文生圖模型 MOSS-Image，提供 Base 與 SFT 兩個版本。它支援繪製邊界框控制畫面構圖與文字渲染，Transformer 部分僅約 10GB，可在消費級顯示卡執行。不過目前僅支援純文本生成，暫無法用自然語言編輯圖片。
騰訊開源 Hy-Memory 2.0：讓不同 AI Agent 共享記憶
騰訊開源 Hy-Memory 2.0，包含框架、專用記憶模型及配套應用 MemHub。它針對聊天、工作任務與程式碼演進設計了三類記憶，打通不同 AI 工具的歷史記錄。最值得關注的是，換用新 Agent 時不必再從頭解釋背景與經驗。
DeepSeek 開源自研推理框架 DeepInfer：支援華為晶片，無需輝達即可部署
DeepSeek 開源高效能推理框架 DeepInfer，用於驅動 DeepSeek-V4.1-Flash 模型。除了輝達 SM100，它還原生適配華為昇騰 950 NPU，讓企業無需輝達硬體即可離線部署。不過完整線上服務仍需自行配置 KV cache 等周邊元件。
週四
10月15日 星期四
開源專案 Earshot：給 AI 程式設計助手裝上耳朵，能聽懂畫面自己改音效
開發者開源 Earshot 專案，為 Claude Code 等程式設計智慧體裝上「耳朵」。它能理解音訊內容、檢查音效與畫面是否同步，並直接用程式碼微調最佳化聲音。這意味著 AI 自動生成遊戲或產品影片時，不再需要人工反覆試聽調整。
NVIDIA 釋出 Nemotron 3.5：120B 多模態吞吐快 5 倍，端側模型進 RTX
NVIDIA 釋出 Nemotron 3.5 系列開源模型。120B 引數的 Super VL 專為智慧體打造，多模態吞吐量達同類 5 倍；同時推出的 Bolt 74B-A9B 原生 2-bit 量化，可在 24GB 視訊記憶體裝置上本地執行。這意味著企業和個人能把複雜智慧體工作流搬到本地部署。
Black Forest Labs 釋出 FLUX 3 Klein：5.6B 引數跑進 8GB 視訊記憶體
Black Forest Labs 開源 5.6B 引數的影像生成模型 FLUX 3 Image Klein。它支援原生 4K 輸出、精準區域編輯和多圖參考，INT8 版本在 8GB 視訊記憶體顯示卡上就能直接執行，讓本地與端側部署的門檻大幅降低。
Meta 釋出 Muse Spark Open：816B 開源大模型，兩臺 Mac 就能跑
Meta 釋出開源多模態模型 Muse Spark Open，擁有 816B 總引數與 42B 啟用引數，支援 1M 上下文。最值得關注的是，藉助 MLX 框架，該模型可在兩臺 M5 Ultra Mac Studio 上完全離線執行，主打複雜程式設計與多步驟智慧體任務。
週三
10月14日 星期三
開源影片框架 Any Time, Any Space：靠 3D 記憶讓長影片場景不穿幫
開源框架 Any Time, Any Space 亮相，專門解決長影片生成中的場景漂移問題。系統先對場景進行 3D 重建並存入記憶，即便鏡頭離開後再折返，環境依然保持完全一致。它可搭配阿里 Wan 等多種影片模型，已開放本地執行程式碼。
InfiniSplat v2 開源：多張照片一鍵重建 3D 場景，消費級顯示卡可跑
開源 3D 重建模型 InfiniSplat v2 釋出，能將多角度照片或上千幀駕駛影片直接轉成可自由探索的 3D 場景。模型將幾何結構與視覺表現預測解耦，並能自動抑制不一致的噪點。整個模型僅約 6.6GB 且已開放程式碼和權重，普通消費級 GPU 即可在本地部署執行。
週二
10月13日 星期二
Fish Audio 開源 Drama 3：單段支援 16 人分飾與區域性音訊修改
Fish Audio 開源新一代語音大模型 Drama 3。該模型採用 35B 引數的 MoE 文本骨幹，單段文本最多可容納 16 個不同角色，並支援通過標籤控制嘆氣等情緒。改詞時無需整段重錄，可直接順著上下文區域性替換。
週一
10月12日 星期一
開源多人世界模型 Multix：讓 10 名玩家在同一個 AI 世界互動
騰訊與港大團隊開源多人互動世界模型 Multix。它能為每位玩家生成獨立視角並保持環境同步，靠「分層通訊」降低超 86% 計算成本，且僅用 4 人資料訓練就能直接擴充套件到 10 人聯機。基礎版約 16GB，程式碼與權重已放開。
工程師用 AI 復刻 Office 全家桶：文件、表格與 PPT 全開源
工程師 Brandon Thomas 藉助 Anthropic 的 Opus 5.5 模型，逆向復刻了 Microsoft Office 套件，推出開源應用 WordCraft、GridCraft 和 DeckCraft，支援 macOS、Windows 和 Linux。基礎軟體完全免費，但套件內的生成式 AI 功能需訂閱付費。
Skywork 開源 Matrix Game 4.0：單卡 83 幀即時渲染可玩 3D 遊戲
Skywork 開源 3D 遊戲世界模型 Matrix Game 4.0。它讓傳統引擎處理物理與規則，再由 AI 即時細化畫面，單張消費級 GPU 下最高可跑出 83 幀，並內建智慧體用自然語言修改玩法。這解決了以往 AI 遊戲畫面容易漂移變形的問題，程式碼與權重均已開放。
d2r-mobile：把 Switch 版《暗黑破壞神 II》搬上手機，原生 60 幀執行
開源專案 d2r-mobile 推出跨平臺相容層，允許在 iPhone、iPad、Mac 和安卓裝置上原生執行自備的 Switch 版《暗黑破壞神 II：獄火重生》。它並非模擬器，而是直接執行原生指令，支援完整觸控重構與 60 幀穩定執行，採用 MIT 協議開源。
NVIDIA 開源 Stream Render H3：用影片模型把遊戲粗模即時變成大片
NVIDIA 釋出並開源 Stream Render H3，利用 MiniMax H3 影片模型將遊戲引擎輸出的簡單語義圖即時渲染成高畫質畫面。玩家可通過參考圖一鍵切換風格；不過實現即時需 8 塊 GP200 GPU，整套模型體積超 200GB。
週日
10月11日 星期日
UniForge 3D 開源：幾張多角度照片，就能腦補出完整 3D 模型
3D 重建與生成框架 UniForge 3D 開源。它只需物體不同角度的幾張稀疏照片，就能生成包含背面等盲區的完整 3D 資產；系統一邊精準重建可見細節，一邊靠生成模型腦補缺失結構。目前相關程式碼和模型已開放本地執行。
週六
10月10日 星期六
Pure：普通影片無需 3D 標註，就能直接重建動態三維環境
3D 重建專案 Pure 正式開源。它無需昂貴的人工 3D 標註，僅靠普通影片提取深度與運動資訊做後訓練，就能將動態連續畫面重建為三維場景。模型體積僅 13.2GB，並附帶了完整訓練指令碼，本地即可下載執行。