微軟開源 Mage Flow：4B 引數兼顧生成與編輯，1 秒內出圖
微軟釋出開源影像生成與編輯模型 Mage Flow。它採用 40 億引數架構，不僅支援多語言文字渲染與背景替換等指令編輯，還原生內建姿態和邊緣等控制能力。其 4 步 Turbo 模型生成單張高解析度影像不到 0.6 秒，主模型約 17.5GB，中高階顯示卡即可本地部署。
微软
微軟開源 Resource2Skill：把教程影片蒸餾成 Agent 能跑的技能庫
微軟開源 Resource2Skill，能將教程影片、程式碼與文章自動蒸餾為智慧體可呼叫的執行技能。提取的技能包含程式碼與視覺示例，掛載在 MCP 伺服器上，支援智慧體自主產出網頁、PPT、Excel 及 Blender 場景，實測效能提升 11.9 個百分點。
微軟開源 Lens 3.8B 文生圖模型：4 步極速出圖，算力消耗不到兩成
微軟開源 3.8B 文生圖模型 Lens 全部權重，包含 Base 與 Turbo 等版本。其蒸餾 Turbo 版僅需 4 步、0.84 秒即可出圖，訓練算力消耗僅為同類的 19.3%，最高支援 1440x1440 解析度。獨立開發者可藉此獲得輕量且專業級的影像生成流程。
微軟開源 VibeVoice-ASR：單次處理 60 分鐘音訊，自帶說話人分離
微軟開源語音識別模型 VibeVoice-ASR（9B 引數）。它摒棄了傳統的切塊轉錄做法，單次可直接處理長達 60 分鐘音訊，並端到端一體化輸出文本、時間戳與說話人分離結果。長會議和播客轉錄不再擔心上下文割裂，程式碼已開源並支援微調。
微軟 Edge 上線 Copilot Vision 預覽：能邊看網頁邊跟你即時語音聊天
微軟面向 Copilot Pro 訂閱使用者開啟 Copilot Vision 預覽測試，把它內建在 Edge 瀏覽器中。AI 能即時看懂當前網頁並與你語音交流，會話結束後會立即清除瀏覽資料。目前僅在 Copilot Labs 向部分美區使用者開放，且僅支援指定網站。
微軟全面改版 Copilot：加入即時語音與能看懂網頁的 Vision
微軟全面改版 Copilot，新增支援自然交談的語音功能，並在實驗區推出能即時看懂網頁的 Copilot Vision 和深度推理模式 Think Deeper。早播新聞也開始採用授權媒體內容。目前 Vision 等實驗功能僅面向部分英語區使用者測試。