腾讯HunyuanVideo 1.5开源：8.3B参数模型，14G显存流畅生成高清视频
💡 站外导读：当视频成为互联网内容的绝对主力，高昂的制作成本与专业门槛却将大多数创作者挡在门外。无论是个人博主、中小企业还是教育机构，对高效、低成本、高质量的视频内容需求…
小米全球首个开源跨领域具身大模型MiMo-Embodied发布：重塑自动驾驶与机器人智能
💡 站外导读：随着AI向物理世界深度渗透，具身智能与自动驾驶成为两大关键赛道，但传统模型常局限于单一领域，难以应对复杂动态环境。
Supertonic：66M参数167倍实时速度！开源离线TTS系统，隐私安全与极速合成兼得
💡 站外导读：在AIGC浪潮下，语音合成技术需求激增，但传统云端TTS面临隐私泄露、网络延迟和成本高昂等痛点。企业与开发者急需一种既轻量极速、又能彻底离线保护数据安全的解…
育碧AI队友项目Teammates：用生成式AI重新定义游戏沉浸感与玩家交互体验
💡 站外导读：在游戏产业追求极致沉浸感的今天，传统AI队友的呆板行为和有限交互已成为核心痛点。随着大模型与AIGC技术爆发，育碧推出Teammates项目，旨在用生成式A…
港大开源AI-Trader：一个让GPT、Claude、Qwen同台竞技的自动交易竞赛框架
💡 站外导读：当AI大模型从聊天助手走向复杂决策，金融交易成为其能力试金石。香港大学开源的AI-Trader框架，首次为GPT、Claude、Qwen等主流AI模型搭建了…
Meta重磅发布WorldGen：一句话生成可交互3D世界，游戏开发与VR内容创作将迎巨变
💡 站外导读：传统3D内容创作流程繁琐，需要专业美术团队耗费大量时间建模、贴图、优化，成本高昂且周期漫长。随着AIGC浪潮席卷，文本生成图像、代码乃至视频的技术快速迭代，…
AI2发布Olmo 3全系列开源大模型：32B参数性能强大，支持编程推理与高度定制
💡 站外导读：在开源大模型竞争白热化的当下，开发者与企业普遍面临三大痛点：一是顶尖模型的训练成本与技术门槛居高不下；二是模型在复杂推理、编程等专业领域的能力仍有待突破；三…
Claude Opus 4.5：Anthropic重磅发布，编程能力超越人类的AI模型全面解析
💡 站外导读：在AI军备竞赛白热化的今天，如何将大模型的强大能力无缝、高效且安全地集成到实际工作流中，成为开发者与企业的核心痛点。
微软开源Fara-7B：70亿参数AI Agent自动操作电脑，效率飙升、隐私无忧
💡 站外导读：当大模型在云端卷算力时，微软却悄悄开源了一款仅70亿参数的‘电脑管家’——Fara-7B。它不追求‘无所不知’，只专注‘无所不能操作’：看着屏幕，动鼠标，敲…
腾讯混元OCR：1B参数端到端OCR视觉语言模型，支持100+语言，多项SOTA性能全解析
💡 站外导读：传统OCR方案多采用级联架构，步骤繁琐、效率低下，且在多语言混合、复杂版式文档面前表现乏力。随着全球数字化转型加速，企业对高效、精准、多语言的文档智能处理需…
FLUX.2开源AI图像模型发布：支持10图参考与4MP高分辨率，Black Forest Labs革新创意工作流
💡 站外导读：在AIGC浪潮下，创意工作者面临效率与一致性的双重挑战：如何保持多图风格统一？如何生成可读的复杂文本？Black Forest Labs推出的FLUX.2模…
ViMax：港大开源多智能体视频生成框架，一键将创意/剧本/小说转化为分钟级长视频
💡 站外导读：当前AIGC视频生成领域面临创作流程复杂、人物场景一致性难维持、长视频制作效率低下等核心痛点。随着短视频与数字内容需求爆发，创作者亟需自动化工具将创意快速视…
阿里通义Z-Image：60亿参数图像生成模型开源，革新AI创意工作流
💡 站外导读：当前AI图像生成领域正经历从‘能生成’到‘生成好、可控’的关键跃迁。创作者与开发者面临模型推理慢、多语言文字渲染不准、编辑指令理解偏差、以及部署成本高昂等核…
字节跳动Depth Anything 3发布：单一Transformer架构突破三维空间重建，精度与速度双领先
💡 站外导读：在自动驾驶、机器人和元宇宙等前沿领域，高效、精准地感知和理解三维空间是核心挑战。传统三维重建方法常面临流程复杂、计算成本高、精度与速度难以兼得等痛点。行业亟…
DeepSeek-Math-V2重磅发布：开源数学推理模型，IMO/CMO金牌水平，开启AI自我验证新纪元
💡 站外导读：当前，AI在数学推理领域长期面临“幻觉”和过程不严谨的痛点，严重限制了其在教育、科研等高精度场景的应用。DeepSeek-Math-V2的发布，正是瞄准这一…
StepAudio R1：阶跃星辰开源首个原生音频推理模型，性能超Gemini 2.5 Pro，开启音频智能新纪元
💡 站外导读：在AI多模态浪潮中，纯音频的深度推理始终是块难啃的硬骨头。传统模型往往依赖文本转录，丢失了语调、节奏等关键声学信息，导致对复杂对话情感、人物特质的理解浮于表…
