通义DeepResearch – 阿里推出的开源深度研究智能体，推动智能体的发展和创新。
阿里正式开源其首个深度研究型智能体模型——通义DeepResearch，迅速在开源社区中位居前列。旨在解决复杂研究任务中的信息检索与推理问题。该模型通过多源交叉验证、结构化报告生成等能力，可辅助科研...
排序
VLAC – 上海AI实验室开源的具身奖励大模型，支持人机协作模式
VLAC是上海人工智能实验室开源的具身奖励大模型，旨在解决机器人真实世界强化学习中的效率与泛化难题。VLAC模型通过数据驱动的奖励机制和多模态认知架构，初步解决了机器人真实世界学习的效率与泛化难题。其...
Meta Ray-Ban Display – Meta推出的首款带显示屏的AI眼镜，为用户提供便捷的智能交互体验
Meta Ray-Ban Display是Meta首款搭载高解析度显示屏的消费级设备，其主要设计特点是在右镜片内嵌半透明抬头显示屏（HUD），亮度达5000尼特，可在户外强光环境下清晰显示信息，且从外...
WebWeaver – 阿里通义开源的双Agent框架，提高研究效率和质量
WebWalker是阿里巴巴通义实验室提出的一个用于提升大型语言模型（LLM）网页信息检索能力的框架，它是一个基于阿里通义大模型（通义千问）的开源框架，旨在通过对话式AI助手（Agent）来提升用户与...
Mini-o3 – 字节联合港大推出的视觉推理模型，支持多轮交互推理
自字节跳动和香港大学的研究团队推出了 Mini-o3，一个旨在复现OpenAI强大但未公开的o3模型能力的开源系统。Mini-o3的核心目标是扩展模型与工具的交互能力，使其能够执行长达数十步的深度推理...
混元3D 3.0 – 腾讯混元最新推出的3D生成模型，建模精度提升3倍
在2025腾讯全球数字生态大会上，腾讯混元3D 3.0模型正式发布，混元3D 3.0模型现已集成于混元3D AI创作引擎，面向用户免费开放，并同步上线腾讯云API。混元3D 3.0模型建模精度比上一版...
IndexTTS2 – B站开源的最新文本转语音模型，可精准模仿该音频的声线
哔哩哔哩（B 站）Index 团队宣布全面开源其自主研发的文本转语音(TTS)系统 ——IndexTTS-2.0，它支持两种生成模式：一种明确指定生成的标记数量以精确控制语音持续时间；另一种以自回归的...
Strix – 开源AI安全测试工具，全面漏洞检测，支持多种测试场景
Strix是一款由开源社区开发的AI安全测试工具，主要用于模拟黑客攻击场景，自动发现并验证软件漏洞，Strix依靠大语言模型（LLM）驱动的多智能体架构，不止能动态执行代码、操控HTTP请求，还能直接...
Stand-In – 腾讯微信推出的视频生成框架，支持生成具有高保真度的文本内容
腾讯发布了一个全新的开源项目——Stand-In，它是一个轻量级、即插即用的身份保留视频生成框架，不仅支持生成具有高保真度的文本到视频（Text-to-Video，T2V）内容，还能进行换脸、姿态控制...
HuMo – 清华联合字节推出的多模态视频生成框架，实现最高级别定制和控制。
字节开源的Humo模型支持文生视频、图生视频及音频生成视频，可结合文本、图像与音频多模态输入，并支持多图参考合成。HuMo 框架具备强大的多模态输入处理能力，可以同时利用文本、图像和音频三种信息，协同...