开源
万帧？单卡！智源研究院开源轻量级超长视频理解模型Video-XL-2
长视频理解是多模态大模型关键能力之一。 尽管 OpenAI GPT-4o、Google Gemini 等私有模型已在该领域取得显著进展，当前的开源模型在效果、计算开销和运行效率等方面仍存在明显短板。 近日，智源研究院联合上海交通大学等机构，正式发布新一代超长视频理解模型：Video-XL-2。
陶哲轩转发！DeepMind开源「AI数学证明标准习题集」
陶哲轩转发，AI搞数学证明的标准习题集来了！ DeepMind最新开源形式化数学猜想库——猜想库收录了经典的形式化表述的数学猜想集合，例如，解析数论中的四个朗道问题。 不仅如此，资源库中还提供了各种代码函数，以方便用户对自然语言的数学猜想进行形式化的表述。
Anthropic 开源“思维追踪”工具，可视化揭秘 AI 内部逻辑
Anthropic 昨日（5 月 29 日）发布博文，宣布推出“电路追踪”（Circuit Tracer）开源工具，以图形化方式，追踪并展示 AI 大语言模型的内部思维过程。
Hugging Face进军人形机器人市场:推出售价3000美元的开源机器人HopeJR
人工智能开发平台Hugging Face周四正式进军机器人硬件领域，发布了两款开源人形机器人产品，旨在打破大型科技公司对机器人技术的垄断。 两款新品各有特色该公司推出的两款机器人分别针对不同应用场景:HopeJR是一款全尺寸人形机器人，配备66个驱动自由度，具备完整的行走和手臂操作能力;Reachy Mini则是一款桌面级机器人，专注于头部运动、语音交互和AI应用测试。 在定价方面，HopeJR预计售价约3000美元，而Reachy Mini的价格区间为250-300美元，具体价格将根据关税情况调整。
Anthropic重磅开源！“电路追踪”工具解锁AI大脑，揭秘大模型决策全过程
近年来，大语言模型（LLM）的快速发展为人工智能领域带来了前所未有的突破，但其内部决策过程却常常被视为“黑盒子”，难以捉摸。 5月29日，AI研究领域的明星公司Anthropic发布了一项重大开源成果——“电路追踪”(Circuit Tracing)工具，为破解大模型的内部工作机制提供了全新视角。 这一工具不仅能帮助研究人员深入探索AI的“思考”过程，还为推动更透明、可控的AI发展迈出了重要一步。
135 个项目、七大趋势、三大赛道：撕开大模型开源生态真相，你会怎么卷？
在微软 Build、谷歌 I/O、 Code with Claude 三大开发者大会接连登场的一周里，微软为 Windows 加装模型上下文协议（MCP），Google Gemini 野心初显「AI 操作系统」，Claude 4.0 高调抢滩编程主战场。 就在这样的节奏下，5 月 27 日，蚂蚁集团的开源团队「接棒」发布了一张《 2025 大模型开源开发生态全景图》。 访问地址：：——135 个社区核心项目、19 个技术领域，全面覆盖从智能体应用到模型基建，系统性梳理了开源力量在大模型浪潮下的集结与演化路径。
Linear-MoE：线性注意力遇上混合专家的开源实践
近年来随着大语言模型的爆火，旨在取代 Transformer 的高效模型架构及其预训练成为大模型领域的研究热点，主要包括线性序列建模（如 Linear Attention、SSM、Linear RNN 等）和混合专家（Mixture-of-Experts, MoE）两部分。 这两部分分别都有了长足的进步，但两者的结合却鲜少有人研究，两者结合后的 Linear-MoE 架构开源实现更是完全缺失。 值得一提的是，近期广受好评的 MiniMax-01 模型（使用 Lightning Attention-MoE）和腾讯混元 TurboS 模型（使用 Mamba2-MoE）均属于 Linear-MoE 架构。
蚂蚁集团开源Ming-lite-omni:首个媲美GPT-4o的开源多模态模型
蚂蚁集团旗下百灵大模型团队在近期蚂蚁技术日上宣布重大决定:将统一多模态大模型Ming-lite-omni进行全面开源。 这一举措不仅标志着蚂蚁集团在AI领域的又一次重大开放，更被业界视为首个在模态支持方面能够与GPT-4o相媲美的开源模型。 220亿参数的技术突破Ming-lite-omni基于Ling-lite构建，采用先进的MoE（专家混合）架构，拥有220亿总参数和30亿激活参数的强大配置。
准确率92.7%逼近Claude 3.5、成本降低86%，开源代码定位新神器LocAgent来了
又是一个让程序员狂欢的研究！ 来自 OpenHands、耶鲁、南加大和斯坦福的研究团队刚刚发布了 LocAgent—— 一个专门用于代码定位的图索引 LLM Agent 框架，直接把代码定位准确率拉到了 92.7% 的新高度。 该研究已被 ACL 2025 录用。
刚刚，新版DeepSeek-R1正式开源！直逼o3编程强到离谱，一手实测来了
就在今天凌晨，新版DeepSeek-R1正式开源了！ DeepSeek-R1-0528模型权重已上传到HuggingFace，不过模型卡暂未更新。 项目地址：，DeepSeek-R1完成了超进化，编码能力强到离谱，而且思考时间更长了。
开源AI开发生态大洗牌：低代码平台逆袭，传统LLM框架日渐式微
当前的大模型开发生态，被一份报告、完整全景图谱讲清楚了。 就在第十届527蚂蚁技术日上，蚂蚁通过Coding范式、数据、模型部署等角度，对现有开源生态进行了全面完整的大剖析，从数据的视角揭示了大模型开源生态的演进规律，如果你是大模型开发者或者潜在的开发者，几乎研究好这份报告可能就够了。 但这还不够，在报告出炉之前的周末，蚂蚁还发布了2025大模型开源生态全景图，涵盖19个技术领域、135个项目，进一步给出了大模型开发生态的参考系。
告别手写代码！十款开源 AI 工具，截图秒变可运行代码（附 GitHub 地址）
今年一直在学习和研究AI，也做了很多高价值AI开源项目的总结，今天就和大家分享11款通过截图（图片）生成代码的开源项目和工具，帮助大家提高编码效率。 Screenshot to Code图片它能够将设计图中的截图自动转化为代码片段，主要用于网页和应用界面的开发。 支持的技术栈包括 HTML Tailwind、React Tailwind、Vue Tailwind、Bootstrap、Ionic Tailwind、SVG 等。
MiniMax开源首个视觉RL统一框架，闫俊杰领衔！推理感知两手抓，性能横扫MEGA-Bench
仅需一个强化学习（RL）框架，就能实现视觉任务大统一？ 现有RL对推理和感知任务只能二选一，但“大模型六小强”之一MiniMax表示：我全都要！ 最新开源V-Triune（视觉三重统一强化学习系统）框架，使VLM首次能够在单个后训练流程中，联合学习和掌握视觉推理和感知任务。
开源模型竟被用于窃取下游微调数据？清华团队揭秘开源微调范式新型隐藏安全风险
本文作者分别来自清华大学 CoAI 小组和墨尔本大学。 第一作者张哲昕为清华大学直博三年级学生，研究方向为大模型安全，主要合作者为孙玉豪，来自墨尔本大学，主要指导教师为清华大学王宏宁副教授与黄民烈教授。 基于开源模型继续在下游任务上使用私有下游数据进行微调，得到在下游任务表现更好的专有模型，已经成为了一类标准范式。
阿里开源长文本深度思考模型！渐进式强化学习破解长文本训练难题，登HuggingFace热榜
推理大模型开卷新方向，阿里开源长文本深度思考模型QwenLong-L1，登上HuggingFace今日热门论文第二。 其32B参数版本超过OpenAI-o3-mini、Qwen3-235B-A22B等，取得与Claude-3.7-Sonnet-Thingking相当的性能。 除测评分数外，论文中还详细展示了一个金融文档推理的案例。
微软开源浏览器Agent，可实时跟踪、控制智能体，超4000颗星
微软在官网开源了一个专用于浏览器网络任务的Agent——Magentic-UI。 Magentic-UI是基于微软曾经开源的 Magentic-One基础之上开发而成，并支持人机协同的控制方法来提升智能体的执行效率和准确率。 根据GAIA测试数据显示，当配备拥有辅助信息的模拟用户时，Magentic-UI 的任务完成率从自主模式下的30.3%提升至51.9%，准确率提高了71%。
FinRobot发布：多智能体AI革新金融分析，预测、策略与报告一键搞定！
人工智能正在金融领域掀起革命性变革!一款名为FinRobot的开源AI金融分析工具近期引发热议，凭借其多智能体协作系统和多模态数据处理能力，为交易预测、投资组合优化、报告生成及风险预警等金融需求提供了强大支持。 AIbase综合最新信息，为您深度解析FinRobot如何助力金融行业迈向智能化新时代。 多智能体协作，精准解析金融数据FinRobot的核心在于其多智能体协作系统，通过Financial Chain-of-Thought （CoT）技术，将复杂的金融问题分解为逻辑清晰的步骤，模拟人类分析师的推理过程。
字节开源Dolphin，高精度文档图像解析大模型，创新先分析后解析新范式
在数字时代，从扫描文档、图片等非结构化数据中高效、准确地提取结构化信息，是人工智能领域长期面临的挑战。 无论是复杂的表格、交织的文本段落，还是难以识别的数学公式，都对文档解析技术提出了严苛要求。 传统的解决方案往往依赖于多个专业模型的串联，不仅集成成本高昂，还容易在处理过程中累积误差 。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI绘画
大模型
AI新词
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
智能体
技术
Gemini
英伟达
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
代码
AI for Science
苹果
算法
腾讯
Agent
Claude
芯片
Stable Diffusion
具身智能
xAI
蛋白质
开发者
人形机器人
生成式
神经网络
机器学习
AI视频
3D
RAG
大语言模型
字节跳动
Sora
百度
研究
GPU
生成
工具
华为
AGI
计算
大型语言模型
AI设计
生成式AI
搜索
视频生成
亚马逊
AI模型
DeepMind
特斯拉
场景
深度学习
Transformer
架构
Copilot
MCP
编程
视觉