Open Avatar Chat是阿里开源的模块化数字人对话系统，支持文本/音频/视频多模态交互，采用可替换组件设计，平均响应延迟仅2.2秒，为开发者提供灵活高效的解决方案。

RAGEN是一个基于StarPO框架的开源强化学习系统，通过马尔可夫决策过程形式化Agent与环境的交互，支持PPO、GRPO等多种优化算法，显著提升多轮推理训练的稳定性。

Skywork-R1V 2.0是昆仑万维最新开源的多模态推理模型，通过混合强化学习和多模态奖励模型实现复杂推理任务，在理科题目解答和科研分析中展现出色性能。

Flex.2-preview是Ostris开源的80亿参数文本到图像扩散模型，支持512token长文本输入和多类型控制引导，内置修复功能并兼容主流AI绘画工具链。

GPT-image-1是OpenAI推出的新一代多模态图像生成模型，通过API提供专业级图像生成与编辑能力，支持多种分辨率、格式和艺术风格定制。

Eagle 2.5是英伟达推出的8B参数视觉语言模型，通过创新训练策略在长视频和高分辨率图像理解任务中超越更大规模模型，支持512帧视频输入和多样化多模态任务。

英伟达推出的DAM-3B多模态大语言模型，通过创新的焦点提示技术和局部视觉骨干网络，实现了对图像和视频中特定区域的精准描述生成，为内容创作和智能交互领域带来全新可能。

"一丹一世界"二等奖 | MAJICFLUS_新浮世 创作分享

答疑机器人实践：AgentScope多智能体带你玩转多源召回

WriteHERE是基于异质递归规划技术的开源AI写作框架，能动态分解写作任务并管理任务依赖关系，支持单次生成超过4万字的专业报告。

MAGI-1是Sand AI开源的全球首个自回归视频生成大模型，采用创新架构实现高分辨率流畅视频生成，支持无限扩展和精细控制，在物理行为预测方面表现突出。

Suna是由Kortix推出的开源通用型AI智能体项目，通过自然语言交互实现浏览器自动化、文件管理、数据分析等复杂任务处理，支持自托管部署，为研究分析和日常工作提供智能辅助。

Yuxi-Know是一个结合大模型RAG知识库与知识图谱技术的智能问答平台，支持多格式文档处理和复杂知识关系查询，具备多模型适配和智能体拓展能力。

ChatTS-14B是字节跳动开源的时间序列专用大模型，基于Qwen2.5-14B微调优化，通过合成数据对齐技术显著提升分析能力，支持自然语言交互完成预测推理等复杂任务。

UFO²是微软推出的Windows桌面多智能体操作系统，通过中央HostAgent协调多个AppAgent实现跨应用任务自动化，结合GUI交互和原生API调用提升执行效率，支持虚拟桌面隔离运行。

上海AI Lab推出的Infinite Mobility采用程序化生成技术，可高效生成22类高质量可交互物体，单个生成仅需1秒且成本低至0.01元，已应用于机器人仿真训练等领域。

SurveyGO是清华与面壁智能联合开源的AI论文写作工具，采用LLMxMapReduce-V2技术实现文献智能聚合，能根据用户输入主题快速生成结构严谨、引用可靠的学术综述。

SocioVerse是由复旦大学联合小红书等机构开源的社会模拟框架，基于大语言模型和千万级真实用户数据构建，能精准模拟群体行为并预测社会事件演化趋势。

Pad.ws是一款创新的在线开发环境，将交互式白板与完整IDE工具深度结合，支持多人实时协作和多种编程语言，无需安装即可通过浏览器访问。

OpenUtau是一款开源的歌声合成工具，兼容UTAU音源库和重采样器，支持多语言界面及预渲染功能，让音乐创作更加高效便捷。

ImagePulse是魔搭社区推出的开源项目，通过构建原子能力数据集支持下一代图像理解与生成模型，包含修改、缩放、风格迁移等专项数据集。

GigaTok是香港大学与字节跳动联合研发的3B参数视觉分词器，通过语义正则化技术和创新架构设计，解决了图像重建与生成质量间的矛盾，显著提升自回归模型的表示学习能力。

SimpleAR是复旦大学与字节Seed团队联合研发的自回归图像生成模型，仅用5亿参数即可生成1024×1024分辨率的高质量图像，在GenEval等基准测试中表现优异。

Aether是上海AI Lab开源的生成式世界模型，通过三维时空建模与生成式建模的深度融合，实现了4D动态重建、动作条件视频预测和目标导向视觉规划三大核心能力。

Gemma 3 QAT是谷歌最新推出的量化优化开源模型，通过量化感知训练技术显著降低显存需求，同时保持高性能，使大模型能在消费级硬件上高效运行。

MineWorld是微软研究院基于《我的世界》开发的实时交互式世界模型，采用视觉-动作自回归Transformer架构，通过创新的并行解码算法实现每秒4-7帧的生成速度，在视频质量、可控性和推理速度上均超越现有模型。

FastAPI-MCP是一款能将FastAPI应用端点自动转换为符合模型上下文协议(MCP)的开源工具，支持零配置自动发现接口并保留完整文档和模式定义。

斯坦福大学推出的FramePack技术通过压缩输入帧上下文长度，解决视频生成中的"遗忘"和"漂移"问题，仅需6GB显存即可在普通笔记本上实时生成高清视频。

万相首尾帧模型是阿里通义开源的14B参数规模视频生成模型，基于DiT架构和高效视频压缩VAE，能够根据首尾帧图像自动生成5秒720p高清视频，支持多种风格变换和细节复刻。

InstantCharacter是腾讯混元团队基于扩散Transformer架构开发的开源图像生成工具，通过可扩展适配器和大规模角色数据集实现高保真、角色一致性的图像生成，支持单图输入和文本控制。

微软开源的MAI-DS-R1是基于DeepSeek R1改进的AI模型，通过后训练优化将敏感话题响应率提升至99.3%，同时将有害内容风险降低50%，保持原版推理能力并增强多语言支持。

字节跳动推出的豆包1.5·UI-TARS是首个整合视觉理解、逻辑推理与界面操作的GUI Agent模型，无需预定义规则即可完成复杂图形界面交互任务，已在火山方舟平台提供服务。

OpenAI最新推出的o4-mini小型推理模型在数学、编程和视觉任务中表现卓越，支持多模态推理和工具调用，性能超越前代的同时保持高性价比。

Kimina-Prover是由月之暗面与Numina团队合作开发的大型数学定理证明模型，采用强化学习训练，在Lean 4语言中严谨证明数学定理，在miniF2F基准测试中创下80.7%的新高成绩。

BlenderMCP通过MCP协议实现Blender与Claude AI的无缝集成，支持通过自然语言指令完成3D建模、材质调整等复杂操作，显著提升创作效率。