AI行业资讯

继今年7月开源14B版本后，蚂蚁灵波科技本周再开源三款LingBot-World 2.0世界模型：Small（1.3B）面向消费级单卡GPU，可在单卡实时生成；Bidirectional提供高质量蒸馏源；Causal Pretrain提供因果预训练底座，模型已上线Hugging Face与魔搭社区。

小米发布并开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1。模型采用端到端 LLM 架构，以目标说话人参考音频作声纹提示，可在多人同时说话的复杂环境中精准提取并仅转录目标语音，多个主流多说话人测试集达到 SOTA，单人性能比肩标准 ASR。

OpenDiscoveryTrace发布包含558条完整AI科学代理轨迹的公开数据集，记录模型在药物发现、材料科学等任务中的详细推理过程，支持对AI科研行为的过程级评估与审计，弥补现有仅关注最终输出的评测缺陷。

DeepSeek Harness v0.1.5 正式发布，深度适配 DeepSeek V4.1 Flash 模型，新增文件上传与侧边栏预览功能，并优化长会话性能与子 Agent 协作机制，同时标准化插件扩展入口，为开发者提供更灵活的扩展能力。

财跃星辰联合上海交大开源金融推理大模型Alpha-R1，基于8B参数与独创“语义门控”技术，在标普500等任务中大幅领先通用模型与传统方法，实现动态策略筛选与可解释决策。

蚂蚁开源团队发布并开源百灵系列首个原生多模态大模型 Ling 3.0 flash VL，基于 MoE 架构，总参数 124B、单次推理激活 5.5B，原生支持图像、文本与视频输入，上下文窗口达 256K Token。训练实践表明多模态联合训练反而拉升了文本智能，模型还引入视觉反馈闭环，兼具质量与执行效率。

面壁智能联合OpenBMB开源新一代小钢炮MiniCPM5-2B，参数规模2B，综合能力居全球4B以下开源基座模型榜首。该模型支持工具调用与深度搜索，初步具备端侧通用Agent能力，同时开源Meshy强化学习框架与JustRL II算法。

蚂蚁集团发布并开源百灵系列首个原生多模态大模型Ling-3.0-flash-VL。该模型基于MoE架构，总参数124B，单次推理激活5.5B参数，支持图像、文本与视频输入，上下文窗口256K Token，引入视觉反馈闭环机制，在医疗报告解读、前端代码生成等场景中持续修正输出，提升任务可靠性。

LibreOffice在声明其软件不包含AI功能后，下载量创下历史新高。这一现象折射出部分用户对AI功能融入办公软件的复杂态度——他们更偏好轻量、可控、不涉及隐私风险的传统工具，开源社区的透明理念在此获得广泛共鸣。

微信AI团队开源通用多模态嵌入模型WeMM-Embedding，提供2B、4B、9B三个版本，支持文本、图像、视频及交错输入。该模型已在朋友圈搜索、视频号推荐等场景大规模应用，每日调用量达10亿次，并在MMEB-v2榜单中位居第一。

腾讯微信视觉团队正式开源通用多模态嵌入模型WeMM-Embedding，支持文本、图像等多模态输入，推出2B、4B和9B三个版本。该模型采用统一架构设计，结合两阶段训练与知识蒸馏，已大规模部署于微信推荐与搜索系统，日调用量达十亿量级，将有力赋能AI应用开发。

研究团队推出Harbor Adapters统一评测基础设施，将逾80个基准移植至通用代理评测环境，并发布精选元数据集Harbor-Index。跨54个基准对8款模型的大规模评测显示，最强配置通过率仅28.0%，验证了该评测体系的挑战性与可靠性。

继Debian社区通过“负责任地使用生成式AI”投票议案后，开源安卓应用商店F-Droid也考虑采用类似政策。拟议政策基本照搬Debian文本，允许AI辅助开发但由人类开发者承担最终责任，不强制标注AI使用情况，强调质量与法律合规。

微信AI宣布开源通用多模态嵌入模型WeMM-Embedding，提供2B、4B、9B三个版本，支持文本、图像、视频等任意交错输入。该模型已在微信推荐与搜索系统每日十亿量级调用，9B版在MMEB-v2榜单以80.6分位列第一。

英伟达以开源测试版推出Personal AI Router（PAIR）软件，可在局域网内自动发现设备并调度AI请求，支持M4 Mac、RTX PC和DGX Spark。实测中，将任务拆分给5个AI子智能体后，完成时间从18分钟缩短至8分48秒，显著提升并发负载处理效率。

DeepSeek正式开源V4系列首个实验性多模态模型DeepSeek-V4-Flash-Vision-Exp，总参数达3050亿。该模型在V4-Flash基础上融合视觉模块，兼具强大文本处理与图片理解能力，多模态Agent表现接近行业顶尖，并采用MIT许可证推动开源生态发展。

arXiv新论文提出DS-Lighting，一种显式化数据科学自动化代理框架。该工具将代理“harness”拆解为数据、工作流、执行与评估四层，支持可复现、可比较的端到端AI代理实验，并集成多个开源基准任务，显著提升可靠性与可复现性。

开发者Miguel Carino分享了一个名为CyberCity的开源项目，仅用一个HTML文件构建出可步行的ASCII赛博朋克城市，并配有交通与细节更新演示。该项目在GitHub上公开，展示了极简代码下的实时渲染与创意编程魅力，吸引了开发者社区关注。

DeepSeek V4系列首款多模态模型V4-Flash-Vision-Exp在Hugging Face上线，采用MIT License开源。模型支持图片输入，多模态Agent能力接近Opus-4.8，核心模块全面公开，为开发者提供完整推理实现。

开源AI项目OpenClaw发布2.0版本，由933名贡献者完成超1.6万项拉取请求。新版本简化安装流程，重构浏览器体验，支持跨平台自动化任务，并引入共享云端会话功能，让团队成员实时协作AI处理流，推动智能体向协同化基础设施演进。