开源 AI

Xiaomi-Robotics-1 是一个用于移动操作的视觉-语言-动作基础模型。小米在超过 100,000 小时的真实操作轨迹上训练了模型，为不同环境下的机器人任务提供了起点。

它的两阶段方法首先从广泛的操纵数据中学习，然后通过后期训练使策略与目标实施例保持一致。该版本包括用于调整策略、运行推理和比较基准性能的代码和检查点。</

OpenRoboKit 是一套用于机器人开发的开源库。其组件涵盖运动优化、跨实施例的运动传输、操作和代理工作流程。

该套件将这些问题分成可安装的工具包，以便开发人员可以选择他们的项目所需的部分。 RoboKit 处理核心优化工具，RetargetingKit 专注于运动传输，GraspKit 提供操作工具。 RoboSkills

ToolSpace 是一个研究工具包，用于将工具使用痕迹转化为可执行的培训和评估环境。它专注于需要多次有状态工具调用和有意义的中间结果的长期代理任务。

管道从工具跟踪中派生出类型化依赖关系，使用状态感知遍历来组装任务并重播候选解决方案以验证环境是否可以支持它们。由此产生的工作流程将任务连接到具体的工具状态和结果。

STRATA 是 NVIDIA 的全球大气模拟器，用于研究风暴解决模拟。它学习预测 SCREAM 模拟器所代表的不断变化的三维大气状态。

自回归变压器在间距大约五公里的立方球网格上运行。它以 10 分钟为步长推进状态，并预测 24 个垂直层面的天气变量以及近地表数量。

大气研究人员可以使用检查点和训练代码来研

RelayVSR 对真实视频执行 4 倍超分辨率。它有选择地使用大型生成模型来恢复细节，并使用较小的网络来恢复序列的其余部分。

管道使用 Wan 计算稀疏的高质量参考，并使用它们来指导紧凑的条件解码器。流式传输计划允许较小的模型在附近的帧之间传递参考细节。

视频研究人员和开发人员可以使用已发布的管道来比较他们

ReLift 从单目视频重建密集的 3D 点轨迹。它将 2D 跟踪器的输出与视频几何估计器相结合，以恢复点在空间中的移动方式。

管道使用估计的深度沿着相应的相机光线提升跟踪像素。学习的校正器可以修复几何错误并在点被遮挡时填充间隙。发布的检查点可以与多个受支持的跟踪器和几何体组合一起使用。

ReLift 对于独

P-JiT 21K 是 Linum 发布的文本到图像生成研究检查点。这个包含 20 亿个参数的模型在 6.6 亿个样本上进行了训练，以研究较小的像素空间架构可以在有限的计算预算下学习什么。

该模型使用金字塔式的像素空间设计，减少了注意力处理的空间标记的数量。该版本提供了推理代码和示例提示，以便研究人员可以在其原始大约一百万像素的规

Hyra Results 是腾讯混源发布的科学模型和可重复研究成果的存储库。其模型目录为物理模拟、分子建模和单细胞分析等任务提供可用的包和检查点。

该集合通过自己的实现、权重和技术文档来组织每个已发布的模型。 HyPDE 从模拟框架预测未来场，HyCell 生成细胞嵌入，HyFF 为分子动力学提供机器学习力场。

这个Qwen3.5-0.8B检查点是权重空间编程实验的发布结果。作者要求外部语言模型修改较小模型的张量，以提高数学问题的解决能力。

编辑代理探索了 Python 环境中的变化，并评估了候选权重修改，而无需运行基于梯度的训练循环。可下载的工件记录了结果参数，并可以与原始 Qwen3.5 检查点进行比较。

研究人

Hydrogen-1.0 是 Deep Principle 用于解决科学问题的语言模型。它基于 GLM-5.3 构建，目标任务包括解释推导、组织研究问题以及通过计算示例进行推理。

该版本为兼容的加速器系列提供 BF16 权重和单独的量化变体。它的模型卡记录了一个一百万个令牌的上下文窗口，并描述了将该模型与外部工具和专门环境配对的研

P-H3-Image 是 Pruna AI 的开放权重图像生成器和编辑器，源自 MiniMax-H3。它支持基于多个参考图像的文本到图像工作和编辑，重点是摄影和电影构图。

Pruna 针对静态图像调整了视频模型的文本编码、扩散调度和解码器。已发布的检查点使用简短的采样计划，没有无分类器的指导，并且可选的提示上采样器将摘要扩展为更丰

NitroFusion2 是一种文本到图像检查点，旨在通过一个或两个扩散步骤呈现结果。它建立在 Z-Image-Turbo 的基础上，目标是清晰的视觉细节，包括图像内的文本。

训练方法将对抗性监督应用于多模态扩散变压器的文本流。对于两步采样，作者提供了一个单独的去蒸馏 LoRA 以及将其与主检查点配对的工作流程。

Ripple-65B 是 Ricursive Intelligence 的开放权重语言模型，用于通用推理和代理编码。它是一个密集的 650 亿参数变压器，源自该公司芯片设计平台背后的模型工作。

该模型针对 12 万亿个令牌进行了预训练，支持多达 1,048,576 个令牌的上下文。 Ricursive 发布了 BF16 检查点和相

DeepInfer 是 DeepSeek 的推理框架，用于高效、大规模执行受支持的 DeepSeek 模型。它结合优化内核、专家并行、异步调度和加速验证，以支持离线推理和服务系统开发。

基础设施工程师可围绕已发布运行时构建，同时提供完整服务所需的额外缓存和负载均衡组件。核心能力包括 DeepSeek-V4.1-Flash 支持、注

PURE 可从视频片段或图像序列重建深度、相机姿态和彩色 3D 点云。其无标注后训练方法改进了包括 Pi3、Depth Anything 3 和 VGGT 在内的前馈重建主干。

研究人员和创作者可比较重建主干，并通过交互式工作室和已发布模型查看生成的几何结果。核心能力包括视频转 3D 重建、图像序列输入、深度估计和相机姿态恢复。<

Ming-3.0-TTS 是一个开放权重的语音生成模型系列，适用于旁白、音频故事、播客和对话产品。轻量级稠密模型与混合专家变体提供不同部署选择，并支持自然语言指令和富表现力的语音控制。

开发者可创建角色声音和本地化旁白，同时选择适合其服务环境的模型规模。核心能力包括声音设计、参考声音克隆、导演式指令和副语言标签。

Sage-A1.5 是一款 350 亿参数的混合专家智能体模型，面向工程、科学研究和长周期信息工作。它在 Agents-A1 的基础上扩展了能力组合、独立上下文编排和可选的内部验证模式。

开发者可借助公开模型发行版和项目资源研究持续智能体执行与科学问题求解。核心能力包括 256K 服务上下文、智能体任务编排、可选自审以及软件工程工

WeVisOne-VL 是一款视觉语言模型，可处理从单个物体到像素级别的细粒度视觉感知。Qwen3-VL 主干会预测结构化坐标令牌，而轻量级像素解码器会将物体令牌转换为细致的掩码和 Alpha 蒙版。

它为视觉界面、图像分析和对象感知编辑流水线提供统一的感知组件。核心能力包括物体检测与指代表达定位、物体计数与指向、图像文字 OCR

SolarWM 是一个开放框架，用于训练视频世界模型，支持长视野、摄像机控制的交互。它将大型视频数据管道与训练和推理方法相结合，帮助研究人员构建在训练剪辑持续时间之外保持响应速度和视觉连贯性的环境。

该项目发布了一个包含 143 万个剪辑、25TB 的语料库，带有摄像机注释和过滤工具。通用框架支持 Wan、LTX 和 MiniMa

TimesFM-3 是一种时间序列基础模型，无需针对特定任务进行微调即可预测多个相关信号。它可以将目标历史与辅助变量（例如过去的观察结果和已知的未来事件）结合起来，支持序列之间的关系携带有用的预测信息的预测问题。

3.3 亿参数模型使用修补的时间序列输入以及交替的时间和跨序列注意力。历史信号仍然受到因果约束，而已知的未来协变量则使