微软研究院发布了个原生 1-bit 的大语言模型：bitnet-b1.58-2B-4T
微软发布原生1-bit大语言模型bitnet-b1.58-2B-4T，其在内存占用和CPU推理延迟上大幅降低，并且性能接近全精度模型。
开源
line-bot-mcp-server：将AI Agent与LINE官方账号无缝连接的MCP服务器
LINE Messaging API实现高效消息推送，支持文本和Flex消息，并提供用户详细资料获取功能。
多模态AI模型再添猛将！Liquid：字节最新开源的多模态LLM，视觉与语言统一生成！
Liquid 是一款由字节跳动、华中科技大学和香港大学联合开源的强大模型，能无缝集成视觉理解与生成能力。其7B参数的多模态大语言模型基于离散编码技术，能够实现统一处理图像、文字输入输出，表现出色的视觉理解和强大的图像生成功能。
爆火开源TTS，支持零样本克隆，200ms超低延迟，情感语调超自然。
最近TTS开源项目大爆发。介绍4个模型：Medium、Small、Tiny和Nano，涵盖英语及多语言模型，并提供详细的Orpheus TTS项目简介和功能特点。
LocAgent：斯坦福联合耶鲁大学等机构推出的代码问题定位智能体
LocAgent 是一种基于图表示和大型语言模型（LLM）的代码问题定位框架，能够高效搜索和定位代码库中的相关代码实体，显著提升开发效率。
谷歌最先进的视频生成模型Veo 2，使用自然语言查询终端命令，将多种Agent框架转换为MCP服务器工具
谷歌最先进的视频生成模型Veo 2能将文本、图像或两者结合转化为八秒的视频，它擅长理解简单和复杂指令，并准确模拟现实世界的物理规律。开发者可以通过Google AI Studio、Gemini API等平台使用Veo 2的核心功能包括文本到视频和图像到视频。同时介绍Python工具Zev用于自然语言查询终端命令、VS Code扩展RooFlow增强AI辅助开发、实时会议转录APIVexa支持多种平台并提供企业级安全保障的工具automcp。
斩获11.8k星！像人类一样使用浏览器，轻松实现浏览器自动化!
本项目基于browser-use构建WebUI，支持多种LLM并提供自定义浏览器和持久会话功能。通过Python环境安装或Docker安装方式简单上手。
开源AI可穿戴设备，小智AI之后的又一个爆火DIY AI硬件。
Omi是一款开源AI可穿戴设备，可以捕捉对话并提供实时转录、即时摘要等功能。它有4天电池寿命，支持离线操作，并且开放API让开发者创建应用生态。