cua 升级 computer-use 2.0，跨系统机群训练评测
cua 的定位是用开源的方式驱动跨操作系统的 agent 机群，把 computer-use 推到 2.0。它同时承担训练、评估与数据生成三类任务。 为什么要跨操作系统 computer-use 类智能体的能力上限，很大程度上取决于它在多少…
needle 开源：2-bit 量化、最小 8MB 端侧模型
needle 是给微型设备准备的基础模型，量到 2-bit 之后体积只有 8 到 29 MB。这个尺寸意味着它能塞进手机、可穿戴设备、智能家居、机器人、汽车，甚至微控制器。 这个体积意味着什么 8 MB 是个分水岭。它小到可以完整放进片上存…
B站开源 IndexTTS-2.5：0.8B 参数零样本语音克隆，推理提速 2.28 倍、实时率降至 0.20
Bilibili 开源工业级零样本语音克隆模型 IndexTTS-2.5。公开信息显示，该模型参数量仅 0.8B，支持中、英、日、西、阿五种语言的跨语种迁移；通过重构推理架构，速度提升 2.28 倍，实时率低至 0.20；同时支持 0.5x…
美团 LongCat-2.0 开源：1.6T 参数每 token 激活 33B–56B，首个五万卡国产集群推理的万亿模型
7 月 6 日消息，据 IT之家报道，美团已将万亿参数大模型 LongCat-2.0 正式开源，并同步开放面向国产算力优化的推理代码。公开信息显示，LongCat-2.0 总参数规模 1.6T，平均激活参数约 48B，官方页面进一步给出每个…
千问办公开源上下文基础设施 MyContext：本地化运行，把 IM、文档与会议沉淀成可溯源 Agent 工作档案
阿里千问办公开源了上下文基础设施项目 MyContext。它要解决的问题，是所有办公智能体都会撞上的那堵墙：模型再聪明，如果不知道”这个项目为什么延期、上次会议谁拍板、那份表格在哪”，就只能给出正确但无用的回答。My…
小红书 FireRedTTS3 开源：统一语音生成与编辑，24 语种 21 种中文方言零样本克隆
结论先行：小红书 FireRed 团队开源的 FireRedTTS3，是一个把”语音生成”与”语音编辑”合并进单一模型的开源语音方案。它以 RedAE 语义增强连续表示与 LLM-DiT 架构…
微软开源 Mage 多模态模型家族：4B 参数含 Mage-VL 与 Mage-Flow，视觉 Token 减少 75%
微软开源了 4B 参数的多模态模型家族 Mage，包含两个成员：专注流式视频与图像理解的 Mage-VL，以及负责图像生成与编辑的 Mage-Flow。几个数字相当亮眼——Mage-VL 采用 Codec-Native 编码，视觉 Toke…
Loopit 开源实时交互视频世界模型 Zing-0.5：5B 参数支持键盘操控，单卡 RTX 5090 超 24 FPS
Loopit 开源了实时交互视频世界模型 Zing-0.5。这是一组相当有冲击力的数字：5B 参数（基于 Wan2.2-TI2V-5B），支持键盘操控与自然语言语义改写的联合控制，单卡 RTX 5090 可跑超过 24 FPS 实时生成，一…
英伟达开源自动驾驶推理模型 Alpamayo 2 Super：LingoQA 登顶，商用许可开放微调
英伟达推出开源智能汽车推理模型 Alpamayo 2 Super。它基于 Cosmos 3 Super Reasoner 构建，采用 OpenMDW 1.1 商业许可——这意味着允许商用与微调，这在自动驾驶领域并不常见。能力层面，模型在 L…
腾讯混元开源投机解码框架 AngelSpec：DFly 平均加速 1.98–2.40 倍，代码数学峰值 2.86 倍
结论先行：腾讯混元团队开源了投机解码框架 AngelSpec，覆盖从 drafter 训练、架构设计到线上部署的完整链路。同时开源的还有 Hy3-A21B 的 MTP 与 DFly drafter 权重及训练代码。实测数据相当亮眼：DFly…