#open-source

腾讯发布并开源了混元 Hy3 预览版，这是一个混合专家（MoE）语言模型，总参数量 2950 亿，激活参数量 210 亿，支持 256K 令牌上下文长度。 此次发布通过一个面向复杂推理和智能体任务的大规模 MoE 模型，极大地丰富了开源 LLM 生态系统，有望加速人工智能驱动的编程和科学应用的发展。 得益于模型架构与推理框架的深度协同优化，该模型在 CodeBuddy 等产品中实现了首令牌延迟降低 54%。其目标是在数学、科学和代码生成任务中提供增强的性能。

vLLM v0.24.0 版本发布，共有 571 次提交和 256 位贡献者，新增了对 MiniMax-M3 模型的支持，并对 DeepSeek-V4 进行了深度性能优化，包括 FlashInfer 稀疏索引缓存和集群协作 topK 内核。 该版本显著扩展了 vLLM 支持的模型范围，并展示了其作为高性能推理引擎在前沿大语言模型中的日益重要作用。针对 DeepSeek-V4 的优化提升了吞吐量和延迟，有益于大规模部署。 此版本引入了默认支持量化模型的 Model Runner V2 (MRv2)、新的流式解析引擎用于工具调用解析，以及用于专家并行性的 DeepEP v2 集成。此外，vLLM 不再内部设置 CUDAVISIBLEDEVICES，而是改用 deviceids 参数。

vLLM v0.25.0 将 Model Runner V2 设为所有稠密模型的默认运行路径，移除了旧版 PagedAttention 实现，并使 Transformers 建模后端的性能与原生 vLLM 持平。 此次发布是一次重大的架构改革，简化了代码库，消除了技术债务，并扩展了模型支持，以更高的性能和兼容性惠及 LLM 推理社区。 该版本包含来自 232 位贡献者的 558 次提交，新增了 LLaVA-OneVision-2 和 GLM-5 等模型，并引入了用于工具调用/推理解析的全新流式解析引擎。

QuadRF 是一款开源 4x4 MIMO 软件无线电（SDR）相控阵系统，被证明可作为射频增强现实工具，能够可视化 WiFi 信号并穿透墙壁探测无人机。 该项目将先进的射频感知技术普及化，使爱好者及研究人员能够在安全、隐私审计及无线网络诊断等应用中使用。同时引发了关于隐私以及消费级射频工具能力的重发讨论。 QuadRF 在 Crowd Supply 上作为开发套件提供，使用 Raspberry Pi 5 上的 GNU Radio 进行信号处理。创建者指出，演示需要精细的相机对准校准和无线电增益设置，目前正在根据用户反馈改进界面。

Kokoro 是一个开源文本转语音模型（8200 万参数），可在 CPU 上高效运行，包括 Apple Silicon，无需专用 GPU。 这填补了没有强大 GPU 的用户的空白，使得在日常计算机上实现高质量文本转语音成为可能，适用于无障碍、阅读和自动化工作流。 Kokoro 支持手动 IPA 发音指南，并带有命令行工具；它生成的语音自然，但在单个词或同形异义词上可能表现不佳。

TRACE 是一个新的开源分层记忆系统，将对话历史组织成主题树。它使用 gpt-oss-20B 模型在 MemoryAgentBench 的 EventQA 任务上达到了 82.5%的 F1 分数。 这项工作通过引入分层主题树，解决了 LLM 智能体中记忆检索扁平化的关键局限，性能显著优于 Mem0 和 MemGPT 等现有方法。开源发布有助于更广泛的应用和进一步研究。 基准测试并非完全对等，因为 TRACE 使用了 gpt-oss-20B，而 Mem0 和 MemGPT 使用了 GPT-4o-mini；TRACE 的 gpt-oss-120B 版本达到了 83.8% F1。作者指出由于 JSON 解析限制，无法在 gpt-oss 上运行 Mem0。

开源导航应用 Organic Maps 因被指控加入广告和专有组件而引发社区反弹，导致分叉项目 CoMaps 的诞生。 此次争议凸显了开源项目中的治理挑战，并展示了分叉如何维护社区信任和自由开源软件原则。 CoMaps 大约一年前被分叉，正在增加 CarPlay 仪表盘支持等功能，而 Organic Maps 被指控挪用捐款并将部分代码转为专有。

华为开源了 OpenPangu-2.0-Flash，这是一个混合专家（MoE）大语言模型，总参数量 920 亿，激活参数量 60 亿，支持 51.2 万 token 的上下文长度。此次发布包含模型权重、推理代码和训练操作。 此次开源为社区提供了一个来自科技巨头的高性能、长上下文 MoE 模型，可能降低研究人员和开发者试验大规模 MoE 架构的门槛。这也标志着华为在开源 AI 生态系统中的参与度日益增加。 该模型采用 MoE 架构，每个 token 仅激活 920 亿参数中的 60 亿，从而实现高效推理。它支持 51.2 万 token 的上下文窗口，更大的 Pro 版本（总参数量 5050 亿，激活 180 亿）计划于 7 月发布。

DeepReinforce 发布了 Ornith-1.0 模型系列，采用 MIT 许可证开放权重，在编码基准测试中达到同类开源模型的最高性能，参数规模从 9B 到 397B 不等。 该发布推动了开源智能编码能力的发展，使开发者能够在本地运行强大的编码助手而无需锁定特定供应商，自我支架技术可能提高多步骤任务的可靠性。 模型基于预训练的 Gemma 4（Apache 2.0）和 Qwen 3.5（Apache 2.0）构建，确保许可证兼容性，包括密集和混合专家两种变体。作者测试了 35B 的 GGUF 量化模型，报告在智能编码任务上表现强劲。