DeepSeek-Math-V2是幻方旗下AI公司DeepSeek开源的数学推理模型，最新版本基于DeepSeek-V3.2-Exp-Base改进，性能超越Gemini DeepThink，达到国际数学奥林匹克（IMO）金牌水平。模型采用多头潜在注意力（MLA）技术大幅降低推理显存消耗，通过递归定理证明管道结合非形式化与形式化推理，解决了Minif2F测试88.9%的问题。其配套开源数据集ProverBench包含325道高中至本科难度数学题，涵盖数论、代数等10个领域。<a class="js" 
马斯克的背水一战，大获全胜！2025年最值得期待的AI模型——Grok 4，终于来了！北京时间7月10日，马斯克旗下的人工智能公司xAI正式发布了Grok 4。这是Grok系列模型的第四次重要迭代，号称是“世界上最强AI模型”。根据官方的描述，Grok 4具备“逻辑推理更强、语言理解更准确”的优势，在处理学术问题上的表现，已达到博士级别。
Depth Anything 3（DA3）是字节跳动Seed团队研发开源的3D视觉重建模型。通过单一Transformer架构实现任意视角下的空间几何重建，仅需预测深度图和射线图即可还原三维场景，相比传统方法精度提升35.7%，运行效率达126 FPS。其创新点在于采用"深度-射线"统一表征法，无需多任务模块，支持从单张图片到多视角视频的灵活处理，能适配自动驾驶、SLAM等场景。模型在视觉几何基准测试中全面超越现有方法，相关代码和演示已公开
Z-Image是阿里通义实验室开源的图像生成模型，具有高效、快速和强大的图像生成能力。采用单流扩散Transformer架构（S3-DiT），将文本、视觉语义和图像VAE token整合为统一输入流，最大化参数效率。其核心技术创新包括解耦分布匹配蒸馏（Decoupled-DMD）和强化学习与分布匹配蒸馏融合（DMDR），显著提升少步生成性能和图像质量。Z-Image-Turbo版本仅需8次函数评估就能生成高质量图像，支持亚秒级推理延迟，适配低显存设备，擅长照片级真实感图像生成和双语文本渲染。Z-Image-Edit版本专注于图像编辑任务，可依据自然语言提示进行精确编辑。Z-Image-Base是未经蒸馏的基础模型，为社区提供更广泛的微调和定制开发空间
ROCK（Reinforcement Open Construction Kit） 是阿里巴巴开源的智能体训练环境沙箱，解决智能体在真实环境中无法规模化训练的难题。ROCK 提供了高稳定的沙箱管理服务，每个智能体（Agent）都有独立的“安全屋”，互不干扰，即使某个环境崩溃，也不会影响其他环境。具备全方位健康监控、智能负载均衡、自动故障恢复等功能，确保训练过程稳定高效。ROCK 与阿里此前的强化学习（RL）训练框架 ROLL 深度协同，构成完整的智能体训练闭环。ROLL 负责训练算法，而 ROCK 提供训练环境，让开发者能从单机实验无缝扩展到大规模集群训练。
FLUX.2是Black Forest Labs发布的开源图像生成与编辑模型，支持文生图、多图参考和图像编辑，具备更丰富的细节、清晰纹理和稳定光线。分为四个版本：FLUX.2 [pro]（媲美顶级闭源模型）、FLUX.2 [flex]（可调节参数）、FLUX.2 [dev]（开源32B权重模型）和FLUX.2 [klein]（即将推出的轻量化模型）。模型基于Mistral-3 24B视觉语言模型和Rectified Flow Transformer架构，能处理复杂排版、信息图和UI文字渲染，支持高达4MP分辨率的编辑。开源版本可在Hugging Face获取，商业授权需访问官网。
ViMax是香港大学数据科学实验室开源的多智能体视频生成框架，能实现从创意输入到视频输出的全流程自动化。整合了剧本生成、分镜设计、镜头规划和视频渲染等功能，支持用户通过自然语言描述生成连贯的影视级视频，特别擅长处理长篇小说转视频等复杂任务。框架采用MIT开源协议，提供本地部署方案，适用于自媒体、教育等内容创作场景。与传统AI视频工具相比，ViMax解决了角色不连贯、叙事结构缺失等问题，能自动生成带音画同步的完整视频。
