Fara-7B: An Efficient Agentic Model for Computer Use Published November 24, 2025
Pushing the frontiers of computer-use agents with an open-weight, ultra-compact model, optimized for real-world web tasks
HunyuanOCR - 腾讯混元开源的光学字符识别专家模型
HunyuanOCR是腾讯混元团队开源的高性能光学字符识别模型，参数量仅10亿。基于混元多模态架构开发，采用端到端设计，能高效处理文字检测、识别及文档解析任务。模型在复杂文档测试中得分94.1分，超越谷歌Gemini3-Pro等主流产品，支持14种小语种翻译。轻量化特性适用于票据识别、视频字幕提取等场景，开源地址为GitHub和Hugging Face平台。
Fara-7B - 微软开源的计算机操作Agent助手模型
Fara-7B是微软开源发布的70亿参数规模的计算机操作代理（CUA）模型，基于Qwen2.5-VL-7B架构。通过视觉解析网页截图，在屏幕上执行点击、输入等操作，无需依赖额外的可访问性树或多个大模型协作，可直接在Windows 11本地运行，支持NPU加速，实现更低延迟和更好的隐私保护。Fara-7B在WebVoyager、Online-Mind2Web等公开基准测试中表现优异，任务成功率高，部分任务领先同级模型。采用全新的合成数据生成流程进行训练，包含大量任务轨迹和辅助任务数据，以监督微调为主。
微软发布Fara-7B 能直接在PC上运行 性能可与GPT-4o媲美
Supertonic - 开源的高性能AI 文本转语音系统，极速离线运行
Supertonic是开源的高性能的文本转语音（TTS）系统，专注于在本地设备上快速生成语音。采用ONNX Runtime技术，可在手机、电脑甚至树莓派等设备上运行，支持23种语言和语音克隆，无需网络连接即可实现毫秒级响应。特色在于处理复杂文本的能力，能自然朗读包含数字、符号的非标准文本，适合开发实时语音应用。用户可通过GitHub获取开源代码和模型，支持Python、Node.js等多种编程环境。
MiMo-Embodied - 小米开源的跨领域具身智能基座模型
MiMo-Embodied是小米集团开源的全球首个成功融合具身智能（Embodied AI）与自动驾驶的跨具身基础模型。解决具身智能与自动驾驶之间的知识迁移难题，实现两大领域的任务统一建模。同步支持具身智能的三大核心任务（可供性推理、任务规划、空间理解）与自动驾驶的三大关键任务（环境感知、状态预测、驾驶规划），形成全场景智能支撑。通过统一架构整合室内操作（如机器人导航、物体交互）与户外驾驶（如环境感知、路径规划）任务，打破传统视觉语言模型（VLMs）局限于单一领域的局限。
AgentEvolver - 阿里通义实验室开源的智能体进化系统
AgentEvolver是阿里巴巴通义实验室开源的智能体进化系统。通过自我提问、自我导航和自我归因三种机制，实现智能体的自主学习与进化。AgentEvolver采用服务导向架构，将环境沙盒、LLM和经验管理模块化，支持多种外部环境和工具API的无缝集成。其优势在于高效学习、成本效益和持续进化能力。与传统强化学习方法相比，AgentEvolver在探索效率、样本利用率和适应速度上表现出色，减少了人工数据集的依赖和随机探索成本。AgentEvolver的框架代码已开源，为开发者提供了灵活的定制和开发空间。
SAM 3D - Meta开源的3D重建模型系列
SAM 3D是Meta公司推出的基于SAM系列的3D重建模型，包含SAM 3D Objects和SAM 3D Body两个分支。其中SAM 3D Objects能从单张照片生成可交互的3D物体模型，支持复杂场景和遮挡处理；SAM 3D Body专注于人体重建，可精准还原姿势、形状及关键点，适用于虚拟人和动画制作。模型采用统一架构整合2D分割、深度预测等任务，通过创新数据引擎大幅提升了真实场景的泛化能力，相关代码和体验平台已开放。