1.【腾讯混元视频生成工具全新开源】腾讯混元宣布，5月9日正式推出并开源全新的多模态定制化视频生成工具Hunyuan Custom。该模型基于混元视频生成大模型（Hunyuan Video）打造，主体一致性效果超过现有的开源方案。Hunyuan Custom融合了文本、图像、音频、视频等多模态输入生视频的能力，是一款具备高度控制力和生成质量的智能视频创作工具。（腾讯网）
2.【英伟达开源OCR代码推理AI模型：LiveCodeBench基准超OpenAI o3-Mini和o1（low）】科技媒体marktechpost发布博文，报道称英伟达开源其Open Code Reasoning（OCR）模型套装，含32B、14B和7B三种参数规模，均采用Apache 2.0许可证发布，模型权重和配置已在Hugging Face平台开放下载。OCR模型套装提供三种参数规模，分别为OpenCodeReasoning-Nemotron-32B、14B和7B，均使用Nemotron架构（一种为多语言、多任务学习优化的 transformer 框架）训练。
32B模型面向高性能推理和研究场景，提供顶尖效果；14B模型在降低计算需求的同时保持强大推理能力；7B模型则适合资源受限的环境，仍能在基准测试中展现竞争力。此外，32B模型还推出了指令微调版本，支持与开放推理生态系统无缝兼容，适配llama.cpp、vLLM、Hugging Face Transformers和TGI等主流框架，方便开发者快速集成。（IT之家）
3.【AWS神秘AI编程工具曝光！支持多模态交互，生成代码“近乎实时”】据外媒Business Insider独家报道，亚马逊云科技（AWS）正在秘密开发一款代号为“Kiro”的AI编程工具。该工具通过多模态界面与AI Agent协同，旨在实现“近乎实时”的生成代码，重构软件开发流程。
Kiro的核心亮点在于多模态交互能力：其内置的AI Agent可实时调用知识库、第三方插件及主题工具，结合用户业务场景与技术框架生成代码；覆盖从技术设计文档自动生成、实时代码编写到漏洞检测的全流程，并支持Stripe支付接口集成、云服务配置等“一键式”开发功能；Kiro还能自动生成技术设计文档、标记潜在问题，并通过集成第三方AI Agent提升适配性。若成功推出，Kiro或将颠覆传统编程模式，直面微软Copilot、谷歌等巨头的竞争，并进一步加剧AI编程工具市场的竞争。（搜狐）
4.【OpenAI ChatGPT推首个深度研究连接器，可AI洞察GitHub代码库】报道称OpenAI推出了ChatGPT的首个“深度研究连接器”（deep research connector），实现与GitHub的深度整合。开发者现在可以直接将自己的GitHub代码库连接到ChatGPT，AI将深入分析代码结构、实现模式以及相关文档，快速生成详细的研究报告或技术总结。（搜狐）
此外，如果您还想查公司、找项目、看行业，深入了解人形机器人、商业航天、AGI等热门赛道，欢迎加入睿兽分析会员，解锁相关行业图谱和报告等。（活动期间加入会员可免费获赠一份产业日报）👇👇
