AERIS-10是一个开源相控阵雷达项目，工作在10.5 GHz频段，采用脉冲线性频率调制技术，旨在降低雷达技术的门槛。该项目提供两种版本，支持电子波束转向和360°机械扫描，模块化设计简化了开发过程，硬件和软件均为开源，促进技术传播。目标是使雷达技术民主化，适用于无人机监测等领域。

Ollama曾被视为开源英雄，但因未遵循开源协议和使用私有格式锁定用户而遭到社区批评。开发者们开始寻找替代方案，如回归llama.cpp或使用真正开源的包装器。Ollama的案例提醒创业者，用户体验不能以牺牲开放性为代价。

第三方评测机构Artificial Analysis发布报告称，Qwen3.5 27B和Gemma 4 31B在智能水平上接近GPT-5。Qwen3.5在推理能力上表现优异，但知识准确性仍有不足。两款模型支持多模态输入，适合本地部署，降低使用门槛。Gemma 4系列在多种应用场景中表现出色，具备强大的推理和语言处理能力。

FluentAvalonia是一个基于Fluent Design和WinUI的开源UI控件库，旨在帮助开发者创建现代化的跨平台应用界面。该库支持在多个平台上保持一致的UI外观，最低要求为Avalonia 11.0版本。项目已被纳入C#/.NET优秀项目，鼓励开发者参与贡献。

EvoForge是一个开源的进化式AI系统，通过群体进化和知识共享机制实现AI的自动化优化，避免局部最优问题。它通过并行探索和共享经验，提升整体性能，强调进化规则而非直接编程，推动AI开发进入自动进化时代。

Libretto是一个开源的浏览器自动化工具，利用AI维护脚本，支持录屏、抓取API和修复脚本。它通过真实浏览器实例执行任务，避免脆弱选择器的问题。用户可以简单安装，Libretto能生成自动化脚本、录制操作并转换为代码，甚至自动修复脚本错误，适合开发者和非程序员使用。

Kronos是一个开源量化模型，通过将K线数据语言化，改变了传统量化交易的思维方式。它将价格视为市场语言，利用tokenizer和Transformer模型提升市场分析能力。Kronos支持多资产并行预测，并具备微调能力，适应不同市场需求。尽管工具强大，用户仍需具备策略设计和风险管理能力，Kronos主要是帮助理解市场的工具。

ERNIE-Image是百度文心团队开发的开源文生图模型，基于8B参数的Diffusion Transformer架构，支持多种视觉风格，适合海报和漫画等内容生产。该模型在Hugging Face上开源，支持多语言生成，降低了创作门槛，鼓励用户参与创作。

香港大学数据智能实验室推出的开源学习助手DeepTutor，旨在解决学习者在知识获取和研究中的痛点。该平台结合多智能体架构与知识检索，支持自然语言交互，提供文档问答、可视化学习和习题生成等功能，帮助用户高效学习和研究。

frp 是一款跨平台的内网穿透工具，支持 Windows、macOS 和 Linux。它需要一台固定公网 IP 的电脑或 VPS，支持 HTTPS 和小程序开发。v0.64.0 更新了 tokenSource 支持，提升了安全性和稳定性。用户需配置服务器和客户端以远程访问内网资源，详细配置可参考官网。

SEO Machine是一个开源工具，通过模块化命令和多代理协作，自动化内容生产流程。它将SEO写作从经验驱动转为数据驱动，提升效率和内容质量。用户只需提供主题，系统即可完成调研、写作和优化，实现持续优化。

2026年3月27日，智谱AI发布了GLM-5.1模型，声称其在编码基准测试中表现达到94.6%的Claude Opus 4.6水平，较GLM-5提升28%。尽管开源AI在基准测试中缩小了与专有AI的差距，但GLM-5的自托管需求高达1490GB内存，限制了其可及性。GLM-5在多个评估中表现出色，但GPT-5.4在实际应用中仍具优势，尤其是在长上下文和多模态输入方面。选择模型时，团队需考虑成本、基础设施和具体需求。

Wikiwise是一款开源的Mac应用，旨在帮助用户管理个人知识库。它通过AI助手自动创建和维护维基，用户只需提供信息，AI负责整理和更新。所有数据以markdown格式存储，确保用户对知识的完全控制。该工具提升了知识管理效率，并促进知识的分享。

Autoreason是一个开源项目，旨在解决AI自我优化中的问题。通过引入对抗机制和盲评投票，该系统避免了模型在修改过程中的偏差，允许“无改动”选项以实现稳定收敛，提升结果质量。实验表明，Autoreason有效减少了模型的幻觉和信息膨胀，提供了适用于不同模型和评估策略的可扩展框架。

GBrain是一个持续进化的AI认知系统，通过结构化知识库和自动循环机制，实现长期记忆和信息积累。它将生活数据转化为可检索的知识，解决了普通AI缺乏长期记忆的问题。系统通过混合检索和定期更新，确保信息的准确性和可控性，形成一个不断增强的认知网络。用户可以直接修改数据，保持对AI的控制权。

File-based Skill 是一种将能力转化为可组织、共享和分发的资产的方式，适合团队协作，降低维护成本。与 Inline Skill 的快速接入不同，File-based Skill 更注重能力的长期沉淀和复用。