文章精选并简要介绍了六个最新的开源 AI 项目，展示了人工智能在多个维度的突破。核心内容包括：阿里开源的 Qwen3-ASR 语音识别系列，支持 52 种语言并引入高精度非自回归对齐技术；UnifoLM-VLA-0 具身智能模型，通过整合空间细节提升机器人的物理常识；MOVA 基础模型解决了视频生成中的音画同步难题。此外，文章还涵盖了 LingBot-VA 机器人控制模型、SenseNova-MARS 多模态搜索框架以及 LLM-in-Sandbox 代码沙盒工具，为开发者提供了丰富的技术资源索引。
原创 每日发现最新LLM 2026-01-30 18:30 中国香港
开源自动语音识别（ASR）模型系列Qwen3-ASR，视觉-语言-动作（VLA）大模型UnifoLM-VLA-0，基础模型MOVA，因果视频动作世界模型LingBot-VA，多模态Agent推理和搜索框架SenseNova-MARS，大语言模型在代码沙盒中进行探索的项目LLM-in-Sandbox
🏆基座模型
①项目：Qwen3-ASR
★Qwen3-ASR是由阿里云的Qwen团队开发的开源自动语音识别（ASR）模型系列。该项目支持稳定的多语言语音、音乐和歌曲识别，语言检测以及时间戳预测。Qwen3-ASR系列包括两个强大的全能语音识别模型，支持52种语言和方言的识别，以及一种新颖的非自回归语音强制对齐模型，能够在11种语言中对文本和语音对进行对齐。
☆一键收藏：
https://sota.jiqizhixin.com/project/qwen3-asr
②项目：UnifoLM-VLA-0
★UnifoLM-VLA-0是UnifoLM系列中的一个视觉-语言-动作（VLA）大模型，专为通用人形机器人操控设计。该模型通过在机器人操控数据上的持续预训练，从传统的视觉-语言理解进化为具备物理常识的“具身大脑”。它深度整合了文本指令与2D/3D空间细节，显著增强了空间感知和几何理解能力，并在多样化的操控任务中表现出强大的泛化能力。
☆一键收藏：
https://sota.jiqizhixin.com/project/unifolm-vla
③项目：MOVA
★MOVA（MOSS Video and Audio）是一个基础模型，旨在打破开源视频生成的“无声时代”。与传统的级联管道不同，MOVA能够同时合成视频和音频，实现完美的同步。该项目完全开源，提供模型权重、推理代码、训练管道和LoRA微调脚本。MOVA采用不对称双塔架构，通过双向交叉注意力机制实现丰富的模态交互。
☆一键收藏：
https://sota.jiqizhixin.com/project/mova
④项目：LingBot-VA
★LingBot-VA是一个因果视频动作世界模型，旨在实现通用机器人控制。该项目通过自回归视频动作建模框架，将视觉动态预测和动作推理在一个交错序列中统一，同时保持其概念上的区别。其高效执行得益于双流变换器混合架构，支持异步执行和键值缓存。LingBot-VA在样本效率、长期成功率和新场景的泛化能力上表现出显著提升。
☆一键收藏：
https://sota.jiqizhixin.com/project/lingbot-va
🛠️ 框架平台、必备工具
①项目：SenseNova-MARS
★SenseNova-MARS是一个创新的多模态Agent推理和搜索框架，通过强化学习赋予视觉语言模型（VLMs）交错的视觉推理和工具使用能力。该项目动态集成了图像搜索、文本搜索和图像裁剪工具，以应对细粒度和知识密集型的视觉理解挑战。SenseNova-MARS引入了HR-MMSearch基准，这是第一个由高分辨率图像和搜索驱动问题组成的搜索导向基准。实验表明，SenseNova-MARS在开源搜索和细粒度图像理解基准上实现了最先进的性能。
☆一键收藏：
https://sota.jiqizhixin.com/project/sensenova-mars
②项目：LLM-in-Sandbox
★LLM-in-Sandbox是一个允许大语言模型（LLM）在代码沙盒（即虚拟计算机）中进行探索的项目，旨在激发通用Agent智能。该项目支持多种LLM提供商，包括OpenAI、Anthropic和自托管服务器（如vLLM、SGLang等），并提供灵活的输入输出功能。用户可以通过Docker容器实现隔离的执行环境，适用于科学推理、长文本理解、视频制作、旅行规划等多种任务。
☆一键收藏：
https://sota.jiqizhixin.com/project/llm-in-sandbox