InteractAvatar 能從一張靜態參考圖生成「人與物體互動」的視頻，同時保持音畫同步（lip‑sync + co‑speech gestures）。同時能夠執行基於場景的人機互動 (GHOI)。與以往僅限於簡單手勢的方法不同，我們的模型可以從靜態參考圖像中感知環境，並產生複雜的、文本引導的與物體的交互，同時保持高保真度的唇部同步。
雙流 Diffusion Transformer（DiT）架構：一個分支做「感知與互動規劃」（Perception and Interaction Module, PIM），負責理解圖片裡的物體位置與關係，並生成對齊文字指令的動作序列。另一個分支做「音訊‑互動感知生成」（Audio‑Interaction Aware Generation Module, AIM），把動作與語音融合成高品質視頻。
DreamActor-M2 是一個通用的角色圖像動畫框架，它將運動條件化重新定義為時空上下文學習任務。我們的設計利用了視訊基礎模型固有的生成先驗訊息，同時實現了從原始視訊直接進行無姿態、端到端運動遷移的關鍵演進。這種範式消除了明確姿態估計的需求，使得
DreamActor-M2 能夠在各種複雜場景中實現卓越的泛化能力和高保真度的結果。
SkinTokens 技術旨在自動化 3D 製作中繁瑣的「綁定」流程，解決傳統手動設置骨架與蒙皮權重的難題。其核心創新是將連續的蒙皮數據「標記化」，轉換為類似語言模型的離散代碼並有效壓縮。基於此開發的 TokenRig 框架利用生成式自回歸模型，能像寫文章般精確預測各種人類、動物或奇幻生物的運動結構。這項技術不僅具備高度通用性與精確度，更能應對複雜幾何形狀，實現高品質的自動化蒙皮與骨架生成，大幅提升動畫製作效率。
如果你是一位 3D 開發者、遊戲開發者或動畫師，這項技術可以大幅縮短你製作 3D 模型動畫準備工作的時間，並能跨多種不同類型的角色提供穩定、高品質的自動綁定結果。
ACE-Step v1.5 是一款高效的開源音樂基礎模型，可將商業級音樂生成功能帶到消費級硬體平台。在常用的評估指標上，ACE-Step v1.5 的音質超越了大多數商業音樂模型，同時速度極快——在 A100 上生成一首完整歌曲不到 2 秒，在 RTX 3090 上不到 10 秒。該模型可在本地運行，僅需不到 4GB 的顯存，並支援輕量級個人化：用戶只需幾首歌曲即可訓練 LoRa 來捕捉自己的音樂風格。實測結果：
(主歌1)
霓虹閃爍的訊號裡，我聽見你呼吸的頻率。數位心跳對齊節拍，在光的碎片裡相遇。
(Pre‑Chorus)
電流穿過沉默的夜，你的笑是程式裡的解。我追著節奏不回頭，感覺像永遠不會舊。
(副歌)
一起在AI夢裡跳，節拍讓我們燃燒。
電子浪潮衝破訊號，讓心越飄越高。
(橋段)
每一聲呼吸都在閃耀，每一行代碼都是心跳。你在那螢光雲端微笑，我在夢境裡呼喊你的名字。
(尾聲)
不論是現實或訊號，我們在節拍裡擁抱。夜的盡頭沒有停靠，只剩我們一起奔跑。
本週，網路上掀起了一股搶購 Mac mini 的熱潮，人們紛紛購買 Mac mini 來運行 Moltbot（原名Clawdbot）。 Moltbot 是一款開源的、可自行託管的AI代理，旨在充當個人助理。
Clawd 誕生於2025年11月－這是「Claude」加上「爪子」的巧妙雙關。一切都完美無缺，直到Anthropic的法務團隊禮貌地要求我們重新考慮。好吧，這很合理。
Moltbot 這個名字是接下來誕生的，它是在凌晨5點與社區成員在 Discord 上進行一場混亂的頭腦風暴後選定的。蛻皮象徵成長－龍蝦脫殼蛻皮，最終長成更大的生物。這個名字寓意深刻，但 念起來卻不太順口。
OpenClaw 就是我們的最終歸宿。這次，我們做了充分的準備：商標檢索結果清晰無誤，網域名稱已購買，遷移程式碼也已編寫完成。
短短48小時內，OpenClaw 在 GitHub 上就獲得了 12.3 萬顆星。彼得·斯坦伯格（Peter Steinberger）的周末計畫一度成為史上成長最快的開源人工智慧工具——直到安全研究人員檢查了其程式碼並發出警報。 OpenClaw 是一款開源的個人人工智慧助手，可在本地運行並連接到 WhatsApp、Slack、Discord和 iMessage 等應用程式。在2026年1月29日至31日期間，OpenClaw從默默無聞一躍成為擁有超過10萬顆星的開源人工智慧助理。開發者們欣喜若狂，終於可以擁有自己的人工智慧助手，而無需再從雲端服務供應商租用。然而，思科和 IBM 的安全專家卻稱之為 “一場噩夢”，並警告稱其存在API金鑰洩漏、提示注入攻擊和企業資料外洩的風險。
LingBot-World 是一個專為交互式世界模型設計的開源框架。其核心 LingBot-World-Base 致力於提供高保真模擬與精准控制、且邏輯一致的模擬環境。該模型由一個可擴展數據引擎（Scalable Data Engine）驅動，通過從大規模遊戲環境中學習物理規律與因果關係，超越了傳統的被動式視頻合成，實現了與生成世界的交互。
LingBot-World 告別了隨機的“幻覺”式生成。它支持精細化的、由動作驅動的生成（action-conditioned generation），能夠精確響應用戶指令，渲染出高質量且符合物理真實感的動態場景。
Clawdbot 已於 2026 年 1 月 27 日更名為 Moltbot，因為 Anthropic 因商標相似（Claude）而要求變更。原 Clawdbot 是個人 AI 助理工具，支援多平台運行，現轉為 Moltbot，GitHub 移至 moltbot/moltbot，舊 clawdbot 組織重定向至新名稱。 軟體功能、程式碼與使用方式完全相同，僅品牌與帳號變更（吉祥物從 Clawd 改為 Molty）。
