告别 GUI Agent 工程基建噩梦！阶跃星辰开源 4B 模型，本地轻松部署，玩转安卓应用
阶跃星辰开源GELab-Zero，首发4B GUI Agent模型及完整基建，支持一键部署，在多端性能达SOTA。同步推出真实场景评测基准AndroidDaily，推动GUI智能体规模化落地。
DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理
DeepSeek发布正式版V3.2与高性能Speciale版本，支持思考模式下工具调用，推理能力达全球领先水平。V3.2平衡效率与性能，适用于通用任务；Speciale专注复杂推理，在数学与编程竞赛中表现卓越，已开源并上线API。
LET数据集来魔搭了！开源首批超60,000分钟全尺寸人形机器人真机数据
国内最大全尺寸人形机器人真机数据集“LET数据集”正式发布，首批开源超6万分钟高质量数据，覆盖6大真实场景，支持多模态融合与标准化应用，助力具身智能研发，已在魔搭社区开放共享。
Z-Image：冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image，以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成，支持16GB显存设备，中英双语理解与文字渲染尤为出色，真实感和美学表现媲美国际顶尖模型，被誉为“最值得关注的开源生图模型之一”。
你的团队是"精锐特种兵"，还是"草台班子"？就差这一份"源代码"
针对技术团队管理混乱、过度依赖个人的痛点，提出用AI指令将经验转化为标准SOP的解决方案。通过工程化思维重构管理流程，实现团队经验的"开源"与"复用"，释放核心人才价值。
NeurIPS 2025 | 浙大、浙工大等团队提出LRMs 自适应思考：简单任务快处理，复杂任务深分析
浙大、阿里云等提出首个LRM快慢思维控制方法，发现特定词可触发思维模式，结合PCA导向与自适应策略，实现无需训练的推理速度调控，在多模型上显著提升准确率并减少耗材。
短难误判率仅2%，新一代网关路由SHG，在P95不升前提下完胜RouteLLM。
在和 RouteLLM 的两档式对比中 RouteLLM 将约百分之 69.3 的短难请求路由至轻量模型，而本文提出的网关系统将短难请求中落入轻档的比例压缩到约 2.4%，整体 P95 几乎不变。实验表明，短难请求构成了一类独立且在实践中高度相关的 LLM 路由稳健性问题，而针对性的、常数级开销的守护机制可以在不增加整体成本和尾部延迟的前提下，大幅缓解这一问题。
PPO最强，DPO一般？一文带你了解常见三种强化学习方法，文末推荐大模型微调神器！
大模型如何更懂人类？关键在于“对齐”。PPO、DPO、KTO是三大主流对齐方法：PPO效果强但复杂，DPO平衡高效，KTO低成本易上手。不同团队可根据资源选择路径。LLaMA-Factory Online让微调像浏览器操作一样简单，助力人人皆可训练专属模型。
Gemini 3 Nano Banana 的MCP服务器开发设计和 国内直连方案
基于Gemini 3 API开发的MCP绘图工具，支持在Coding客户端中边写代码边生成流程图。项目采用Python实现，兼容Gemini 2.5 Flash与3 Pro图像API，集成超时控制、国内直连路由转发功能，可高效调用AI生图。提供完整GitHub开源代码及在线试用地址，欢迎提交Issue交流。
StackOverflow已经死亡了吗
StackOverflow曾是程序员的“圣地”，但AI崛起正改变这一格局。ChatGPT等工具以高效即时的优势分流用户，使其面临流量下滑与社区文化挑战。而新兴的大模型实验室Lab4AI则融合算力、实践与协作，构建AI时代下的开发者新生态。从问答到实践，开发者社区正在进化。
NeurlPS 2025！多伦多大学TIRE助力3D/4D 生成精准保留主体身份
TIRE提出“追踪-补全-重投影”三阶段方法，实现主体驱动的3D/4D生成。通过视频跟踪识别缺失区域，定制2D模型补全纹理，并重投影至3D空间，提升生成一致性与质量，推动动态场景生成新进展。
字节推出VeAgentBench + veADK，打造可评估、可复现的智能体开发新范式
字节跳动推出VeAgentBench与veADK，打造智能体“开发-评估”闭环。VeAgentBench是覆盖教育、金融、法律等四大场景的开源评估基准，veADK为高效易用的开发框架，支持工具调用、RAG与记忆管理，助力AI智能体可度量、可复现、可落地。
杭州AI开源生态大会·魔搭社区开发者嘉年华全回顾
11月22日，杭州AI开源生态大会暨“魔搭社区”开发者中心启用仪式在云谷中心举行。大会汇聚超3000名开发者，发布“两张清单”与AI开源政策包，启用首个线下开发者空间，推动开放、共建、共创的AI生态发展。
混元OCR模型宣布开源，参数仅1B，多项核心能力SOTA
腾讯混元推出全新开源OCR模型HunyuanOCR，仅1B参数，基于原生多模态架构，实现端到端高效推理。在复杂文档解析、文字检测识别等多场景表现卓越，支持14种小语种翻译，广泛适用于票据抽取、视频字幕识别等应用，多项指标达业界SOTA水平。
新的LLM交互模式！大模型终于能自己生成交互式 UI 了
Google Research推出的Generative UI，让大模型不仅能生成内容，还能一键创建含地图、图表、小游戏等交互功能的完整网页。告别“文字墙”，迈向“内容即应用”的新时代，82.8%用户偏爱此创新体验。
腾讯混元 HunyuanVideo 1.5 开源！
腾讯混元团队开源HunyuanVideo 1.5，一款8.3B参数的轻量级视频生成模型，基于DiT架构，支持文生视频、图生视频，可在14G显存设备运行，生成5-10秒高清视频，具备强指令响应、流畅动作与电影级画质。
AgentEvolver：让智能体系统学会「自我进化」
AgentEvolver 是一个自进化智能体系统，通过自我任务生成、经验导航与反思归因三大机制，推动AI从“被动执行”迈向“主动学习”。它显著提升强化学习效率，在更少参数下实现更强性能，助力智能体持续自我迭代。开源地址：https://github.com/modelscope/AgentEvolver
Meta SAM3开源：让图像分割，听懂你的话
Meta发布并开源SAM 3，首个支持文本或视觉提示的统一图像视频分割模型，可精准分割“红色条纹伞”等开放词汇概念，覆盖400万独特概念，性能达人类水平75%–80%，推动视觉分割新突破。
Meta SAM3开源：让图像分割，听懂你的话
Meta发布并开源SAM 3，首个支持文本、点、框等提示进行图像与视频分割的统一基础模型，突破传统限制，实现开放词汇概念的精准识别与跟踪，涵盖超400万独特概念，推动视觉分割新发展。
最佳实践丨让苏东坡“复活”！我用Qwen3-8B实现了与千古文豪的跨时空对话
随着人工智能技术的不断发展，虚拟角色不再只是冰冷的对话机器，而是能够承载历史人物的气质、知识体系乃至精神风貌的“数字化身”。今天，我们将完整揭秘如何基于Qwen3-8B大模型，借助LLaMA-Factory Online平台，打造一个沉浸式的“苏东坡数字分身”，让前沿技术为文化传承注入新的活力。
MemOS 正式上线魔搭社区 MCP 广场，让你的智能体拥有「长期记忆」
MemOS 正式上线魔搭社区 MCP 广场，作为首个大模型记忆操作系统，支持标准化记忆读写，7天调用量超14.9万次。开发者可一键集成，让AI具备持久化、可调度的记忆能力，实现连续思考与长期进化。
ModelScope魔搭社区发布月报 -- 25年11月
魔搭ModelScope三周年庆！见证开源大模型从追赶到领跑，11月硬核更新不断：Qwen3-VL、MiniMax-M2等新模态齐发，AIGC生态爆发，OCR、语音、Agent全面进化。11月22日杭州AI开源生态大会，不见不散！
码上生花：用API链接Qwen-Image系列及衍生LoRA生态模型
Qwen-Image系列开源三月成爆款，凭借中文场景优势与ModelScope平台深度集成，支持文生图、图像编辑及LoRA生态API调用，助力开发者高效创作。
腾讯混元&清华开源15M高质量多模态训练数据，全面开放MLLM迎来质变时刻
腾讯混元与清华推出Bee项目，首创“以数据为中心”的全栈开源方案，通过Honey-Data-15M高质量数据集、HoneyPipe数据增强管线及Bee-8B模型，显著提升全开源多模态大模型性能，缩小与闭源模型差距。
DeepSeek-V3.1 发布，迈向 Agent 时代的第一步
今日发布DeepSeek-V3.1，支持混合推理架构，提升思考效率与Agent能力。编程与搜索智能体表现显著增强，API已升级并支持Anthropic格式，模型开源，上下文扩展至128K。
Qwen-Image-Edit：全能图像编辑，驱动内容创作提质增效
通义千问团队开源Qwen-Image-Edit，基于20B模型，支持语义与外观双重编辑、精准中英文文字修改，具备SOTA图像编辑能力，可用于IP创作、风格迁移、文字修复等。
【Github热门项目】DeepSeek-OCR项目上线即突破7k+星！突破10倍无损压缩，重新定义文本-视觉信息处理
DeepSeek-OCR开源即获7k+星，首创“上下文光学压缩”技术，仅用100视觉token超越传统OCR模型256token性能，压缩比达10-20倍，精度仍超97%。30亿参数实现单卡日处理20万页，显著降低大模型长文本输入成本，重新定义高效文档理解新范式。
美团 LongCat 团队发布全模态一站式评测基准UNO-Bench：揭示单模态与全模态能力的组合规律
美团LongCat团队推出一站式全模态大模型评测基准UNO-Bench，首创“组合定律”揭示多模态能力协同增益，支持中文场景，以98%跨模态问题占比和创新多步开放式题型，科学评估模型真实融合能力。
刚刚参加了一个MCP赛事，奖金还可以，搭友们可以去试试看
社区8月比赛未获奖有点失落，但发现通义灵码×蚂蚁百宝箱MCP赛事正火热进行！参赛即有机会赢取丰厚奖金，激励满满，令人眼前一亮。已跃跃欲试，搭友们快来一起冲榜夺奖吧！https://tianchi.aliyun.com/competition/entrance/532442
MajorRAG 概述（1/3）
一个RAG项目，全文共三个部分：MajorRAG概述、MajorRAG文件内容提取实现分析、MajorRAG聊天问答系统实现分析。 1）第一次做RAG，欢迎带着指导意见评论 2）希望指出不足时可以附带替换方法
MajorRAG聊天问答系统实现分析（3/3）
一个RAG项目，全文共三个部分：MajorRAG概述、MajorRAG文件内容提取实现分析、MajorRAG聊天问答系统实现分析。 1）第一次做RAG，欢迎带着指导意见评论 2）希望指出不足时可以附带替换方法 博客地址：https://zhangcraigxg.github.io
MajorRAG文件内容提取实现分析（2/3）
一个RAG项目，全文共三个部分：MajorRAG概述、MajorRAG文件内容提取实现分析、MajorRAG聊天问答系统实现分析。 1）第一次做RAG，欢迎带着指导意见评论 2）希望指出不足时可以附带替换方法 博客地址：https://zhangcraigxg.github.io
AI Agent Registry and Growth 对比各种AI Agent注册和发布的渠道生态 OpenAI Google Claude 开源工具 agtm等
本文对比了OpenAI、Google、Claude及开源平台如agtm 的AI Agent注册与发布方法，重点介绍AI Agent Registry API、社区和Marketplace三种方式，帮助开发者和产品经理提升智能体的可见性与分发渠道。
仅3B激活参数，更强的多模态理解与推理能力，百度文心 ERNIE-4.5-VL-28B-A3B-Thinking正式开源！
11月11日，百度开源文心ERNIE-4.5-VL-28B-A3B-Thinking多模态模型，仅3B激活参数，性能媲美顶级大模型。具备强大视觉语言理解、跨模态推理与“图像思考”等创新功能，支持工具调用与视频分析，适用于复杂图文任务，全面开放商用。
ModelScope模型即服务
ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！欢迎加入技术交流群：微信公众号：魔搭ModelScope社区，钉钉答疑群：44837352
