ModelScope魔搭25年9月发布月报

通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。

四大公益场景，20万奖金！AI开源公益创新挑战赛邀你一起「小有可为」

腾讯混元生图模型升级2.1版本：支持写字、2k分辨率，开源！

冠军10万美金！AMD 2025 分布式推理算子优化挑战赛来了

不会编程也能体验的 AI 魔法，外滩大会代码原生地等你解锁

8月27日，在上海市科学技术委员会指导下，由北京大学、清华大学、复旦大学、香港大学、蚂蚁集团等近30家海内外顶级院校、头部企业、孵化器等机构联合发起的AFAC2025金融智能创新大赛总决赛路演圆满结束。

MiniCPM 4.1发布， 将「高效深思考」引入端侧

近日，通义实验室MobileAgent团队正式开源全新图形界面交互基础模型 GUI-Owl，并同步推出支持多智能体协同的自动化框架 Mobile-Agent-v3。该模型基于Qwen2.5-VL打造，在手机端与电脑端共8个GUI任务榜单中全面刷新开源模型性能纪录，达成全平台SOTA。

在人工智能浪潮中，智能体（AI Agent）正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力，广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南，助你打造专属智能体，迎接智能自动化新时代。

在语音合成技术不断演进的背景下，早期版本的IndexTTS虽然在多场景应用中展现出良好的表现，但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题，并进一步推动零样本语音合成在实际场景中的落地能力，B站语音团队对模型架构与训练策略进行了深度优化，推出了全新一代语音合成模型——IndexTTS2 。

本文探讨了如何利用能够根据自然语言提示执行命令、管理基础设施和自动部署的 AI 技术，来革新 DevOps 流程。通过模型上下文协议（MCP），AI 助手不仅能回答问题，还能直接操作终端、编辑文件并管理开发环境，从而简化复杂的 DevOps 任务，提高效率并降低错误率。

本指南深入解析 Kubernetes 与 Docker Swarm 两大主流容器编排工具，涵盖安装、架构、网络、监控等核心维度，助您根据团队能力与业务需求精准选型，把握云原生时代的技术主动权。

Kubernetes 是当前 DevOps、云原生和 SRE 领域的关键技能。本文总结了 20 个高频面试问题，涵盖架构组件、工作原理及核心概念，助你轻松掌握 Kubernetes 基础，提升面试与实战能力。

本文介绍了如何利用“扣子”平台创建资源，通过可视化工作流处理并分析文档、表格、PDF等内容，帮助用户快速获取文件核心信息。内容涵盖登录、资源创建、工作流配置及运行操作，适用于多种文件格式，如CSV、Excel、PDF等。

DevOps 工程师与平台工程师在软件交付中各司其职。DevOps 强调开发与运维协作，推动自动化与文化变革；平台工程则聚焦构建自助式内部开发者平台，提升开发效率与一致性。两者相辅相成，共同加速高质量软件交付。

9 月 2 日，腾讯混元宣布，其3D世界模型系列最新成员——HunyuanWorld-Voyager（简称混元Voyager）发布并开源，这将推动AI在空间智能领域的应用扩展，为虚拟现实、物理仿真、游戏开发等领域提供高保真3D场景漫游能力，加速行业应用落地。

今天，Kimi K2 模型的最新版本 0905 开源发布，进一步提升其在真实编程任务中的表现

🙋魔搭ModelScope本期社区进展：3361个模型，313个数据集，73个创新应用， 8篇内容

FlowBench 是由 ModelScope x Muse 团队打造的一站式 AI 工作流创作平台，现已开启全面公测。该平台以工作流为核心，支持本地与云端资源协同运行，面向开发者、设计师及 AI 创作者提供高效、稳定、易用的可视化创作体验。FlowBench 原生支持 QwenImage 图像生成模型，最低仅需 8GB 显存即可实现本地生图，并支持多 LoRA 融合、多图批量生成等强大功能。用户可在 Mac 和 Windows 系统下载使用，同时享受云端与本地自由切换带来的灵活体验。公测期间，FlowBench 团队将持续优化功能，推出更多创新特性，助力用户开启高效 AI 创作之旅。

阶跃星辰开源新一代大模型 Step 3，采用 MoE 架构，参数量达 321B，激活参数 32B，平衡推理效率与资源利用，具备强大多模态能力，支持复杂推理与视觉分析，已在多个评测集取得领先成绩。

FLUX模型又又又更新了！ 黑森林联合Krea发布了文生图模型Flux.1 Krea Dev，这是目前最好的开源文生图模型。 魔搭社区第一时间上线Flux.1 Krea Dev，快来AIGC专区抢先体验图片

9月1日，美团正式发布 LongCat-Flash-Chat，并同步开源。LongCat-Flash 采用创新性混合专家模型（Mixture-of-Experts, MoE）架构，总参数 560 B，激活参数 18.6B~31.3B（平均 27B），实现了计算效率与性能的双重优化。

当 AI 浪潮以肉眼可见的速度重塑全球技术格局，大模型的迭代如浪涌般此起彼伏，开发者们在开源社区的每一次代码提交、每一次项目引用，都在悄然勾勒着行业未来的走向。如何在纷繁复杂的技术演进中，看清 AI 生态的全景与未来？一场围绕大模型开源开发趋势的深度对话已蓄势待发。

亲爱的搭搭搭塔子们～（不是）你听说了吗？现在魔搭社区要给每一位搭友发！福！利！

TL;DR：很多 AI Agent 被困在受限且一刀切的沙箱内，而 MuleRun 是全球首个通过提供可完全自定义且持久化的 Agent Runtime 来解决这一问题的平台——即你可以定义操作系统、访问原生软件、跨会话保留状态并分配硬件资源。这让你能打造真正的“数字化工人”，而不仅仅是受限的聊天机器人。

腾讯混元又带来一个在国际机器翻译比赛拿下30个第1名的翻译模型Hunyuan-MT-7B，它总参数量仅7B，支持33个语种、5种民汉语言/方言互译，是一个能力全面的轻量级翻译模型。

大家好，今天阶跃星辰正式发布最强开源端到端语音大模型 Step-Audio 2 mini，该模型在多个国际基准测试集上取得 SOTA 成绩。

🙋魔搭ModelScope本期社区进展：📟4924个模型，📁357个数据集，🎨99个创新应用，📄 9篇内容：

近日，上海人工智能实验室（上海AI实验室）重磅开源发布了多模态大模型书生·万象 InternVL3.5，通过创新的级联式强化学习（Cascade RL）、动态视觉分辨率路由与解耦部署架构，实现推理能力、部署效率与通用能力的全面升级。

很高兴向大家宣布，ModelScope AIGC 专区的工作流功能正式上线！

AI生成的视频音效，已经可以用于视频制作了。

GPT-5 是 OpenAI 于 2025 年 8 月推出的最新大模型，具备智能路由机制，自动切换快速回复与深度思考模式。其编码能力领先，医疗推理表现优异，综合性能全面，广泛应用于企业与办公场景。模型在减少幻觉、提升准确率方面进步显著，但创意写作略显保守，初期路由系统也出现短暂故障。总体评分 91/100，展现强大而均衡的能力，是迈向 AGI 的重要一步。

Spring AI 更新结构化输出转换器，弃用旧版 Parser 类，引入与 Spring 框架对齐的 Converter 体系，提升命名规范与功能兼容性。新版本支持 JSON、XML 及 Java 对象转换，确保 LLM 输出结构化，便于下游应用处理。

今天，通义万相的视频生成模型又开源了！本次开源Wan2.2-S2V-14B，是一款音频驱动的视频生成模型，可生成影视级质感的高质量视频。

AI界的篮球赛AI-BA来了，NBA中国赛2025比赛门票等你来拿

今天，面壁智能正式开源 8B 参数的面壁小钢炮 MiniCPM-V 4.5 多模态旗舰模型，成为行业首个具备“高刷”视频理解能力的多模态模型，看得准、看得快，看得长！高刷视频理解、长视频理解、OCR、文档解析能力同级 SOTA，且性能超过 Qwen2.5-VL 72B，堪称最强端侧多模态模型。

一副AI眼镜帮你实时智能识别、一只机器狗陪你跑跨栏、一条机械臂听你指挥、一场与机器人的点球大战——这可不是科幻电影，这是2025云栖大会即将上演的现实。

字节跳动 Seed 团队正式发布了 Seed-OSS 系列开源大型语言模型，提供强大的长上下文、推理、代理和通用功能，以及对开发者友好的多功能特性。

继 7 月 26 日开源『书生』科学多模态大模型 Intern-S1 之后，上海人工智能实验室（上海AI实验室）在8月23日推出了轻量化版本 Intern-S1-mini。