通义千问团队最新开源的图像生成模型 Qwen-Image，凭借其出色的中文理解与文本渲染能力，自发布以来获得了广泛关注与好评。

🙋魔搭ModelScope本期社区进展：📟2268个模型📁165个数据集；🎨78个创新应用📄 13篇内容

8月2日下午，魔搭社区ModelScope 联手 AMD，在杭州办了场有料有趣的「Agent × MCP」开发者实践专场！

近年来，大型语言模型（LLMs）发展迅速，比如 ChatGPT、Qwen、Claude、 Llama。这些模型最初的能力来自预训练规模的扩展(pre-training scaling)，即通过 “next-token prediction” 的任务，在海量语料上训练，从而获得通用能力。但是面对具体场景，由于场景任务目标不一定和通用能力匹配(比如对齐场景)，所以预训练模型表现会有一些不足。为了在预训练之后进一步优化大型语言模型，近年来的研究开始转向训练后和测试时的规模扩展，其中奖励模型起着关键作用。

阶跃多模态再添一员：阶跃与 ACE Studio 联合开源音乐大模型 ACE-Step！

从 LangChain 创始人Twitter激辩 MCP，到 Manus 项目火爆出圈，以及OpenAI & Google纷纷下场兼容MCP，这场由Anthropic发起的技术变革正引发全球科技圈的关注。作为国内首批接入MCP生态的企业级平台和开源社区，阿里云百炼与ModelScope社区深度拥抱MCP全套生态工具并提供大量深度应用实践，并收获到大家的热烈反馈。在各类宣传稿中，MCP似乎无所不能，那么它真的是技术上的万能灵药么？我们将从技术祛魅与生态重构的双重视角，和大家深度讨论下MCP的现状与对未来的展望。

ReCamMaster 是由浙江大学与快手科技联合推出的视频重渲染框架，能够根据用户指定的相机轨迹重新生成视频内容，广泛应用于视频创作、后期制作、教育等领域，提升创作自由度和质量。

VideoPainter 是由香港中文大学、腾讯ARC Lab等机构联合推出的视频修复和编辑框架，基于双分支架构和预训练扩散模型，支持任意长度视频的修复与编辑，具备背景保留、前景生成、文本指导编辑等功能，为视频处理领域带来新的突破。

有没有推荐的图生图大模型；自己本地部署，然后API实现传图生图

最近，扩散模型在生成模型领域异军突起，凭借其独特的生成机制在图像生成方面大放异彩，尤其在处理高维复杂数据时优势明显。然而，尽管扩散模型在图像生成任务中表现优异，但在图像目标移除任务中仍然面临诸多挑战。现有方法在移除前景目标后，可能会留下残影或伪影，难以实现与背景的自然融合。

VLM-R1 是基于强化学习技术的视觉语言模型，通过自然语言指令精确定位图像目标，支持复杂场景推理与高效训练。

Crawl4LLM 是清华大学和卡内基梅隆大学联合开发的智能爬虫系统，通过网页价值评估和优先级队列技术，显著提升大语言模型预训练数据采集效率。

SkyReels-A1 是昆仑万维开源的首个 SOTA 级别表情动作可控的数字人生成模型，支持高保真肖像动画生成和精确的表情动作控制。

### 测评报告：零门槛、轻松部署您的专属 DeepSeek 模型 DeepSeek 是一款强大的推理模型，尤其擅长数学、代码和自然语言处理任务。由于算力限制，官方服务支持不稳定，阿里云提供了四种云上调用及部署方案，包括基于百炼调用API、PAI平台部署、函数计算部署和GPU云服务器部署。测评显示，PAI平台最具灵活性和易用性，但整体方案在文档指引、部署时间和成本方面仍有改进空间。建议优化文档和技术支持，提升用户体验。

随着DeepSeek-R1模型的广泛应用，越来越多的开发者开始尝试复现类似的模型，以提升其推理能力。

VideoLLaMA3 是阿里巴巴开源的多模态基础模型，专注于图像和视频理解，支持多语言生成、视频内容分析和视觉问答任务，适用于多种应用场景。

Tarsier2 是字节跳动推出的大规模视觉语言模型，支持高质量视频描述、问答与定位，在多个视频理解任务中表现优异。

特别介绍`graphrag-practice-chinese`项目，这是一个针对中文优化的GraphRAG应用实例，通过改进文本切分策略、使用中文提示词及选择更适合中文的模型等手段，显著提升了处理中文内容的能力。项目不仅包括详细的搭建指南，还提供了《红楼梦》全文的索引构建与查询测试示例，非常适合个人学习和研究。

**FacePoke** 是一款引人注目的开源工具，利用先进的人工智能技术，让用户通过简单的拖拽界面实时编辑面部表情。它支持实时编辑与动画，提供直观的操作体验，适用于艺术项目、视频制作和社交内容等多种场景。FacePoke 的开源特性还允许开发者自由修改和扩展功能。无论是艺术家还是内容创作者，都能轻松提升数字内容的情感表达。

Java线程的优先级机制允许开发者根据程序需求为线程设定不同优先级，范围通常在1到10之间，默认优先级为5。高优先级线程在执行时通常会得到更多的CPU时间，但这并不意味着低优先级线程会被完全忽略。系统资源分配仍然取决于具体的调度策略。理解线程优先级有助于优化多线程应用的性能。

本文介绍了三种测试反向代理服务器配置的方法。首先，通过命令行工具如 `ping`、`nslookup` 和 `dig` 检查域名解析是否指向正确的 IP 地址。其次，利用 Web 浏览器访问域名，验证页面加载正常且请求头信息无误。最后，借助网络抓包工具如 `Wireshark` 和 `tcpdump` 分析数据包，确保请求正确转发并返回预期响应。

要设置反向代理服务器，首先需安装配置软件（如 Nginx 或 Apache），并确保域名正确指向服务器 IP。接着，在 DNS 中设置 A 或 CNAME 记录，将域名指向反向代理服务器。然后编辑 Nginx 或 Apache 的配置文件，将请求转发至后端服务器。最后，通过浏览器访问域名测试配置是否成功，并使用工具检查请求流向和响应情况。

小型语言模型（SLM）通常被用于端侧推理，搜索推荐query改写这类对于资源要求低，大规模并发时延要求高的场景

本文介绍了基于阿里云 RDS OpenAPI 实现的 MCP Server（Model Context Protocol Server）架构与开发实践。该中间件使大语言模型（LLM）可通过自然语言调用 RDS 服务，实现数据库实例的创建、查询、配置等操作。通过 OpenAPI 接入、SQL 执行与大模型交互三大模块的协同工作，MCP Server 实现了 AI 助手对云数据库的自动化管理，提升易用性与安全性。

本项目是一款书法字体生成工具，采用 Next.js 14（App Router）与 Tailwind CSS 构建前端，阿里云 Serverless 部署后端。通过混合渲染策略（SSG/SSR/CSR）、Web Worker 异步计算及 CDN 字体分片加载优化性能。服务端借助阿里云函数计算处理计算密集型任务，将平均耗时从 1200ms 降至 280ms，支持 1000+ QPS。动态路由与 ARMS 监控提升工程化水平，未来计划引入 WebGPU 和 AI 字体风格迁移技术，进一步优化用户体验。

本文分享了构建在线图像黑白转换工具的技术实践，涵盖技术栈选择、架构设计与性能优化。项目采用Next.js提供优秀的SSR性能和SEO支持，TailwindCSS加速UI开发，WebAssembly实现高性能图像处理算法。通过渐进式处理、WebWorker隔离及内存管理等策略，解决大图像处理性能瓶颈，并确保跨浏览器兼容性和移动设备优化。实际应用案例展示了其即时处理、高质量输出和客户端隐私保护等特点。未来计划引入WebGPU加速、AI增强等功能，进一步提升用户体验。此技术栈为Web图像处理应用提供了高效可行的解决方案。