阿里通义实验室开源的音乐生成技术，支持通过简单描述快速生成多种风格的高质量音乐作品。

exo 是一款由 exo labs 维护的开源项目，能够让你利用家中的日常设备（如 iPhone、iPad、Android、Mac 和 Linux）构建强大的 AI 集群，支持多种大模型和分布式推理。

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 。

Qwen2.5-VL是阿里云团队推出的Qwen系列最新旗舰模型，具备显著提升的基础能力和创新功能。它在视觉识别、对象定位、文档解析和长视频理解等方面实现突破，支持精准的边界框/点定位及复杂输入处理。通过技术创新如窗口注意力、动态帧率采样和绝对时间编码，该模型在多模态任务中表现出色，在多个基准测试中超越顶级闭源模型，适用于从边缘AI到高性能计算的广泛场景。

在大语言模型(LLM)部署的最后一公里，API接口的设计与安全性直接决定了模型服务的可用性、稳定性与用户信任度。随着2025年LLM应用的爆炸式增长，如何构建高性能、高安全性的REST API成为开发者面临的核心挑战。FastAPI作为Python生态中最受青睐的Web框架之一，凭借其卓越的性能、强大的类型安全支持和完善的文档生成能力，已成为LLM服务化部署的首选方案。

pdf-craft是一款专注于处理扫描书籍PDF的开源工具，能精准提取正文内容并转换为Markdown/EPUB格式，通过AI算法解决跨页连贯性问题，是学术研究和电子书制作的利器。

Memobase 是一个开源的长期记忆系统，专为生成式 AI 应用设计，通过用户画像和时间感知记忆功能，帮助 AI 记住、理解并适应用户需求。

Qwen3开源发布：Think Deeper, Act Faster！社区推理、部署、微调、MCP调用实战教程来啦！

7月28日晚，智谱带来新一代旗舰模型——GLM-4.5！GLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量，其中 320 亿活跃参数；GLM-4.5-Air 采用更紧凑的设计，拥有 1060 亿总参数量，其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力，以满足智能体应用的复杂需求。

DeepSeek本地化部署支持下载1.5b、7b、8b、14b、32b等不同参数规模的大模型，适合逻辑推理和计算类问题。普通电脑建议选择1.5b模型以避免AI幻觉。部署需使用Ollama工具下载模型，并通过Chatbox AI等客户端进行配置，确保Ollama运行状态。显卡内存为主要资源占用，各模型占用情况不同，请确保硬盘空间充足。

Meta发布并开源SAM 3，首个支持文本、点、框等多提示的统一图像视频分割模型，突破性实现开放词汇概念的全实例分割。基于Meta Perception Encoder与DETR架构，结合AI与人工协同数据引擎，构建超400万概念数据集，在SA-Co基准达人类水平75%-80%。支持大规模可提示分割与跟踪，推动视觉基础模型新进展。（239字）

在大语言模型（LLM）的应用场景中，多轮对话已经成为最核心的交互模式之一。随着2025年LLM技术的快速发展，用户对持续、连贯、个性化的对话体验要求越来越高。然而，多轮对话面临着严峻的技术挑战：首先，LLM的上下文窗口长度虽然在不断扩展（如GPT-5已支持100K tokens），但依然是有限资源；其次，随着对话轮次增加，历史信息不断累积，导致token消耗激增；第三，过长的上下文可能导致模型对早期信息的关注度下降，影响回复质量。

魔搭自动发布小红书MCP，是魔搭开发者小伙伴实现的小红书笔记自动发布器，可以通过这个MCP自动完成小红书标题、内容和图片的发布。

近期，Intel和魔搭合作，在魔搭社区上线了Ollama 英特尔优化版镜像，该镜像提供基于 IPEX-LLM 的 Ollama 英特尔优化版，开发者可在英特尔GPU (如搭载集成显卡的个人电脑，Arc 独立显卡等) 上直接免安装运行 Ollama。

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。

近期，Qwen 发布了 QwQ-32B - 一个在许多基准测试中性能可与 DeepSeek-R1 相媲美的推理模型。

本文系统梳理Python从入门到精通的学习路径，分阶段推荐优质资源：入门夯实语法，进阶掌握核心特性，场景定向深耕Web、数据或AI方向，最终提升工程化能力。涵盖视频、书籍、项目与工具，助力高效构建完整知识体系。

上一篇用 Qwen3+MCPs实现AI自动发小红书的最佳实践 有超多小伙伴关注，同时也排队在蹲Windows版本的教程。

4月11日，OpenGVLab开源发布InternVL3系列多模态大模型，涵盖1B至78B共7个尺寸。相比InternVL 2.5，其在多模态感知与推理能力上表现更优，并新增工具使用、GUI代理等功能。得益于原生多模态预训练，文本性能超越Qwen2.5系列。

我们发布了Qwen-Image的“图生LoRA”模型，输入一张图即可端到端生成LoRA权重。通过多阶段迭代，构建了具备细节与风格保持能力的Image-to-LoRA系统，可用于高效LoRA训练初始化，推动个性化生成技术发展。

魔搭社区推出Mcore-Bridge与Megatron-SWIFT，显著降低大模型训练门槛。支持safetensors格式、一键启动、无需权重转换，兼容MoE等架构，实现高性能与易用性统一，让Megatron训练开箱即用。

通义万相Wan2.1-VACE开源！业内首个视频编辑统一模型！附推理教程

Aider 是一款基于命令行的开源 AI 编程助手，支持多种编程语言和主流 LLM，可自动完成代码修改、Git 提交及语音交互。

本文介绍如何通过EvalScope构建自定义评测指数，突破通用榜单局限，结合业务需求定义权重，实现模型在真实场景中的价值评估，助力选出真正适配业务的“最佳模型”。

今天，月之暗面正式发布 Kimi K2 模型，并同步开源。Kimi K2 是一款具备更强代码能力、更擅长通用 Agent 任务的 MoE 架构基础模型，总参数 1T，激活参数 32B。