2025年10月，IROS （智能机器人与系统国际会议）期间，上海人工智能实验室（上海AI实验室）将举办物理世界中的多模态机器人学习研讨会，IROS 2025“桃源”与真实世界机器人学习挑战赛（机器人学习挑战赛）现已启动报名，欢迎全球创新者与挑战者参加。

本文介绍了基于ModelScope MCP协议的AI视频生成解决方案，涵盖核心机制解析、零代码工作流搭建、性能优化策略及全链路异常处理。通过统一上下文描述符抽象异构AI服务，实现图像生成、语音合成与视频剪辑的自动化编排。结合缓存优化与错误重试机制，大幅提升生成效率（如5分镜视频从91.7s降至22.4s）。最后展示《夏日海滩》生成案例，并探讨个性化风格迁移与商业场景集成等进阶方向，揭示零代码本质为服务、流程与资源的三层抽象。

魔搭社区的开源项目 DiffSynth-Studio 自推出以来，凭借其前沿的技术探索和卓越的创新能力，持续受到开源社区的高度关注与广泛好评。截至目前，该项目已在 GitHub 上斩获超过 8,000 颗星，成为备受瞩目的开源项目之一。作为以技术探索为核心理念的实践平台，DiffSynth-Studio 基于扩散模型（Diffusion Model），在图像生成和视频生成领域孵化出了一系列富有创意且实用的技术成果，其中包括 ExVideo、ArtAug、EliGen 等代表性模块。

Eino 是字节跳动开源的大模型应用开发框架，帮助开发者高效构建基于大模型的 AI 应用。支持组件化设计、流式处理和可视化开发工具。

MiniCPM-o 2.6 是 MiniCPM-o 系列的最新、性能最佳模型。该模型基于 SigLip-400M、Whisper-medium-300M、ChatTTS-200M 和 Qwen2.5-7B 构建，共 8B 参数，通过端到端方式训练和推理。相比 MiniCPM-V 2.6，该模型在性能上有了显著提升，并支持了实时语音对话和多模态流式交互的新功能。

博查Web Search API是由博查提供的企业级互联网网页搜索API接口，允许开发者通过编程访问博查搜索引擎的搜索结果和相关信息，实现在应用程序或网站中集成搜索功能。该API支持近亿级网页内容搜索，适用于各类AI应用、RAG应用和AI Agent智能体的开发，解决数据安全、价格高昂和内容合规等问题。通过注册博查开发者账户、获取API KEY并调用API，开发者可以轻松集成搜索功能。

近期，刘聪NLP开源了开源中文DeepSeek-R1（满血）蒸馏数据集包括SFT版本和普通版本，话不多说，先放数据下载链接。

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。

视觉语言大模型（VLM）已经成为智能系统的关键基石。随着真实世界的智能任务越来越复杂，VLM模型也亟需在基本的多模态感知之外，逐渐增强复杂任务中的推理能力，提升自身的准确性、全面性和智能化程度，使得复杂问题解决、长上下文理解、多模态智能体等智能任务成为可能。

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。

Flame 是一款开源的多模态 AI 模型，能够将 UI 设计图转换为高质量的现代前端代码，支持 React 等主流框架，具备动态交互、组件化开发等功能，显著提升前端开发效率。

本文整理了 OSDI 2024 和 SOSP 2024 中与大语言模型（LLM）推理优化相关的10篇论文，涵盖 Parrot、ServerlessLLM、dLoRA 等系统，提出的技术如 Chunked Prefill、Prefix-Caching、P/D分离等已被 vLLM 和 TensorRT-LLM 等主流推理引擎采用。这些研究解决了 LLM 推理中的冷启动延迟、资源分配、KV 缓存管理等问题，提升了推理性能和资源利用率。CodeFuse推理优化项目地址https://github.com/codefuse-ai/EasyDeploy

本文探讨了Qwen2.5大模型在车险理赔领域的应用，特别是通过微调模型来优化理赔流程、提高反欺诈能力。文章介绍了车险理赔的数据特点和业务流程，展示了如何准备数据、微调模型，并进行了模型评估和部署的示例。通过这些方法，Qwen2.5能够显著提升理赔效率和准确性，减少人工干预。

AI Shell 是一款强大的 CLI 工具，将人工智能直接集成到命令行中，帮助用户提高生产力。AI Shell 支持多种 AI 模型和助手，通过多代理框架提供丰富的功能和灵活的使用模式。

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。

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。

Baichuan-Audio 是百川智能推出的端到端音频大语言模型，支持无缝集成音频理解和生成功能，实现高质量、可控的实时中英双语对话。

近日，Jina AI 正式发布 jina-embeddings-v4，一款全新的多模态向量模型，参数规模达到 38 亿，并首次实现了对文本与图像的同步处理。

随着移动端算力、存储能力的提升，在端侧部署大模型已成为趋势。本地化运行可消除网络延迟实现毫秒响应，降低云端算力成本，同时避免数据上传保障隐私安全。