魔搭ModelScope本期社区进展：1698个模型，216个数据集，103个创新应用， 7 篇内容

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。

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。

2025 年 2 月 18 号，阶跃星辰宣布开源了两款 Step 系列多模态模型——Step-Video-T2V 视频生成模型和 Step-Audio 语音交互模型。

LLaVA-Med是微软推出的小型多模态模型，专注于高效生成高质量的胸部X光放射学报告，支持快速临床部署。

本文介绍了十种常见的API协议技术，包括REST、GraphQL、gRPC、SOAP、WebSocket、AMF和XML-RPC等，每种技术都有其特点和适用场景，如REST适用于轻量级Web服务开发，gRPC适合高性能分布式系统，而WebSocket则适用于需要低延迟交互的应用。

本文介绍了一种结合知识图谱与大型语言模型（LLM）的GraphRAG系统，利用PolarDB、通义千问及LangChain实现。知识图谱通过结构化信息、语义理解和推理等功能，增强了信息检索与自然语言处理效果。PolarDB具备图引擎与向量检索能力，适配知识图谱存储与查询。通义千问处理自然语言，LangChain则整合模型与应用。实战步骤包括环境准备、数据库配置与数据导入，并通过实例展示了图谱与向量联合检索的优越性，提升了问答系统的准确性和实用性。

7月3日，在来自政府、高校、企业和行业协会的各界嘉宾共同见证下，2025科技智能创新大赛启动仪式暨AFAC2025金融智能创新大赛合作伙伴授牌仪式于上海举行，并取得圆满成功。

FacePoke是一款基于AI技术的开源实时面部编辑工具，支持通过拖拽操作调整头部朝向和面部表情，适用于多种场景。

随着数字化转型的深入，企业对文档管理和知识提取的需求日益增长。阿里云推出的文档智能 & RAG（Retrieval-Augmented Generation）解决方案，通过高效的内容清洗、向量化处理、精准的问答召回和灵活的Prompt设计，帮助企业构建强大的LLM知识库，显著提升企业级文档管理的效率和准确性。

本资源介绍了机器学习训练中的关键参数设置及其影响，包括训练轮数、批量大小、学习率、梯度累积、模型微调等，并提供了针对不同任务和硬件配置的推荐值，帮助提升模型训练效率与性能。

DeepSeek-R1的爆火让更多开发者注意到模型蒸馏技术——这种让小模型也能"开小灶"习得大模型知识精华的秘诀。今天我们就用Qwen2.5-1.5B小模型（相当于AI界的初中生）来进行实践！

随着大模型的应用越来越广泛，相信大家都对拥有一个自己的私人AI助手越来越感兴趣。然而基于大模型遵循的"规模效应"(Scaling Law)原理，传统部署方式面临三重阻碍：高昂的运维成本、复杂的技术门槛（需掌握模型部署、量化等技术概念）以及系统集成难题。

在当今快速发展的 AI 领域，多模态模型正逐渐成为推动技术革新的重要力量。Google 最新推出的 Gemma 3 模型，凭借其轻量级、多模态的特性，为文本生成和图像理解任务带来了全新的可能性。它不仅支持文本和图像输入，还具备强大的语言处理能力，覆盖超过 140 种语言，并且能够在资源有限的设备上高效运行。从问答到摘要，从推理到图像分析，Gemma 3 正在重新定义 AI 模型的边界，为开发者和研究人员提供了一个极具潜力的工具。

微软近期推出 Phi-4-multimodal 和 Phi-4-mini，这些模型是 Microsoft Phi 系列小型语言模型 (SLM) 中的最新模型。Phi-4-multimodal 能够同时处理语音、视觉和文本，为创建创新且具有上下文感知能力的应用程序开辟了新的可能性。另一方面，Phi-4-mini 在基于文本的任务方面表现出色，以紧凑的形式提供高精度和可扩展性。

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。

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。

近年来，大型语言模型（LLMs）在数学推理方面取得了显著进展，但它们仍可能在过程中犯错误，如计算错误或逻辑错误，导致得出不正确的结论；即使最终答案正确，这些强大的模型也可能编造看似合理的推理步骤，这削弱了 LLMs 推理过程的可靠性和可信度。

DeepEP 是 DeepSeek 开源的首个专为混合专家模型（MoE）训练和推理设计的通信库，支持高吞吐量、低延迟通信，优化 NVLink 和 RDMA 网络性能。

随着人工智能技术的不断发展，越来越多的企业和个人开始探索如何利用深度学习模型来提升业务效率和用户体验。阿里云推出的【零门槛、轻松部署您的专属 DeepSeek 模型】解决方案为用户提供了多种便捷的部署方式，包括**基于百炼 API 调用满血版、基于人工智能平台 PAl 部署、基于函数计算部署以及基于 GPU 云服务器部署**。本文将从多个维度对这些部署方式进行详细评测，并分享个人的实际体验和观点。

2024年10月22日，华为发布了HarmonyOS NEXT，标志着鸿蒙生态进入商用发展阶段。原生鸿蒙应用市场全面焕新，不仅在UI设计、互动体验和隐私安全机制上进行了重塑，还为开发者和用户提供了从开发到分发的全生命周期服务。通过统一上架、多端分发、隐私合规保障等措施，原生鸿蒙应用市场助力开发者实现高效、安全的应用开发与分发，为全球数亿鸿蒙用户带来更流畅、更安全的使用体验。

🙋魔搭ModelScope本期社区进展：3072个模型，193个数据集，121个创新应用：Qwen-TTS-Demo 📄 8 篇内容：

6月27日，腾讯混元宣布开源混元-A13B模型，总参数800亿，激活参数仅130亿，在效果比肩顶尖开源模型的同时，大幅降低推理延迟与计算开销。这意味着，开发者可以用更低门槛的方式获得更好的模型能力。