本文探讨了如何通过模拟人类的思维过程来提升大模型的推理和规划能力。文章从人类的思维模式入手，分析了人类在面对复杂问题时的“增-减”信息循环，提出了通过增加相关信息和减少噪声来降低信息熵的方法。文章还讨论了如何生成逻辑自洽的推理路径，并通过实例说明了多结论问题的处理方法。最后，文章指出，通过现有的大模型进行针对性微调，可以逐步强化数据，提升模型的推理和规划能力。

随着大型语言模型(LLM)在各个领域的广泛应用，确保其安全性和可靠性已成为技术社区关注的焦点。2024-2025年，随着LLM能力的不断增强，其潜在风险也日益凸显。有害内容的生成和传播不仅可能造成社会危害，还会对企业和用户带来严重的法律和声誉风险。因此，构建强健的内容过滤机制已成为LLM应用部署的必要条件。

今天，面壁小钢炮新一代多模态模型 MiniCPM-V 4.0 正式开源。依靠 4B 参数，取得 在 OpenCompass、OCRBench、MathVista 等多个榜单上取得了同级 SOTA 成绩，且 实现了在手机上稳定、丝滑运行。此外，官方也正式开源了 推理部署工具 MiniCPM-V CookBook，帮助开发者面向不同需求、不同场景、不同设备，均可实现开箱即用的轻量、简易部署。

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。

VideoFusion 是一款开源的AI视频剪辑工具，支持自动去除视频黑边、水印和字幕，提供批量处理、画质提升等功能，适合视频创作者和自媒体运营者使用。

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。

微软研究院的最新成果——Phi-4来啦！近日，微软公布了Phi家族的最新一代模型Phi-4的技术报告，模型同步开源，Phi-4建立在合成数据集、过滤后的公共领域网站数据以及获得的学术书籍和问答数据集的基础上，训练数据量为9.8 T tokens, 目标是确保小模型使用专注于高质量和高级推理的数据进行训练。

魔搭ModelScope三周年庆！见证开源大模型从追赶到领跑，11月硬核更新不断：Qwen3-VL、MiniMax-M2等新模态齐发，AIGC生态爆发，OCR、语音、Agent全面进化。11月22日杭州AI开源生态大会，不见不散！

魔搭 DiffSynth-Studio 团队携手知名创作者麦橘MERJIC，正式开源全新 AI 图像生成模型——Face-to-Photo！该模型基于 Qwen-Image-Edit，采用 LoRA 的模型结构，专为人脸图像生成而优化，将一张普通的人脸照片转化…

在现代大型语言模型（LLM）部署架构中，缓存系统扮演着至关重要的角色。随着LLM应用规模的不断扩大和用户需求的持续增长，如何构建高效、可靠的缓存架构成为系统性能优化的核心挑战。Redis作为业界领先的内存数据库，因其高性能、丰富的数据结构和灵活的配置选项，已成为LLM部署中首选的缓存解决方案。

腾讯自研 FastMTP 重磅开源：推理速度暴涨 203%，消费级显卡也能跑出无损速度翻倍！

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。

URO-Bench 是一款专为端到端语音对话模型设计的全面基准测试工具，涵盖多语言、多轮对话、副语言信息等多维度任务，帮助开发者全面评估模型性能。

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。

11月29日，智谱正式提出 GLM-OS 概念，并发布 AutoGLM 和 GLM-PC 两款 Agent 产品。近期GLM-PC 的基座模型—— CogAgent-9B 开源，供社区进一步开发。

现在，魔搭上的众多模型支持在阿里云人工智能平台PAI-Model Gallery上使用阿里云算力资源进行模型训练和部署啦！

今日发布DeepSeek-V3.1，支持混合推理架构，提升思考效率与Agent能力。编程与搜索智能体表现显著增强，API已升级并支持Anthropic格式，模型开源，上下文扩展至128K。

蚂蚁百宝箱联合深铁集团、深圳通推出全国首个“公共出行+城市服务”AI智能体「深铁宝」，上线于深圳地铁、深圳通及支付宝APP，实现一句话直达、秒级响应的智慧出行体验，涵盖出行规划、乘车码快捷调取、周边生活服务推荐等一站式功能，助力城市交通与服务数字化升级。

DashInfer-VLM是一个针对于视觉多模态大模型VLM的推理架构，特别优化了Qwen VL模型的推理加速，DashInfer-VLM和其他的VLM的推理加速框架最大的区别是， 它把VIT部分和LLM部分进行了分离，并且VIT和LLM的运行是并行运行，不互相干扰。

混元 Video 模型自发布以来，已成为目前效果最好的开源文生视频模型，然而，这个模型极为高昂的硬件需求让大多数玩家望而却步。魔搭社区的开源项目 DiffSynth-Studio 近期为混元 Video 模型提供了更高效的显存管理的支持，目前已支持使用24G显存进行无任何质量损失的视频生成，并在极致情况下，用低至 6G 的显存运行混元 Video 模型！

针对技术团队管理混乱、过度依赖个人的痛点，提出用AI指令将经验转化为标准SOP的解决方案。通过工程化思维重构管理流程，实现团队经验的"开源"与"复用"，释放核心人才价值。

在2025年，大规模语言模型（LLM）的训练已经进入到超大规模时代，模型参数量达到数千亿甚至万亿级别，训练过程需要动用数百甚至数千个GPU/TPU。在这种情况下，高效的集群管理系统成为训练成功的关键基础设施。Slurm（Simple Linux Utility for Resource Management）作为目前最流行的开源作业调度系统，广泛应用于科研机构和大型科技公司的超级计算集群中。

在当今人工智能快速发展的时代，大语言模型（LLM）已经成为自然语言处理领域的核心技术。然而，传统的LLM部署通常需要强大的服务器资源，这限制了其在资源受限环境中的应用。随着边缘计算的兴起，在轻量级设备上部署和运行LLM成为了新的技术趋势。树莓派（Raspberry Pi）作为一款广泛使用的单板计算机，凭借其小巧的体积、低功耗特性和不断提升的计算能力，成为了边缘部署LLM的理想选择。

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。

阿里云Quick BI是一款企业级智能BI工具，融合大模型技术实现自然语言交互、自动化洞察与预测分析。支持多源数据接入，提供50+图表类型及行业模板，助力敏捷业务分析与AI增强决策。相比Tableau、Power BI等竞品，Quick BI以云原生低成本和通义大模型优势脱颖而出，适用于零售、金融等领域，推动数据民主化与智能化转型。推荐已使用阿里云生态的企业采用，分阶段推广功能以最大化价值。