modelscope_社区达人页

2026年04月

• 04.09 17:03:51
  发表了文章 2026-04-09 17:03:51

  面壁开源VoxCPM 2：2B 语音基础模型 = 30国语种 + 9大方言 + 音色复刻 + 影视级音质

  VoxCPM 2 是面壁智能联合OpenBMB、清华语音实验室推出的开源2B语音基础模型，支持30国语言+9大方言（含四川话、粤语等），具备音色设计、语音克隆、48kHz高保真合成能力，零人工配音即可实现《哆啦A梦》讲方言等效果，免费开源，开发者友好。
• 04.09 16:38:34
  发表了文章 2026-04-09 16:38:34

  GLM-5.1开源：独立工作8小时，探索长程任务上限

  智谱发布开源旗舰GLM-5.1，首次实现超8小时长程自主编程，支持从零构建Linux桌面、655轮向量库优化等工程级任务，在SWE-Bench Pro等基准中位列全球第三、开源模型第一。
• 04.07 10:12:52
  发表了文章 2026-04-07 10:12:52

  Gemma 4 开源发布: Google 迄今最强开放模型，主打推理与 Agent 能力

  Google正式开源Gemma 4系列（Apache 2.0许可），含E2B/E4B（端侧多模态）、26B MoE与31B Dense四款模型。参数效率卓越：31B位列开放模型榜第3，26B第6；边缘模型支持128K上下文、原生音视频处理，单卡/手机均可高效运行。

  
• 04.07 09:52:09
  发表了文章 2026-04-07 09:52:09

  OpAgent开源：登顶 WebArena，蚂蚁集团开源全模态网页智能体

  蚂蚁集团推出Web智能体OpAgent，仅凭自然语言指令即可在真实网站（如亚马逊）自主完成搜索、识别、加购等复杂操作。其采用视觉驱动理解、在线强化学习与模块化协作架构，在WebArena基准达71.6%任务成功率，刷新SOTA。已开源OpAgent-32B-INT4量化模型，显著降低推理门槛。

  
• 04.02 10:17:28
  发表了文章 2026-04-02 10:17:28

  中科天机开放华中2.5公里气象及全球12公里沙尘数据集：支持时空序列AI模型训练

  FlagOS Skills 1.0正式上线魔搭Skills中心，是首个面向异构AI芯片的AI Agent专业技能库，覆盖模型迁移、算子开发、性能调优等场景，赋能Claude Code、Cursor等工具直接支持国产芯片开发。
• 04.02 08:40:55
  发表了文章 2026-04-02 08:40:55

  300 万对 RGB-D 深度数据集 LingBot-Depth-Dataset，正式开源！

  LingBot-Depth-Dataset是目前最大规模真实场景RGB-D数据集，含300万高质量样本（200万实采+100万渲染），覆盖6款主流深度相机，总规模2.71TB。填补了高保真、多设备深度数据空白，助力空间智能与具身智能发展。

2026年03月

• 03.26 16:16:49
  发表了文章 2026-03-26 16:16:49

  InternVerse具身数据平台发布，从数据供给到模型迭代，助力物理智能全链路提效

  百度千帆发布端到端文档智能模型Qianfan-OCR，4B参数统一视觉语言架构，融合版面分析、文字识别与语义理解。在OmniDocBench等权威评测中全面领先，支持复杂图表与多栏文档解析，已开源并上线千帆平台。（239字）
• 03.26 16:06:37
  发表了文章 2026-03-26 16:06:37

  通义实验室Fun-CineForge开源：首个支持影视级多场景配音的多模态大模型

  通义实验室开源Fun-CineForge——首个支持多说话人、强时间对齐的多模态电影配音大模型。首创引入时间模态，结合视觉、文本、音频与时间信息，实现高精度唇形同步、音色克隆与情感表达，并开源高质量中文影视配音数据集CineDub-CN及端到端构建流程。（239字）
• 03.16 11:10:22
  发表了文章 2026-03-16 11:10:22

  用 OpenJudge 搭建 AI 论文审稿工作流：从评估器到在线审稿的完整实践

  本文介绍基于开源评估框架OpenJudge构建的AI辅助论文审稿方案，支持PDF上传后自动生成含安全性检查、正确性分析、综合评审、严重性分级及参考文献校验的结构化报告，已上线可直接体验。
• 03.12 13:16:44
  发表了文章 2026-03-12 13:16:44

  魔搭推出Twinkle: 训练即服务, 让模型训练回归算法语义

  Twinkle是ModelScope推出的开源模块化训练框架，采用Client-Server架构，支持本地、集群及Serverless训练。它以算法语义API抽象为核心，兼顾易用性与灵活性，提供细粒度控制、动态组件配置和多租户LoRA并发训练能力，并原生兼容Tinker API，全面开源，助力大模型训练服务化（TaaS）落地。
• 03.09 10:53:24
  发表了文章 2026-03-09 10:53:24

  LTX-2.3开源： 视频生成引擎级升级

  Lightricks开源LTX-2.3音视频大模型：重建VAE提升细节锐度，文本连接器扩容4倍增强Prompt遵循，大幅优化I2V运动自然性与音频质量，并首次原生支持1080×1920竖版视频生成。22B参数，支持文生视频、图生视频等多任务。
• 03.06 09:51:17
  发表了文章 2026-03-06 09:51:17

  阶跃星辰 Step 3.5 Flash 预训练/中训练/训练框架全部开源！

  阶跃星辰开源Step 3.5 Flash——迄今最强开源Agent基座模型，含Base/Midtrain权重及Steptron全栈训练框架，支持预训练、SFT与强化学习，专为智能体设计。已登OpenRouter榜首，获社区广泛好评。（239字）
• 03.03 09:59:41
  发表了文章 2026-03-03 09:59:41

  小红书开源FireRed-OCR，2B 参数登顶文档解析榜单

  小红书FireRed团队开源的FireRed-OCR（仅20亿参数），在OmniDocBench v1.5端到端评测中以92.94%综合得分登顶，超越Gemini 3.0 Pro等大模型。专注解决文档解析中的“结构幻觉”问题，通过三阶段训练+格式约束强化学习，精准还原表格、公式、多栏等复杂结构。Apache 2.0协议，ModelScope开源，支持本地商用部署。（239字）
• 03.02 10:09:11
  发表了文章 2026-03-02 10:09:11

  打破真题依赖！微软、清华联合开源 X-Coder：全合成数据激发代码大模型推理潜力

  微软与清华联合推出X-Coder系列模型，首创纯合成数据训练范式，在不使用任何真实竞赛题的前提下，仅用7B参数即在LiveCodeBench v5上达62.9%准确率，超越更大规模依赖真实数据的模型。项目已开源模型与数据集。（239字）

2026年02月

• 02.27 09:37:08
  发表了文章 2026-02-27 09:37:08

  用 4B 小模型做Code Agent的SubAgent？这个开源项目做到了

  LocoOperator-4B 是 LocoreMind 推出的 4B 开源蒸馏模型，专为代码库探索优化：本地运行、零 API 成本，结构化工具调用（Read/Grep/Glob/Bash 等）准确率达 100%。它替代 Code Agent 中的子智能体，显著降本增效。（239 字）
• 02.26 09:39:55
  发表了文章 2026-02-26 09:39:55

  Qwen3.5 中等规模模型系列正式开源：更强智能，更低算力

  通义千问Qwen3.5发布四款中等规模多模态模型，支持256K原生上下文（可扩至1M）、201种语言及统一视觉语言训练。凭借Gated Delta+MoE混合架构与百万Agent强化学习，35B-A3B仅激活3B参数即超越旧旗舰，性能、效率与部署成本兼具。（239字）
• 02.25 10:28:17
  发表了文章 2026-02-25 10:28:17

  四款国产VLM OCR模型横评

  春节前，DeepSeek、智谱、百度、腾讯四大团队密集开源新一代OCR小模型，全面采用视觉语言模型（VLM）架构，摒弃传统流水线，迈向“语义结构化”新纪元。DeepSeek-OCR2首创“视觉因果流”，GLM-OCR以0.9B参数登顶OmniDocBench榜首，PaddleOCR-VL-1.5攻克真实退化场景，Youtu-Parsing实现22倍推理加速——国产OCR正以架构创新实现垂直领域“换道超车”。
• 02.24 13:32:28
  发表了文章 2026-02-24 13:32:28

  魔搭社区+OpenVINO™ 加速部署 Qwen3-ASR 实战

  通义千问新推Qwen3-ASR语音识别模型（1.7B/0.6B），支持52种语言及方言，具备高鲁棒性与流式长音频转写能力。联合魔搭社区与Intel® OpenVINO™，实现Intel平台极致加速部署，提供完整开源教程、Notebook示例及Gradio交互Demo。（239字）
• 02.24 13:21:35
  发表了文章 2026-02-24 13:21:35

  魔搭社区+OpenVINO™ 加速部署 Qwen3-TTS 实战

  通义千问推出Qwen3-TTS系列开源语音模型，支持中英日韩等10种语言，具备声音克隆、情感适配与高保真端到端合成能力；结合Intel OpenVINO™可在CPU上高效推理，无需GPU，轻松部署于边缘设备。（239字）
• 02.24 13:16:49
  发表了文章 2026-02-24 13:16:49

  0.9B 小模型，OCR 大能力——GLM-OCR 模型实战教程

  智谱开源多模态OCR模型GLM-OCR，基于GLM-V架构，融合CogViT视觉编码器与GLM-0.5B语言解码器，支持公式、表格、代码等复杂文档识别，性能达OmniDocBench榜首（94.62分），仅0.9B参数，轻量高效，开箱即用。
• 02.24 11:14:22
  发表了文章 2026-02-24 11:14:22

  MiniCPM-o 4.5 CookBook：9B 参数玩转多模态全双工交互

  MiniCPM-o 4.5是9B参数多模态大模型，支持图像、视频、音频、文本输入与高质量文/语音输出。具备领先视觉理解（OpenCompass平均77.6分）、实时中英双语语音对话、全双工流式交互、高精度OCR及30+语言能力，适配CPU/GPU/国产芯片，支持本地部署与微调。（239字）
• 02.24 11:02:36
  发表了文章 2026-02-24 11:02:36

  自进化≠自我刷题，Agent 真正的突破口是「自己造环境」？——6 位领域学者 · 7 大议题 · 2 万字圆桌观点实录

  AI AMA首期聚焦“Agent自进化”，由魔搭等联合发起，邀请翟云鹏主持及5位顶会作者深度对谈。围绕定义、泛化能力、反馈信号、评估体系等7大议题，探讨Agent如何突破“从零开始”瓶颈，实现类人经验积累与策略优化。（239字）
• 02.24 10:51:09
  发表了文章 2026-02-24 10:51:09

  蚂蚁集团 Ling-2.5-1T 开源：万亿参数，重新定义"又快又强"

  Ling-2.5-1T是蚂蚁集团inclusionAI推出的开源即时大模型（MIT协议），以“效率×效果”为核心：万亿参数、63B激活，首创混合线性注意力架构，支持百万token上下文；推理吞吐大幅提升，AIME任务仅需1/3 token即达前沿思考模型水平。ModelScope可下载。

  
• 02.24 10:39:36
  发表了文章 2026-02-24 10:39:36

  Qwen3.5：迈向原生多模态智能体

  除夕夜，通义千问发布Qwen3.5-397B-A17B：全球首个原生多模态MoE大模型，总参3970亿、仅激活170亿参数，性能媲美万亿模型；支持201种语言、超强视觉理解与GUI智能体能力，已开源至GitHub与ModelScope。

  
• 02.24 10:21:43
  发表了文章 2026-02-24 10:21:43

  Boss直聘开源Nanbeige4.1-3B：小模型全能新标杆

  Boss直聘南北阁实验室发布Nanbeige4.1-3B：一款仅3B参数的“小而全”统一模型，首次在同规模中系统整合强推理、人类偏好对齐与深度搜索Agent能力，性能超越Qwen3-32B等大模型，已开源权重、技术报告及合成数据。
• 02.24 10:11:25
  发表了文章 2026-02-24 10:11:25

  小红书开源发布 FireRed-Image-Edit 1.0：高质量训练数据，性能屠榜三项核心评测

  2月14日，小红书FireRedTeam开源FireRed-Image-Edit-1.0图像编辑模型。该模型在ImgEdit、GEdit等基准测试中全面超越现有开源方案，风格迁移（4.97分）等维度甚至优于Nano-Banana、Seedream4.0等闭源模型，支持文本保留、老照片修复、多图虚拟试衣等能力。
• 02.24 10:01:29
  发表了文章 2026-02-24 10:01:29

  MiniMax M2.5 开源，低成本Agent时代来了！社区Day0部署、工具调用、推理&提示词参数实战来啦！

  2月13日，MiniMax发布M2.5大模型，108天内三连更！编程（SWE-Bench 80.2%）、搜索（BrowseComp 76.3%）、办公场景全面领先，开源权重已上线ModelScope，支持API调用、本地部署及工具调用。
• 02.24 09:44:14
  发表了文章 2026-02-24 09:44:14

  FantasyWorld 正式开源！一次前向传播，同时生成视频与 3D 几何——视频世界模型的新范

  高德地图发布「FantasyWorld」——新一代几何一致世界模型，单次前向即可生成高质量视频与3D场景（深度图、点云、相机轨迹），无需后处理或逐场景优化。ICLR 2026录用，WorldScore榜首，已开源代码与模型。
• 02.24 09:31:08
  发表了文章 2026-02-24 09:31:08

  万亿参数、混合线性架构、开源免费——Ring-2.5-1T 来了，思考模型卷到新高度

  蚂蚁inclusionAI发布开源万亿参数思考模型Ring-2.5-1T，首创混合线性注意力架构，实现“快、深、长”三大突破：推理吞吐提升3倍+，IMO/CMO达金牌水平，可在Claude Code中连续2小时开发可运行的迷你操作系统。MIT协议完全开源。

  
• 02.24 09:18:03
  发表了文章 2026-02-24 09:18:03

  全球Top下载中文开源数据集更新｜OpenCSG持续打造中文高质量数据集开源底座

  OpenCSG正式发布Fineweb-Edu-Chinese V2.2数据集：覆盖预训练（1.5T tokens，质量分层）与SFT微调（143.7万条DeepSeek V3.2蒸馏问答对）全流程，严格事实锚定、支持溯源，是当前少有的高质量中文教育全栈数据解决方案。
• 02.24 09:09:25
  发表了文章 2026-02-24 09:09:25

  GLM-5开源：迈向Agentic Engineering新范式，社区Day0 部署、推理实战来了！

  智谱发布GLM-5：开源SOTA大模型，Coding与Agent能力双强，真实编程体验媲美Claude Opus 4.5；全球AI榜单排名第四、开源第一；MIT协议开源，支持复杂系统工程与长程Agent任务。
• 02.12 13:12:26
  发表了文章 2026-02-12 13:12:26

  蚂蚁百灵全模态 Ming-flash-omni-2.0 开源！视觉百科+可控语音生成+全能型图像编辑，打破全模态“博而不精”

  2月11日，蚂蚁百灵团队开源全模态大模型Ming-flash-omni-2.0（基于Ling-2.0 MoE架构），在视觉理解、语音交互与图像编辑三大领域实现代际跃迁，达开源领先水平。支持多模态统一生成与深度编辑，模型权重与代码已开放。