modelscope_社区达人页

2025年11月

• 11.04 10:38:27
  发表了文章 2025-11-04 10:38:27

  超长序列并行之Ulysses + Ring-Attention技术原理与实现

  本文介绍大模型长序列训练中的显存优化技术，重点解析Ulysses与Ring-Attention的融合方案。通过序列并行降低显存占用，结合zigzag切分与padding_free适配，实现高效多模态训练，在3B模型上显存从75GB降至18GB，显著提升长序列训练可行性。
• 11.03 16:53:28
  发表了文章 2025-11-03 16:53:28

  Soul App联合西工大和上交大开源语音合成模型SoulX-Podcast，已登顶Hugging Face TTS趋势榜！

  Soul AI Lab联合西工大、上交大开源SoulX-Podcast，支持中英粤川等多语种方言及副语言生成，可稳定输出超60分钟自然流畅的多人对话音频，已在Huggingface登顶TTS趋势榜。

  

2025年10月

• 10.31 11:21:21
  发表了文章 2025-10-31 11:21:21

  Thinking Machines Lab最新研究结果如何复现？On-Policy Distillation让训练成本直降10倍

  Thinking Machines Lab提出On-Policy Distillation技术，让小模型高效继承大模型能力。相比传统强化学习，训练成本降低90%，效率提升十倍，支持本地部署、降低成本与延迟。结合vLLM加速与独立DeepSpeed配置，MS-SWIFT框架实现开箱即用的高效蒸馏训练，助力轻量模型具备“会思考、能纠错、可进化”的智能。
• 10.30 18:03:06
  发表了文章 2025-10-30 18:03:06

  UI-Ins：让 GUI 智能体真正“看懂”用户指令的新范式

  通义实验室联合人大发布全新GUI Grounding模型UI-Ins，首创“指令即推理”范式，通过多视角动态推理实现SOTA性能，在五大基准全面领先，支持开源复现与应用。
• 10.29 09:59:22
  发表了文章 2025-10-29 09:59:22

  全新框架 Glyph 开源：用视觉理解文本，3–4 倍上下文压缩，近 5 倍推理提速！

  清华CoAI与智谱AI提出Glyph新范式，将长文本渲染为图像，通过视觉语言模型实现高效长上下文处理。3-4倍压缩比，性能媲美主流大模型，显存占用降2/3，低成本支持百万token任务，开源可商用。
• 10.27 10:44:06
  发表了文章 2025-10-27 10:44:06

  仅100多元，他给视障人群装上AI“眼睛”

  上海两名开发者为验证AI助盲实效，亲手打造百元AI眼镜，蒙眼实测过马路、识盲道，并开源项目鼓励更多人参与。技术导航，人心照亮。

  
• 10.27 10:26:57
  发表了文章 2025-10-27 10:26:57

  「超级开发个体」在诞生：一份白皮书带你理解AI时代开发者

  10月24日程序员节，魔搭社区联合知乎发布《THE NEXT WAVE：AI时代开发者生态白皮书》，揭示AI时代开发者新画像：以“超级个体”为核心，兼具技术与商业闭环能力，工具平权让个人开发者崛起。报告涵盖年龄、学历、组织分布及认知行为特征，展现开发者如何用AI提效、实现从“写代码”到“搭系统”的跃迁。点击下载完整报告。
• 10.27 10:24:49
  发表了文章 2025-10-27 10:24:49

  腾讯混元世界模型1.1开源：支持多视图及视频输入，单卡部署，秒级生成_魔搭ModelScope社区-ModelScope魔搭社区

  混元世界模型1.1（WorldMirror）发布，支持多视图、视频输入，单卡秒级生成3D场景。兼容CG管线，开源可部署，实现点云、深度、相机等多任务统一预测，性能领先。
• 10.23 11:44:30
  发表了文章 2025-10-23 11:44:30

  Qwen3-VL新成员 2B、32B来啦！更适合开发者体质

  Qwen3-VL家族重磅推出2B与32B双版本，轻量高效与超强推理兼备，一模型通吃多模态与纯文本任务！
• 10.17 18:36:52
  发表了文章 2025-10-17 18:36:52

  Face-to-Photo 模型开源！联名麦橘MERJIC，遇见另一个你！

  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…
• 10.17 10:39:15
  发表了文章 2025-10-17 10:39:15

  ModelScope魔搭社区发布月报 -- 25年10月

  2025年10月，ModelScope密集发布多模态与大模型更新，并上线国际站、科学智能专区及AIGC工具FlowBench，加速开源生态发展。
• 10.14 09:43:57
  发表了文章 2025-10-14 09:43:57

  用Macbook微调Qwen3！手把手教你用微调给Qwen起一个新名字

  本文介绍如何在MacBook上使用苹果MLX框架高效微调Qwen3大模型。借助MLX的高性能计算与统一内存架构，仅需2分钟即可完成训练，内存占用低至2GB，推理速度达400 Token/s，并支持快速部署为本地API服务，展现Mac轻薄本的强大AI生产力潜力。

  
• 10.13 10:59:12
  发表了文章 2025-10-13 10:59:12

  图像理解与生成统一模型——前沿模型架构理解

  前言生成式多模态模型近年来一直是业界的研究热点。视觉语言模型（VLM）一直是多模态文本生成领域的核心路线，能够完成图像理解任务；扩散模型（Diffusion Model）则一直是图像和视频生成领域的核心方法。
• 10.10 09:55:33
  发表了文章 2025-10-10 09:55:33

  Ling-1T，智渊、思简

  今天，我们正式发布Ling 2.0系列的第一款 旗舰非思考模型 - 拥有万亿参数的Ling-1T。推理，是智能的核心表达，更是通用智能体的认知基石。因此，我们持续扩展Ling 2.0 系列模型的自然语言推理能力。Ling-1T沿用 Li…
• 10.09 10:30:37
  发表了文章 2025-10-09 10:30:37

  智谱旗舰模型GLM-4.6开源发布，代码能力对齐Claude Sonnet 4

  作为GLM系列的最新版本，GLM-4.6是系列最强的代码Coding模型（较GLM-4.5提升27%）

2025年09月

• 09.30 10:41:06
  发表了文章 2025-09-30 10:41:06

  DeepSeek-V3.2-Exp 发布，训练推理提效，API 同步降价

  今天，我们正式发布 DeepSeek-V3.2-Exp 模型，这是一个实验性（ Experimental）的版本。作为迈向新一代架构的中间步骤，V3.2-Exp 在 V3.1-Terminus 的基础上引入了 DeepSeek Sparse Attention（一种稀疏注意力机制…

  
• 09.30 10:40:12
  发表了文章 2025-09-30 10:40:12

  Tongyi DeepResearch的技术报告探秘

  引言阿里通义实验室悄悄（其实动静不小）发布了一个叫 Tongyi DeepResearch 的 Agent 项目。它没有开发布会，没请明星站台，甚至没发通稿——但它在 GitHub 上架当天，就登顶了“每日趋势榜”。这速度，比人类发现…

  
• 09.30 10:38:47
  发表了文章 2025-09-30 10:38:47

  腾讯混元图像3.0正式开源发布！80B，首个工业级原生多模态生图模型

  腾讯混元图像3.0，真的来了——开源，免费开放使用。 正式介绍一下：混元图像3.0（HunyuanImage 3.0），是首个工业级原生多模态生图模型，参数规模80B，也是目前测评效果最好、参数量最大的开源生图模型，效果可对…

  
• 09.30 10:35:04
  发表了文章 2025-09-30 10:35:04

  PDF解析迎来技术革新！阿里新产品实现复杂文档端到端结构化处理

  前言9月24日云栖大会现场，由阿里巴巴爱橙科技数据技术及产品团队自主研发的 PDF解析神器正式亮相并同步开源模型。这款基于Logics-Parsing模型构建的AI工具直指当前PDF解析领域的技术痛点，显著提升复杂文档的结构…

  
• 09.29 16:07:21
  发表了文章 2025-09-29 16:07:21

  云栖现场｜让评测与标注成为AI进化引擎！阿里发布全新评测平台，3大创新评测集亮相

  云栖现场｜让评测与标注成为AI进化引擎！阿里发布全新评测平台，3大创新评测集亮相

  
• 09.29 15:53:50
  发表了文章 2025-09-29 15:53:50

  科大讯飞开源星火化学大模型、文生音效模型

  近期，科大讯飞在魔搭社区（ModelScope）和Gitcode上开源两款模型：讯飞星火化学大模型Spark Chemistry-X1-13B、讯飞文生音频模型AudioFly，助力前沿化学技术研究，以及声音生成技术和应用的探索。
• 09.29 15:52:23
  发表了文章 2025-09-29 15:52:23

  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！

  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！
• 09.29 15:06:54
  发表了文章 2025-09-29 15:06:54

  LongCat-Flash-Thinking 正式发布，更强、更专业，保持极速！

  LongCat-Flash-Thinking 正式发布，更强、更专业，保持极速！
• 09.29 14:51:30
  发表了文章 2025-09-29 14:51:30

  全网寻！魔搭社区×小红书科技「模法师创造营」等你加入！

  寻找和魔搭、@科技薯 并肩同行的「模」法师 代码之外，一起成为技术布道师！
• 09.19 11:37:02
  发表了文章 2025-09-19 11:37:02

  重磅更新！ModelScope FlowBench 支持视频生成 + 图像编辑，AI创作全面升级！

  很高兴地向大家宣布，ModelScope FlowBench 客户端迎来重大功能升级！ 本次更新不仅正式支持了视频节点功能，还新增了图像编辑与IC-Light智能打光等实用功能，同时对多个图像处理节点进行了深度优化和扩展。现在，您只需在 FlowBench 中轻松串联节点，即可使用 Wan2.1/Wan2.2、Qwen-Image-Edit、FLUX Kontext、IC-Light等强大模型，轻松实现创意内容的生成与编辑。 无论你是内容创作者、视觉设计师，还是AI技术爱好者，这次更新都将为你打开全新的创作边界。
• 09.18 13:33:54
  发表了文章 2025-09-18 13:33:54

  ModelScope魔搭25年9月发布月报

  ModelScope魔搭25年9月发布月报
• 09.16 11:50:58
  发表了文章 2025-09-16 11:50:58

  四大公益场景，20万奖金！AI开源公益创新挑战赛邀你一起「小有可为」

  四大公益场景，20万奖金！AI开源公益创新挑战赛邀你一起「小有可为」
• 09.15 13:20:27
  发表了文章 2025-09-15 13:20:27

  一图全览魔搭社区@2025云栖大会安排

  一图全览魔搭社区@2025云栖大会安排
• 09.11 13:36:40
  发表了文章 2025-09-11 13:36:40

  腾讯混元生图模型升级2.1版本：支持写字、2k分辨率，开源！

  腾讯混元生图模型升级2.1版本：支持写字、2k分辨率，开源！
• 09.11 13:35:10
  发表了文章 2025-09-11 13:35:10

  不会编程也能体验的 AI 魔法，外滩大会代码原生地等你解锁

  不会编程也能体验的 AI 魔法，外滩大会代码原生地等你解锁
• 09.11 13:32:47
  发表了文章 2025-09-11 13:32:47

  魔搭社区携手AFAC2025金融智能创新大赛，共同孵化金融科技新星

  8月27日，在上海市科学技术委员会指导下，由北京大学、清华大学、复旦大学、香港大学、蚂蚁集团等近30家海内外顶级院校、头部企业、孵化器等机构联合发起的AFAC2025金融智能创新大赛总决赛路演圆满结束。
• 09.11 13:27:47
  发表了文章 2025-09-11 13:27:47

  通义实验室Mobile-Agent-v3开源，全平台SOTA的GUI智能体，支持手机电脑等多平台交互

  近日，通义实验室MobileAgent团队正式开源全新图形界面交互基础模型 GUI-Owl，并同步推出支持多智能体协同的自动化框架 Mobile-Agent-v3。该模型基于Qwen2.5-VL打造，在手机端与电脑端共8个GUI任务榜单中全面刷新开源模型性能纪录，达成全平台SOTA。
• 09.11 13:25:50
  发表了文章 2025-09-11 13:25:50

  冠军10万美金！AMD 2025 分布式推理算子优化挑战赛来了

  冠军10万美金！AMD 2025 分布式推理算子优化挑战赛来了
• 09.09 11:23:16
  发表了文章 2025-09-09 11:23:16

  B站开源IndexTTS2，用极致表现力颠覆听觉体验

  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 。
• 09.08 13:40:05
  发表了文章 2025-09-08 13:40:05

  腾讯混元 3D 世界模型家族又添新成员Voyager：支持超长距离漫游

  9 月 2 日，腾讯混元宣布，其3D世界模型系列最新成员——HunyuanWorld-Voyager（简称混元Voyager）发布并开源，这将推动AI在空间智能领域的应用扩展，为虚拟现实、物理仿真、游戏开发等领域提供高保真3D场景漫游能力，加速行业应用落地。
• 09.08 13:32:58
  发表了文章 2025-09-08 13:32:58

  Kimi K2 模型更新，带来更强的代码能力、更快的 API

  今天，Kimi K2 模型的最新版本 0905 开源发布，进一步提升其在真实编程任务中的表现