蚝油菜花_个人页

2025年04月

• 04.30 22:57:23
  发表了文章 2025-04-30 22:57:23

  Kimi-Audio：月之暗面开源音频大模型，1300万小时训练重塑语音交互

  Kimi-Audio是月之暗面推出的开源音频基础模型，基于1300万小时多样化音频数据训练，采用混合输入架构和流式解码技术，支持语音识别、情感分析等十余种音频处理任务。

  
• 04.30 22:57:05
  发表了文章 2025-04-30 22:57:05

  小米7B参数推理大模型首次开源！Xiaomi MiMo：数学代码双杀，超越32B巨头

  小米开源的MiMo推理大模型通过联动预训练与强化学习算法，在7B参数规模下实现数学推理与代码生成能力的突破性提升，技术报告显示其性能超越部分32B级模型。

  
• 04.30 22:56:48
  发表了文章 2025-04-30 22:56:48

  这个AI把arXiv变成代码工厂，快速复现顶会算法！Paper2Code：AI论文自动转代码神器，多智能体框架颠覆科研复现

  Paper2Code是由韩国科学技术院与DeepAuto.ai联合开发的多智能体框架，通过规划、分析和代码生成三阶段流程，将机器学习论文自动转化为可执行代码仓库，显著提升科研复现效率。

  
• 04.30 22:56:33
  发表了文章 2025-04-30 22:56:33

  阿里通义开源新一代混合推理模型 Qwen3：创新双模式推理，支持"思考模式"和"非思考模式"

  Qwen3是阿里巴巴推出的新一代大型语言模型，支持119种语言和两种推理模式，采用四阶段训练流程和Apache 2.0协议开源，提供从0.6B到235B的多种模型配置。

  
• 04.26 00:36:19
  发表了文章 2025-04-26 00:36:19

  Open Avatar Chat：阿里开源实时数字人对话系统，让AI对话实现2.2秒低延迟交互

  Open Avatar Chat是阿里开源的模块化数字人对话系统，支持文本/音频/视频多模态交互，采用可替换组件设计，平均响应延迟仅2.2秒，为开发者提供灵活高效的解决方案。

  
• 04.26 00:36:02
  发表了文章 2025-04-26 00:36:02

  Cooragent：清华 LeapLab 开源 AI Agent 协作框架，一句话召唤AI军团！

  Cooragent 是清华大学 LeapLab 团队推出的开源 AI Agent 协作框架，支持基于简单描述快速创建 Agent 并实现多 Agent 协作，具备 Prompt-Free 设计和本地部署能力。

  
• 04.26 00:35:44
  发表了文章 2025-04-26 00:35:44

  LongPort MCP：证券业首个券商MCP，AI赋能智能投资新时代，散户也能玩转机构级交易

  LongPort MCP是长桥集团推出的证券行业首个券商模型上下文协议，通过标准化接口实现AI与金融服务的无缝对接，支持自然语言交互的智能投资服务。

  
• 04.26 00:34:15
  发表了文章 2025-04-26 00:34:15

  RAGEN：RL训练LLM推理新范式！开源强化学习框架让Agent学会多轮决策

  RAGEN是一个基于StarPO框架的开源强化学习系统，通过马尔可夫决策过程形式化Agent与环境的交互，支持PPO、GRPO等多种优化算法，显著提升多轮推理训练的稳定性。

  
• 04.25 11:56:29
  发表了文章 2025-04-25 11:56:29

  高考理科题AI秒解！昆仑万维开源多模态推理模型 Skywork-R1V 2.0

  Skywork-R1V 2.0是昆仑万维最新开源的多模态推理模型，通过混合强化学习和多模态奖励模型实现复杂推理任务，在理科题目解答和科研分析中展现出色性能。

  
• 04.25 11:56:03
  发表了文章 2025-04-25 11:56:03

  开源8B参数全能扩散模型Flex.2-preview：把线稿变商稿，还能边画边改！

  Flex.2-preview是Ostris开源的80亿参数文本到图像扩散模型，支持512token长文本输入和多类型控制引导，内置修复功能并兼容主流AI绘画工具链。

  
• 04.25 11:55:43
  发表了文章 2025-04-25 11:55:43

  OpenAI 最新多模态图像生成模型 GPT-image-1：一句话生成商业图+智能修图

  GPT-image-1是OpenAI推出的新一代多模态图像生成模型，通过API提供专业级图像生成与编辑能力，支持多种分辨率、格式和艺术风格定制。

  
• 04.25 11:55:24
  发表了文章 2025-04-25 11:55:24

  让AI看懂图像每个像素！英伟达推出多模态大模型 DAM-3B：图像视频局部描述精度提升300%

  英伟达推出的DAM-3B多模态大语言模型，通过创新的焦点提示技术和局部视觉骨干网络，实现了对图像和视频中特定区域的精准描述生成，为内容创作和智能交互领域带来全新可能。

  
• 04.25 11:55:07
  发表了文章 2025-04-25 11:55:07

  让AI看懂3小时长视频！Eagle 2.5：英伟达推出8B视觉语言模型，长视频理解能力碾压72B大模型

  Eagle 2.5是英伟达推出的8B参数视觉语言模型，通过创新训练策略在长视频和高分辨率图像理解任务中超越更大规模模型，支持512帧视频输入和多样化多模态任务。

  
• 04.24 09:55:27
  发表了文章 2025-04-24 09:55:27

  让AI单次生成4万字！WriteHERE：开源AI长文写作框架，单次生成超长文本，小说报告一键搞定！

  WriteHERE是基于异质递归规划技术的开源AI写作框架，能动态分解写作任务并管理任务依赖关系，支持单次生成超过4万字的专业报告。

  
• 04.24 09:55:05
  发表了文章 2025-04-24 09:55:05

  AI生成视频告别剪辑拼接！MAGI-1：开源自回归视频生成模型，支持一镜到底的长视频生成

  MAGI-1是Sand AI开源的全球首个自回归视频生成大模型，采用创新架构实现高分辨率流畅视频生成，支持无限扩展和精细控制，在物理行为预测方面表现突出。

  
• 04.24 09:54:48
  发表了文章 2025-04-24 09:54:48

  Yuxi-Know：开源智能问答系统，基于大模型RAG与知识图谱技术快速构建知识库

  Yuxi-Know是一个结合大模型RAG知识库与知识图谱技术的智能问答平台，支持多格式文档处理和复杂知识关系查询，具备多模型适配和智能体拓展能力。

  
• 04.24 09:54:28
  发表了文章 2025-04-24 09:54:28

  全球首款开源通用型AI智能体上线！Suna：自动处理Excel/爬数据/写报告等复杂任务一句话搞定

  Suna是由Kortix推出的开源通用型AI智能体项目，通过自然语言交互实现浏览器自动化、文件管理、数据分析等复杂任务处理，支持自托管部署，为研究分析和日常工作提供智能辅助。

  
• 04.24 09:54:06
  发表了文章 2025-04-24 09:54:06

  让AI读懂K线图！ChatTS-14B：字节开源的时间序列理解和推理大模型，自然语言提问秒解趋势密码！

  ChatTS-14B是字节跳动开源的时间序列专用大模型，基于Qwen2.5-14B微调优化，通过合成数据对齐技术显著提升分析能力，支持自然语言交互完成预测推理等复杂任务。

  
• 04.24 09:53:34
  发表了文章 2025-04-24 09:53:34

  微软开源Windows桌面智能体操作系统！UFO²：一句话调度多应用，自动协同工作

  UFO²是微软推出的Windows桌面多智能体操作系统，通过中央HostAgent协调多个AppAgent实现跨应用任务自动化，结合GUI交互和原生API调用提升执行效率，支持虚拟桌面隔离运行。

  
• 04.24 09:53:09
  发表了文章 2025-04-24 09:53:09

  机器人训练师狂喜！Infinite Mobility：上海AI Lab造物神器1秒生成可动家具，成本只要1分钱

  上海AI Lab推出的Infinite Mobility采用程序化生成技术，可高效生成22类高质量可交互物体，单个生成仅需1秒且成本低至0.01元，已应用于机器人仿真训练等领域。

  
• 04.24 09:52:48
  发表了文章 2025-04-24 09:52:48

  白板秒变IDE，草图直接生成可运行代码！Pad.ws：白板+代码编辑器深度结合，创意到实现无缝衔接

  Pad.ws是一款创新的在线开发环境，将交互式白板与完整IDE工具深度结合，支持多人实时协作和多种编程语言，无需安装即可通过浏览器访问。

  
• 04.24 09:52:22
  发表了文章 2025-04-24 09:52:22

  还在想开题报告？SurveyGO卷姬：清华开源学术论文AI写作神器，一键生成文献综述

  SurveyGO是清华与面壁智能联合开源的AI论文写作工具，采用LLMxMapReduce-V2技术实现文献智能聚合，能根据用户输入主题快速生成结构严谨、引用可靠的学术综述。

  
• 04.24 09:51:56
  发表了文章 2025-04-24 09:51:56

  「社会实验室」成真！SocioVerse：复旦联合小红书开源社会模拟世界模型，用AI预演群体行为

  SocioVerse是由复旦大学联合小红书等机构开源的社会模拟框架，基于大语言模型和千万级真实用户数据构建，能精准模拟群体行为并预测社会事件演化趋势。

  
• 04.22 09:34:53
  发表了文章 2025-04-22 09:34:53

  音乐人必看！OpenUtau：开源AI歌声合成神器，快速打造专业级虚拟歌手，中文日文无缝切换

  OpenUtau是一款开源的歌声合成工具，兼容UTAU音源库和重采样器，支持多语言界面及预渲染功能，让音乐创作更加高效便捷。

  
• 04.22 09:34:32
  发表了文章 2025-04-22 09:34:32

  这个AI能拍无限长电影！SkyReels-V2：昆仑万维开源无限时长电影生成模型！

  SkyReels-V2是昆仑万维推出的突破性视频生成模型，基于扩散强迫框架和多模态大语言模型技术，支持生成理论上无限时长的连贯视频内容，在影视制作、广告创意等领域展现强大潜力。

  
• 04.22 09:34:15
  发表了文章 2025-04-22 09:34:15

  只管提需求，AI来帮你修图！ImagePulse：魔搭开源图像处理神器！原子级数据集让AI秒懂修图指令

  ImagePulse是魔搭社区推出的开源项目，通过构建原子能力数据集支持下一代图像理解与生成模型，包含修改、缩放、风格迁移等专项数据集。

  
• 04.22 09:33:58
  发表了文章 2025-04-22 09:33:58

  视觉分词器突破天花板！GigaTok：港大字节联手打造3B参数视觉分词器，突破图像生成瓶颈

  GigaTok是香港大学与字节跳动联合研发的3B参数视觉分词器，通过语义正则化技术和创新架构设计，解决了图像重建与生成质量间的矛盾，显著提升自回归模型的表示学习能力。

  
• 04.22 09:33:37
  发表了文章 2025-04-22 09:33:37

  快速生成商业级高清图！SimpleAR：复旦联合字节推出图像生成黑科技，5亿参数秒出高清大图

  SimpleAR是复旦大学与字节Seed团队联合研发的自回归图像生成模型，仅用5亿参数即可生成1024×1024分辨率的高质量图像，在GenEval等基准测试中表现优异。

  
• 04.22 09:33:17
  发表了文章 2025-04-22 09:33:17

  从虚拟到现实！Aether：上海AI Lab开源的生成式世界模型，4D动态重建+视觉规划全搞定

  Aether是上海AI Lab开源的生成式世界模型，通过三维时空建模与生成式建模的深度融合，实现了4D动态重建、动作条件视频预测和目标导向视觉规划三大核心能力。

  
• 04.21 21:51:25
  发表了文章 2025-04-21 21:51:25

  谷歌开源量化模型 Gemma 3 QAT：显存需求直降75%，消费级GPU轻松跑大模型！

  Gemma 3 QAT是谷歌最新推出的量化优化开源模型，通过量化感知训练技术显著降低显存需求，同时保持高性能，使大模型能在消费级硬件上高效运行。

  
• 04.20 22:43:56
  发表了文章 2025-04-20 22:43:56

  斯坦福黑科技让笔记本GPU也能玩转AI视频生成！FramePack：压缩输入帧上下文长度！仅需6GB显存即可生成高清动画

  斯坦福大学推出的FramePack技术通过压缩输入帧上下文长度，解决视频生成中的"遗忘"和"漂移"问题，仅需6GB显存即可在普通笔记本上实时生成高清视频。

  
• 04.20 22:43:35
  发表了文章 2025-04-20 22:43:35

  微软黑科技让《我的世界》自主探索！MineWorld：微软开源实时交互式世界模型，实时生成游戏画面!

  MineWorld是微软研究院基于《我的世界》开发的实时交互式世界模型，采用视觉-动作自回归Transformer架构，通过创新的并行解码算法实现每秒4-7帧的生成速度，在视频质量、可控性和推理速度上均超越现有模型。

  
• 04.20 22:43:15
  发表了文章 2025-04-20 22:43:15

  FastAPI开发者福音！FastAPI-MCP：将FastAPI秒变MCP服务器的开源神器，无需配置自动转换！

  FastAPI-MCP是一款能将FastAPI应用端点自动转换为符合模型上下文协议(MCP)的开源工具，支持零配置自动发现接口并保留完整文档和模式定义。

  
• 04.19 18:26:34
  发表了文章 2025-04-19 18:26:34

  AI视频生成也能自动补全！Wan2.1 FLF2V：阿里通义开源14B视频生成模型，用首尾两帧生成过渡动画

  万相首尾帧模型是阿里通义开源的14B参数规模视频生成模型，基于DiT架构和高效视频压缩VAE，能够根据首尾帧图像自动生成5秒720p高清视频，支持多种风格变换和细节复刻。

  
• 04.19 18:26:12
  发表了文章 2025-04-19 18:26:12

  用AI体验瞬息全宇宙！InstantCharacter：腾讯混元开源角色定制图像生成神器，一键打造你的专属角色

  InstantCharacter是腾讯混元团队基于扩散Transformer架构开发的开源图像生成工具，通过可扩展适配器和大规模角色数据集实现高保真、角色一致性的图像生成，支持单图输入和文本控制。

  
• 04.19 18:25:55
  发表了文章 2025-04-19 18:25:55

  基于DeepSeek R1改进的AI安全模型！MAI-DS-R1：微软开源AI安全卫士，敏感话题响应率高达99.3%

  微软开源的MAI-DS-R1是基于DeepSeek R1改进的AI模型，通过后训练优化将敏感话题响应率提升至99.3%，同时将有害内容风险降低50%，保持原版推理能力并增强多语言支持。

  
• 04.18 14:41:08
  发表了文章 2025-04-18 14:41:08

  多模态交互3D建模革命！Neural4D 2o：文本+图像一键生成高精度3D内容

  Neural4D 2o是DreamTech推出的突破性3D大模型，通过文本、图像、3D和运动数据的联合训练，实现高精度3D生成与智能编辑，为创作者提供全新的多模态交互体验。

  
• 04.18 14:40:51
  发表了文章 2025-04-18 14:40:51

  多模态模型卷王诞生！InternVL3：上海AI Lab开源78B多模态大模型，支持图文视频全解析！

  上海人工智能实验室开源的InternVL3系列多模态大语言模型，通过原生多模态预训练方法实现文本、图像、视频的统一处理，支持从1B到78B共7种参数规模。

  
• 04.18 14:40:30
  发表了文章 2025-04-18 14:40:30

  数学编程视觉全能王！OpenAI 推出 o4-mini：视觉推理能力碾压前代，屠榜AIME

  OpenAI最新推出的o4-mini小型推理模型在数学、编程和视觉任务中表现卓越，支持多模态推理和工具调用，性能超越前代的同时保持高性价比。

  
• 04.18 14:40:12
  发表了文章 2025-04-18 14:40:12

  这个AI模型证明数学定理比人类快10倍！Kimina-Prover：月之暗面联合Numina推出数学定理证明黑科技

  Kimina-Prover是由月之暗面与Numina团队合作开发的大型数学定理证明模型，采用强化学习训练，在Lean 4语言中严谨证明数学定理，在miniF2F基准测试中创下80.7%的新高成绩。

  
• 04.18 14:39:54
  发表了文章 2025-04-18 14:39:54

  让AI学会"看屏幕操作"！豆包1.5·UI-TARS：字节跳动推出 GUI Agent 黑科技，办公效率暴增300%

  字节跳动推出的豆包1.5·UI-TARS是首个整合视觉理解、逻辑推理与界面操作的GUI Agent模型，无需预定义规则即可完成复杂图形界面交互任务，已在火山方舟平台提供服务。

  
• 04.18 14:39:35
  发表了文章 2025-04-18 14:39:35

  自然语言生成代码一键搞定！Codex CLI：OpenAI开源终端AI编程助手，代码重构+测试全自动

  Codex CLI是OpenAI推出的轻量级AI编程智能体，基于自然语言指令帮助开发者高效生成代码、执行文件操作和进行版本控制，支持代码生成、重构、测试及数据库迁移等功能。

  
• 04.18 14:39:17
  发表了文章 2025-04-18 14:39:17

  让AI听懂你的建模需求！BlenderMCP：自然语言指令直接操控 Blender，一句话生成复杂3D场景

  BlenderMCP通过MCP协议实现Blender与Claude AI的无缝集成，支持通过自然语言指令完成3D建模、材质调整等复杂操作，显著提升创作效率。

  
• 04.17 22:00:53
  发表了文章 2025-04-17 22:00:53

  医学AI推理新突破！MedReason：这个AI把医学论文变「会诊专家」，8B模型登顶临床问答基准

  MedReason是由多国顶尖学术机构联合开发的医学推理框架，通过知识图谱增强大模型在医疗领域的逻辑推理能力，其8B参数模型在复杂临床场景中达到最先进水平。

  
• 04.17 22:00:30
  发表了文章 2025-04-17 22:00:30

  AI对话像真人！交交：上海交大推出全球首个口语对话情感大模型，支持多语言与实时音色克隆

  上海交通大学推出的交交是全球首个纯学术界自研的口语对话情感大模型，具备多语言交流、方言理解、角色扮演和情感互动等能力，通过创新技术实现端到端语音对话和实时音色克隆。

  
• 04.17 22:00:11
  发表了文章 2025-04-17 22:00:11

  测试工程师要失业？Magnitude：开源AI Agent驱动的端到端测试框架，让Web测试更智能，自动完善测试用例！

  Magnitude是一个基于视觉AI代理的开源端到端测试框架，通过自然语言构建测试用例，结合推理代理和视觉代理实现智能化的Web应用测试，支持本地运行和CI/CD集成。

  
• 04.17 21:59:50
  发表了文章 2025-04-17 21:59:50

  32B参数碾压千亿模型？GLM-Z1-32B：智谱开源新一代推理模型，数学代码逻辑全制霸

  GLM-Z1-32B是智谱开源的32B参数推理模型，基于GLM-4-32B深度优化，在数学、代码和逻辑任务上表现卓越，推理速度高达200 tokens/s，支持轻量化部署和商用场景。

  
• 04.17 21:59:33
  发表了文章 2025-04-17 21:59:33

  GLM-4-32B：智谱开源新一代基座模型，代码生成与推理能力全面升级

  GLM-4-32B是智谱公司推出的320亿参数开源基座模型，基于15T高质量数据训练，在代码生成、逻辑推理和多模态处理方面表现优异，支持多种编程语言实时交互。

  
• 04.17 21:59:13
  发表了文章 2025-04-17 21:59:13

  这个开源AI平台把文生图/音/字全包了！Pollinations.AI：提供完全免费的AI内容生成

  Pollinations.AI 是一个开源的AI内容生成平台，提供免费的文本、图像、音频生成及转换API，无需注册即可使用，支持多种模型和自定义参数，适合开发者和创作者快速集成。

  
• 04.17 21:58:52
  发表了文章 2025-04-17 21:58:52

  导演失业预警！Seaweed-7B：字节7B参数模型让剧本自动变电影！20秒长镜头丝滑生成

  Seaweed-7B是字节跳动推出的70亿参数视频生成模型，支持从文本、图像或音频生成高质量视频内容，具备长镜头生成、实时渲染等先进特性，通过优化架构显著降低计算成本。