AI 初创公司 Moondream 正式宣布完成450万美元的种子融资，并提出了一个颇具颠覆性的观点:在 AI 模型的世界里，小型模型可能更具优势。该公司得到了 Felicis Ventures、微软的 M12GitHub 基金和 Ascend 的支持，推出了一款仅有16亿参数的视觉语言模型，却能够与四倍于其规模的模型在性能上相媲美。Moondream 的开源模型已经引起了广泛关注，下载量超过200万次，GitHub 上的星标也达到了5100个。公司的首席执行官 Jay Allen 表示:“这个模型特别之处在于，它不仅小巧而且准确度高，运行起来也非常顺畅，

最近，AI 视频公司 Genmo 宣布推出 Mochi1，这是一个全新的开源视频生成模型，用户可以通过文本提示生成高质量的视频。Mochi1的表现被认为与当前市场上领先的闭源竞争对手如 Runway、Luma AI 的 Dream Machine、快手的 可灵、Minimax 的 Hailuo 等等相媲美，甚至更优。该模型在 Apache2.0许可证下开放，用户无需支付费用就能享受到尖端的视频生成技术，而其他竞争产品的收费标准则从有限的免费计划到每月高达94.99美元不等。用户可以在 Hugging Face 上免费下载 Mochi1的模型权重和代码，不过，想要在个人

艾伦人工智能研究所（AI2）发布了一款开源大型语言模型OLMoE，旨在提供高性能与低成本的解决方案。该模型采用稀疏混合专家（MoE）架构，拥有70亿参数，但通过智能路由机制，每个输入标记仅使用10亿参数，实现高效计算。OLMoE包含通用与指令调优两个版本，支持4096标记的上下文窗口。其训练数据来源广泛，包括Common Crawl、Dolma CC和维基百科等。在性能测试中，OLMoE在多项指标上优于其他相似参数模型，甚至在某些情况下超越了更大规模的模型。AI2的目标是通过提供完全开源的AI模型，推动学术研究与开发，促进混合专家架构的广泛应用。

微软发布Phi-3.5-vision，一款轻量级、多模态开源AI模型，专为处理文本和视觉输入设计，支持128K上下文长度。该模型适用于资源受限环境，具备图像理解、OCR、图表解析、多图像摘要等功能，展现出色性能和低延迟。由42亿参数构成，通过高质量数据训练，确保性能和隐私。包含三款模型：轻量级AI、专家混合和多模态模型，均在图像和视频处理基准测试中表现出优异成绩。此模型适合AI驱动应用，特别是端侧运行和复杂视觉推理，提供强大支持。

腾讯混元文生图大模型（HunyuanDiT）近日联合社区发布了三款新的可控制插件ControlNet，分别为tile(高清放大)、inpainting(图像修复与扩充)和lineart(线稿生图)，进一步扩展了其ControlNet矩阵。这些插件的加入，使得混元DiT模型能够覆盖更广泛的应用场景

​上海人工智能实验室在2024年7月4日的WAIC科学前沿主论坛上推出了书生·浦语系列模型的新版本InternLM2.5。这个版本在复杂场景下的推理能力得到了全面增强，支持1M超长上下文，并能自主进行互联网搜索及整合上百个网页的信息。

FLUX.1，一款由AI图像生成领域权威专家Robin Rombach推出的开源大模型平台，以120亿参数的Vision Transformer架构，采用流程匹配训练方法和旋转位置嵌入等技术，大幅超越了DALL·E3、Midjourney V6等闭源模型及SD3系列。在性能上，FLUX.1在文本语义还原、图片质量、动作一致性、连贯性和多样性方面，甚至在文本生成图片方面均优于主流模型，尤其是其开源的Schnell版本，性能卓越。FLUX.1还计划推出文生视频模型，挑战Sora、Gen-3、Luma等一线产品。其开源特性，让开发者和AI爱好者在拥有36G以上显存的电脑上运行AI图像生成模型成为可能。FLUX.1的出现，为开源AI图像生成领域带来新希望，加速了AI图像生成技术的普及和创新，普通用户有望在家用电脑上体验媲美甚至超越Midjourney的AI图像生成模型。

Meta推出了Llama3.1开源模型系列，包含405B参数版本，性能媲美GPT-4。其中，8B参数版本Llama3.1-8B-Instruct支持多国语言，上下文长度达131072tokens，通过2500万条合成数据训练，展现出与GPT3.5Turbo相似的认知和推理能力。OpenBuddy基于此模型，发布支持中文问答和跨语言翻译的OpenBuddy-Llama3.1-8B-v22.1-131K，尽管在中文知识特别是传统文化方面有限，但长文理解能力相对稳定。未来计划对更大模型进行更大规模训练，以增强中文知识和认知能力。

Meta AI发布的Llama3.1模型在性能上与顶级闭源模型并驾齐驱，标志着开源AI重大突破。这是新一代大型语言模型，经过优化的训练栈和大规模GPU计算资源支持，实现多项技术亮点。包括上下文长度扩展至128K，支持8种语言，以及在多个测试领域展现卓越能力。通过迭代的post-training流程，模型不断提高性能，特别是在遵循指令、一致性、多语言翻译上表现出色。Llama3.1在15万亿token上进行的训练是业界首次，采用标准仅解码器的Transformer架构并进行了改进。Meta强调开源AI的开放性、可修改性和成本效率，它将推动AI技术的普及和发展。与多家公司合作发展生态系统，Llama3.1的发布预示开源AI可能成为行业标准，为AI的广泛应用辟新径。

在最近举行的世界人工智能大会上，百度创始人李彦宏和阿里云CTO周靖人就开源模型的重要性发表了不同的看法。

在上海世界人工智能大会上，阿里云CTO周靖人宣布了通义大模型和阿里云百炼平台的最新发展。通义千问开源模型的下载量在两个月内增长了两倍，超过了2000万次。同时，阿里云百炼服务的客户数从9万增加至23万，实现了超过150%的增长。

DeepSeek 最近宣布发布了一款名为 DeepSeek-Coder-V2的开源模型，这一模型在代码和数学能力方面超越了 GPT-4-Turbo，并在多语言支持和上下文处理长度上有了显著扩展。基于 DeepSeek-V2的模型结构，DeepSeek-Coder-V2采用专家混合（MoE）架构，专门设计用于增强代码和数学推理能力。

["零一万物公司宣布开源Yi-9B模型","Yi-9B是Yi系列模型中代码和数学能力最强的模型","Yi-9B在综合能力、代码能力、数学能力方面表现优异","Yi-9B可以轻松部署在消费级显卡上","公司由李开复创新工场董事长兼CEO创办"]

["Google与HuggingFace近日宣布战略合作，旨在推动开放AI和机器学习的发展。","这一合作将集成HuggingFace的平台与GoogleCloud的基础设施，包括VertexAI，旨在使生成式AI更易于开发者使用。","合作支持开发者在Google Cloud上快速、经济高效地训练、调整和服务开放模型，利用AI优化基础设施如TPUs和GPUs。"]

["Mistral AI成立仅半年,完成了1.13亿和4.15亿两轮融资,估值从2.6亿美元飙升至20亿美元","Mistral AI发布开源模型Mixtral 8x7B,性能直逼GPT-4","Mistral AI被视为“法国的OpenAI”,得到了马克龙总统的大力支持","Mistral AI通过开源与差异化定位,瞄准与OpenAI一决高下"]

["猎户星空发布了基于零一万物开源的 OrionStar-Yi-34B-Chat 模型，可免费商用。","该模型在 C-Eval 和 C-MMLU 两个中文评估基准中表现出色。","OrionStar-Yi-34B-Chat 是 ChatGPT 的优秀开源替代品之一。","模型具有高性能、完全开源和免费商用的优势。","猎户星空是人工智能服务型解决方案提供商，主要产品有 AI 语音交互机器人和 AI 新零售机器人。"]

["招联消费金融发布了消费金融行业首个 130 亿参数的开源大模型 “招联智鹿”，该模型在通用知识领域获得了权威认可。","该模型具有高精度和金融专业知识，能够满足定制化需求，提高工作效率并降低成本。","该模型将应用于风控管理、代码生成、运营提升等细分场景，并继续探索智能体技术和科技向善。","招联消费金融的开源模型 “招联智鹿” 在权威榜单 C-Eval 和 CMMLU 上名列前茅，为消费金融行业带来了重要的技术进步。","该模型的发布标志着消费金融行业迈出了智能化发展的重要一步，为行业的提升和创新带来了新的机遇。"]

["加州大学圣克鲁斯分校研发 MiniGPT-5 模型，实现了文本和图像的有效对齐。","MiniGPT-5 采用了多模态编码器和 Generative Vokens 技术，生成连贯、高质量的文本和图像。","模型在多个数据集上的测试中表现优于对比基线，展现出强大的适应能力。"]