Qwen团队近日宣布开源其最新研发的多模态推理模型QVQ，标志着人工智能在视觉理解和复杂问题解决能力方面迈出了重要一步。该模型基于Qwen2-VL-72B构建，旨在通过结合语言和视觉信息，提升AI的推理能力。在MMMU评测中，QVQ取得了70.3的高分，并在多项数学相关基准测试中相较Qwen2-VL-72B-Instruct显示出显著的性能提升。

近日，IBM 宣布推出其开源语言模型 Granite 的3.1版本，此次更新带来了诸多重要改进。新版本的模型经过重新设计，采用了更加密集的架构，能够一次处理多达128，000个令牌。这一更新意味着 Granite 在处理复杂文本和任务时的能力得到了显著增强。Granite3.1版本的模型经过了12种语言和116种编程语言的数据集训练，总共处理了12万亿个令牌。这使得模型在语言理解和生成方面的表现更加出色，能够更好地满足用户的需求。IBM 表示，这些新模型在回答使用外部数据的问题（RAG）、从非结构化文本

据第一财经报道，DeepSeek 开源大模型 DeepSeek-V2的关键开发者罗福莉将加入小米，担任小米 AI 实验室的领导，并负责大模型团队的建设。这一消息引起了广泛关注，尤其是在小米计划加强其在大模型领域的布局之际。图源备注:图片由AI生成，图片授权服务商Midjourney据知情人士透露，小米创始人雷军对公司在 AI 大模型领域的起步较晚表示担忧，因此决定高薪挖角罗福莉。罗福莉的背景相当亮眼，她拥有北京大学计算语言学研究所的硕士学位，并在自然语言处理领域的顶级会议 ACL2019上发表了

开源AI模型管理工具Pinokio发布3.0版本，带来界面自定义、包管理优化和浏览器自动化等重要新功能，进一步简化了用户在本地部署和运行开源AI模型的流程。Pinokio 现在显示每个应用程序使用的磁盘空间量。此次更新的核心亮点包括:界面定制功能全面升级，用户现在可以通过CSS代码自由调整起始页、应用页面和终端的外观;包管理系统切换到UV作为Python的原生包管理器，提升了新包安装速度;新增磁盘空间占用显示功能，方便用户管理已安装应用;错误提示系统得到优化，取代了此前模糊的"ENO

阿布扎比技术创新研究院（TII）发布新一代开源AI模型Falcon3，凭借14万亿token的训练量和优化的架构设计，在消费级硬件上的性能表现创下新纪录。这一训练规模是其前代产品Falcon2的两倍有余。Falcon3系列共推出四种规格:1B、3B、7B和10B，每种规格均提供基础版和针对对话优化的Instruct版本。尽管专门提供英语、法语、西班牙语和葡萄牙语版本，但各型号都能处理大多数常用语言。在Hugging Face的第三方语言模型评测中，Falcon3击败了包括Meta的Llama-3.1-8B、Qwen2.5-7B、Mistral的NeMo-12B和谷歌的Gemma2-9B在

阿联酋政府支持的技术创新研究所（TII）近日宣布推出其新一代开源小型语言模型(SLM)——Falcon3系列。这一系列包括四个不同规模的模型:1B、3B、7B和10B，并提供基础版与指令版两种变体，旨在为开发人员、研究人员和企业提供一种高效且成本低廉的AI解决方案。这些模型的推出，标志着AI功能的进一步民主化，能够在轻量级的单GPU基础设施上运行，满足对计算资源有限的设备和应用场景的需求。图源备注:图片由AI生成，图片授权服务商MidjourneyFalcon3的表现已在Hugging Face排行榜上脱颖而出，超

麻省理工学院（MIT）科学家们最近发布了一款强大的开源人工智能模型，名为 Boltz-1。这一创新有望显著加速生物医学研究和药物开发。Boltz-1是首个完全开源的模型，能够在生物分子结构预测方面达到与谷歌 DeepMind 的 AlphaFold3相同的先进水平。该模型的开发团队来自 MIT Jameel 机器学习健康诊所，主要由研究生杰里米・沃尔文德和加布里埃尔・科尔索领导，合作团队还包括 MIT 的研究员萨罗・帕萨罗以及电气工程与计算机科学教授瑞吉娜・巴兹利和汤米・亚卡拉。在12月5日的发布会上，沃尔

近日，Meta 正式推出了一个名为 Leffa 的开源AI虚拟试穿框架。该框架旨在通过生成新图像来提升用户的穿衣体验，用户可以根据参考图像进行不同服装和姿势的切换。与以往的方法相比，Leffa 在保留细节和减少图像失真方面表现得更为出色。Leffa 的推出为在线购物和虚拟试穿带来了新的可能性。用户只需上传一张参考图片，系统就能基于该图片生成全新的穿搭效果。这意味着，消费者在购买衣物之前，可以更直观地了解这些服装在自己身上的效果，减少了因不合适而退换货的麻烦。Meta 表示

北京图森未来科技有限公司于2024年12月17日正式发布了其首款“图生视频”大模型——“Ruyi”，并将Ruyi-Mini-7B版本开源，以便用户从huggingface平台下载使用。图森未来成立于2015年，总部位于美国加利福尼亚州圣迭戈，专注于AI技术在多个行业的应用，包括动画游戏和交通运输行业。

随着人工智能的快速发展，视觉与语言能力的整合引发了视觉语言模型（VLMs）的突破性进展。这些模型旨在同时处理和理解视觉与文本数据，广泛应用于图像描述、视觉问答、光学字符识别以及多模态内容分析等场景。VLMs 在开发自主系统、增强人机交互以及高效文档处理工具方面发挥了重要作用，成功地弥合了这两种数据模态之间的差距。然而，在高分辨率视觉数据和多样化文本输入的处理上，仍然存在许多挑战。目前的研究已经部分解决了这些限制，但大多数模型采用的静态视觉编码

国内人工智能公司无问芯穹宣布开源其最新研发的端侧全模态理解 AI 模型 ——Megrez-3B-Omni。这一模型是全球首个此类开源项目，标志着该公司在 AI 领域的创新发展。与此同时，无问芯穹还推出了纯语言版本的模型 Megrez-3B-Instruct，以进一步丰富其产品线。无问芯穹成立于2023年5月，创始团队来自清华大学电子工程系。公司致力于打造高效的 AI 计算优化能力，以实现大模型的有效落地。其独特的解决方案包括 “端模型 + 端软件 + 端 IP” 的一体化智能系统，力求在多个芯片上实现多种大模型

Meta 公司近日发布了一项名为 Video Seal 的新型神经水印系统，该系统旨在帮助识别 AI 生成的视频，即使视频经过编辑也能有效追踪其来源。这种水印对于观众而言是不可见的，但可以通过检测来验证视频的真实性。Meta 将整套系统以 MIT 许可的开源软件形式发布，包括 Video Seal 水印模型、研究论文以及训练和推理代码。此外，Meta 还发布了一个交互式演示，允许用户亲自测试这项技术。除了 Video Seal 之外，Meta 还推出了两款辅助工具:Omni Seal Bench，用于比较不同类型媒体的神经水印性能;以及

昇思人工智能框架峰会成功举行，在此次峰会上，来自18个单位的代表发布了基于昇思框架的多项原生开发大模型成果。这一系列新进展标志着昇思在人工智能领域的快速发展与影响力提升。据预测，中国AI框架2024年新增市场昇思份额将达30%。自2020年开源以来，昇思 MindSpore 技术不断创新，其生态系统也日趋繁荣。目前，昇思已成功孵化并支持超过50个国内外主流大模型，这无疑为开发者提供了丰富的资源和便利。昇思开源版本的下载量已累计达到1100万次，覆盖全球130多个国家和地区，涉

随着人工智能（AI）、机器学习(ML)和高性能计算(HPC)在各行业的迅速发展，面对这些工作负载所带来的挑战，AMD 近日推出了 ROCm6.3，这是一个专为 AMD Instinct GPU 加速器设计的开源平台。该平台的推出旨在帮助开发人员应对计算资源、内存管理和优化软件方面的需求，提升工作效率。ROCm6.3集成了多项先进工具和优化功能，力求在性能与开发者友好性之间取得平衡。其中，SGLang 语言支持使得 AI 推理更加高效，能够流畅地执行复杂的模型。此外，重新设计的 FlashAttention-2则有效解决了 AI 训练与

如今，Deepfake 已经无孔不入。随着生成式 AI 的普及，网络上的虚假内容呈爆炸式增长。据身份验证平台 Sumsub 统计，2023年至2024年，全球 Deepfake 数量增加了4倍。2024年，Deepfake 占所有欺诈行为的7%，从身份冒充、账户盗用到复杂的社会工程攻击，无不涉及 Deepfake 的身影。为了有效打击 Deepfake，Meta 公司近日发布了一款工具，可以在 AI 生成的视频片段上添加难以察觉的水印。这款名为 Meta Video Seal 的工具于周四宣布开源，旨在集成到现有软件中。 该工具与 Meta 的其他水印工具 Watermark Anything（

在 AI 时代，大型语言模型（LLM）就像武林秘籍，其训练过程耗费巨大算力、数据，就像闭关修炼多年的武林高手。而开源模型的发布，就像高手将秘籍公之于众，但会附带一些许可证(如 Apache2.0和 LLaMA2社区许可证)来保护其知识产权(IP)。然而，江湖险恶，总有“套壳”事件发生。一些开发者声称自己训练了新的 LLM，实际上却是在其他基础模型（如 Llama-2和 MiniCPM-V）上进行包装或微调。 这就好像偷学了别人的武功，却对外宣称是自己原创的。为了防止这种情况发生，模型所有者和第三方迫

阿里巴巴达摩院联合魔搭社区ModelScope近期宣布开源一项新的多语言基准测试集P-MMEval，旨在全面评估大型语言模型（LLM）的多语言能力，并进行跨语言迁移能力的比较分析。这一测试集覆盖了基础和专项能力的高效数据集，确保了所有挑选的数据集中多语言覆盖的一致性，并提供了跨多种语言的并行样本，最高支持来自8个不同语族的10种语言，包括英语、中文、阿拉伯语、西班牙语、日语、韩语、泰语、法语、葡萄牙语和越南语。

在人工智能领域，后训练技术正逐渐成为提升模型性能的重要手段。近日，艾伦人工智能研究所（AI2）发布了 Tülu3系列模型，这是一套完全开源的先进语言模型，性能与 GPT-4o-mini 等闭源相媲美。Tülu3不仅包含了模型数据、代码、训练配方，还提供了评估框架，旨在推动开源模型后训练技术的发展。传统上，仅经过预训练的模型往往无法有效满足实际应用需求，可能会产生有毒或危险的信息，且难以遵循人类指令。因此，后训练阶段如指令微调和人类反馈学习显得尤为重要。然而，如何优

北京智源人工智能研究院（BAAI）近日宣布推出一款创新的3D生成模型See3D，该模型能够利用大规模无标注的互联网视频进行学习。这一技术突破标志着向“See Video， Get3D”的理念迈进了重要一步。See3D模型不依赖于传统的相机参数，而是采用视觉条件技术，仅通过视频中的视觉线索生成相机方向可控且几何一致的多视角图像。这种方法避免了昂贵的3D或相机标注的需求，能够高效地从互联网视频中学习3D先验。

近日，上海 AI 实验室宣布推出书生·万象InternVL2.5模型。这款开源多模态大型语言模型以其卓越的性能，成为首个在多模态理解基准(MMMU)上超过70%准确率的开源模型，与商业模型如GPT-4o和Claude-3.5-Sonnet等的性能相媲美。