字节跳动旗下豆包大模型团队近日宣布，成功攻克混合专家模型（MoE）架构的关键瓶颈，并开源一项名为COMET的重大优化技术。该技术显著提升了大模型的训练效率，实现了高达1.7倍的效率提升，并有效降低了40%的训练成本。图源备注：图片由AI生成，图片授权服务商Midjourney据介绍，COMET技术已在字节跳动的万卡集群训练中得到实际应用，累计节省了数百万GPU小时的训练算力。与近期DeepSeek开源的DualPipe等MoE优化方案相比，COMET具有更强的兼容性和便捷性，能够像插件一样直接接入现有的MoE训

最近，科技圈和开发者社区都被一个名为 Browser Use 的开源项目刷屏了!这款工具如同给AI插上了翅膀，让它们能够像人类一样自如操控浏览器，用自然语言就能指挥AI自动完成各种网页任务，其强大的自动化能力和灵活的部署方式，瞬间引燃了全球科技爱好者的热情，在X平台（原推特）上掀起滔天巨浪。Browser Use 正以燎原之势，推动着AI在浏览器自动化领域的应用边界不断拓展。Browser Use 究竟是何方神圣，竟能引发如此巨大的关注? 这款托管在GitHub上的开源项目，目标直指赋予AI代理强大的浏

近日，魔乐社区（Modelers）正式上线了由阶跃星辰研发的 Step-Video 和 Step-Audio 两款开源多模态大模型。这两款模型分别用于视频生成和语音交互，旨在为开发者和企业用户提供更强大的 AI 工具。Step-Video 模型的全名为 Step-Video-T2V，这是一款参数量高达300亿的全球最大开源视频生成模型。该模型能够直接生成204帧、540P 分辨率的高质量视频，并在指令遵循、运动平滑性、物理合理性以及美感等方面，表现超越了市场上现有的顶尖开源视频模型。另一方面，Step-Audio 则是业内首款能够生成多种情

Heygem 是一款为 Windows 系统设计的全新离线视频合成工具，它能精准克隆用户的外貌和声音，将个人形象数字化。该工具支持用户通过文本和语音驱动虚拟形象进行视频创作，整个过程无需互联网连接，确保用户隐私安全。Heygem 的核心功能包括精确的外貌和声音克隆。其使用先进的 AI 算法，能够高精度地捕捉用户的面部特征与轮廓，构建出逼真的虚拟模型。同时，它还能克隆用户的声音，捕捉到语音的细微特征，支持多种声音参数设置，创造出高度相似的克隆效果。此外，Heygem 具备文本和

Docker 的创始人所罗门・海克斯（Solomon Hykes）在社交媒体平台 X 上宣布，他可能开发出了一个开源的替代工具，以对抗 Anthropic 推出的 Claude Code。这个新工具是 Dagger 的组成部分，Dagger 是一个用于组合工作流的开源运行时环境。Claude Code 是 Anthropic 推出的一款智能编码工具，随 Claude3.7Sonnet 一同发布。该工具集成在终端中，旨在帮助开发者以更快的速度编写代码，而无需复杂的设置。此外，Claude Code 还帮助 Anthropic 加快了内部开发流程。Dagger 的新模块系统允许开发者将智能特性作为模块组件

近日，思科公司宣布成立一个新的开源组织 ——AGNTCY。该组织的目标是为 AI 代理的构建和协同工作提供关键基础设施。思科希望通过这一组织，能够集结 AI 和基础设施领域的专业人士，共同推动开放、可互操作的代理互联网的发展。图源备注：图片由AI生成，图片授权服务商Midjourney在正式宣布成立 AGNTCY 的同时，思科呼吁各界专家积极参与，贡献自己的知识和技能。思科认为，大家的参与对于创建一个服务于所有人的开放平台至关重要，只有通过广泛的合作，才能实现跨供应商和组织的

在全球最大的 AI 开源社区 HuggingFace 的最新更新中，阿里巴巴近期推出的通义千问推理模型 QwQ-32B 成功夺得了大模型榜单的第一名。这一模型在刚发布后便引起了广泛关注，超越了诸如微软的 Phi-4和 DeepSeek-R1等知名模型，展现出了强大的性能。QwQ-32B 模型在数学、代码处理及通用能力等多个方面都取得了质的飞跃，特别是其参数数量较小的特点，使得其整体性能能够与 DeepSeek-R1相媲美。此外，该模型的设计让用户能够在消费级显卡上实现本地部署，极大降低了模型应用的成本。这一突破为更

阿里巴巴达摩院开源了一款多语言大型语言模型Babel，其宏伟目标正是弥合语言鸿沟，让AI能够理解并使用全球九成以上人口的语言进行交流。当前许多大型语言模型往往更青睐英语、法语、德语等资源丰富的语言。然而，如同全球会议中鲜少被提及的小语种使用者一样，印地语、孟加拉语、乌尔都语等拥有庞大用户群体的语言在AI领域也常常被忽视。阿里巴巴的Babel正是要改变这种局面。它支持全球使用人数最多的前25种语言，覆盖了超过90%的世界人口。更值得称赞的是，Babel还将目光投向

随着开源 AI 框架的快速发展，开发者们在部署 AI 模型时获得了前所未有的灵活性。Portkey AI Gateway 作为一款开源项目，旨在简化 AI 模型的编排，提供统一的 API 接口，助力开发者轻松整合多种 AI 模型。除了支持大型语言模型（LLMs），Portkey 还涵盖了视觉、音频(文本转语音和语音转文本)、图像生成等多模态生成 AI 模型。图源备注：图片由AI生成，图片授权服务商MidjourneyPortkey AI Gateway 的设计初衷在于解决开发者在集成和管理多个 LLM 提供商时面临的诸多挑战，包括供应商锁定、不同模型性能

3月6日，开源技术生态领军企业开源中国（开源共识(上海）网络技术有限公司)宣布完成数亿元C轮融资。本轮融资由北京信息产业发展投资基金(北京信产基金)领投，深报一本股权投资基金(深报一本)及北京上河动量私募股权基金(上河动量)跟投，指数资本担任财务顾问。融资将用于深化AI战略，扩展产品矩阵，推进软硬件协同的智能解决方案，促进AI在产业领域的落地。创始人兼董事长马越表示，此轮融资获新老股东支持，凸显对公司及国内开源生态的信心。他特别感谢指数资本的专业助力

3月6日，北京智源人工智能研究院宣布开源多模态向量模型BGE-VL，这一成果标志着多模态检索领域的新突破。BGE-VL模型在图文检索、组合图像检索等多模态检索任务中取得了最佳效果，显著提升了多模态检索的性能。

AI圈再掀巨浪!阿里巴巴震撼发布并全面开源了其最新力作——通义千问QwQ-32B推理模型。这款被寄予厚望的新模型，并非徒有虚名，而是经过大规模强化学习的千锤百炼，在硬核的数学运算、复杂的代码编写以及通用的AI能力上实现了质的飞跃，整体性能已经能够正面硬刚行业标杆DeepSeek-R1，实力不容小觑。更令人兴奋的是，通义千问QwQ-32B一举打破了高性能AI模型“高价难用”的魔咒。它如同AI界的“平民英雄”，大幅降低了部署和使用门槛，即使是普通玩家的消费级显卡，也能轻松驾驭，实

阿里巴巴旗下的Qwen团队近日推出了其最新的开源大型语言模型（LLM）家族成员——QwQ-32B。这款拥有320亿参数的推理模型，旨在通过强化学习（RL）提升在复杂问题解决任务上的性能。据介绍，QwQ-32B已在Hugging Face和ModelScope上以 Apache2.0许可证开源。这意味着该模型可用于商业和研究目的，企业能够直接将其应用于产品和应用，包括那些收费的服务。个人用户也可以通过Qwen Chat访问该模型。QwQ，全称Qwen-with-Questions，是阿里巴巴于2024年11月首次推出的开源推理模型，目标是与OpenAI的o1-preview竞争

近年来，大型语言模型（LLMs）在各个领域的应用日益广泛，从内容创作到编程辅助，再到搜索引擎优化，无不展现出其强大的能力。然而，在生物医学研究中，这些模型的应用仍面临着透明度、可重复性和定制化等方面的挑战。针对这一问题，海德堡大学与欧洲生物信息研究所（EMBL-EBI）联合提出了一个开源 Python 框架 ——BioChatter，旨在帮助生物医学研究人员更轻松地使用 LLMs。图源备注：图片由AI生成，图片授权服务商MidjourneyBioChatter 的设计理念是简化技术复杂性，让研究人员能够专注

在图像生成领域，多层图像生成技术正逐渐改变用户与生成模型的互动方式，允许用户隔离、选择并编辑特定的图像层。近日，微软研究人员推出了一种名为 “Anonymous Region Transformer”（ART）的新型技术，它能够根据全球文本提示和匿名区域布局，直接生成可变多层透明图像。ART 的设计灵感来源于 “图式理论”，通过采用匿名区域布局，使生成模型可以自主决定哪些视觉信息与哪些文本信息对齐。这一方法与以往的语义布局形成鲜明对比。传统的语义布局通常需要明确的对应关系，而 ART

近日，字节跳动豆包大模型团队联合M-A-P开源社区发布SuperGPQA，一个覆盖285个研究生级学科、包含26，529道专业问题的知识推理基准测试。该数据集不仅涵盖数学、物理等主流学科，还首次将轻工业、农业、服务科学等长尾学科纳入评估体系，填补了现有基准测试在长尾知识领域的空白。SuperGPQA已被用于揭示开源与闭源模型的性能差距，成为AI发展的重要工具。传统基准如MMLU和GPQA学科覆盖不足50个，长尾学科占比不到5%，且因数据来源单一（如维基百科）和众包标注不可靠，难以衡量模型在

智谱AI最新开源文生图模型CogView4正式亮相，CogView4不仅在参数数量上达到了6亿，还全面支持中文输入和中文文本到图像的生成，被称其为“首个能在画面中生成汉字的开源模型”。CogView4以支持中英双语提示词输入为核心亮点，尤其擅长理解和遵循复杂的中文指令，成为中文内容创作者的福音。作为首个能在图像中生成汉字的开源文生图模型，它填补了开源领域的一大空白。此外，该模型支持生成任意宽高图片，并能处理任意长度的提示词输入，展现出极高的灵活性。CogView4的双语能力得

还在苦苦寻觅能听懂中文的开源图片模型?现在，你可以彻底告别英文 prompt 的“束缚”了!国内 AI 巨头智谱 AI 霸气开源了全新文生图模型 CogView4，直接把中文图片生成技术推向了新高度! 这下，设计师们、内容创作者们，甚至是对 AI 绘画感兴趣的 “小白” 们，都能扬眉吐气，用咱自己的母语，玩转 AI 图像生成了!CogView4最大的亮点，就是它对中文的“超强理解力”!你再也不用对着翻译软件吭哧吭哧地把中文 prompt 翻译成英文，直接用最自然的中文 “指令”，就能让 CogView4秒懂你的 “画意

北京智谱华章科技有限公司宣布推出首个支持生成汉字的开源文生图模型——CogView4。该模型在DPG-Bench基准测试中综合评分排名第一，成为开源文生图模型中的SOTA（State of the Art），并遵循Apache2.0协议，是首个支持该协议的图像生成模型。

火山引擎今日通过 X 平台宣布，其大模型应用正式开源，并推出全新“大模型应用实验室”平台。这一举措标志着火山引擎在 AI 技术生态建设上的重大突破，旨在通过开放核心应用和技术资源，加速开发者社区的创新步伐。此次开源的应用包括手机助手、Deep Research、DeepSeek 联网版、实时视频理解、互动双语视频生成器以及语音实时通话-青青等一系列前沿 AI 工具，引发了 X 用户的广泛热议。“大模型应用实验室”上线，全面开源火山引擎在 X 上发布声明称，“大模型应用实验室”平台现已