近日，全球最大人工智能开源社区 Huggingface 发布了最新的开源大模型排行榜（Open LLM Leaderboard），结果显示，排名前十的开源大模型全都是基于阿里通义千问(Qwen)开源模型进行二次训练的衍生模型。这一成就标志着 Qwen 在开源 AI 领域的主导地位，进一步推动了其在全球的影响力。Open LLM Leaderboard 被广泛认为是当前最权威的开源大模型榜单，测试维度涵盖了多个领域，包括阅读理解、逻辑推理、数学计算及事实问答等。令人惊讶的是，通义千问 Qwen 已经发展成为全球最大的开源模型族群，其

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

智谱科技近日宣布开源其端侧大语言和多模态模型GLM-Edge系列，这一举措标志着公司在端侧真实落地使用场景中的一次重要尝试。GLM-Edge系列由四种不同尺寸的模型组成，包括GLM-Edge-1.5B-Chat、GLM-Edge-4B-Chat、GLM-Edge-V-2B和GLM-Edge-V-5B，分别针对手机、车机等移动平台以及PC等桌面平台进行了优化。

今日，智谱技术团队发布了其最新的视频生成模型 CogVideoX v1.5，并将其开源。这一版本是自8月以来，智谱技术团队推出的 CogVideoX 系列中的又一重要进展。据了解，此次更新大幅提升了视频生成能力，包括支持5秒和10秒的视频长度、768P 的分辨率以及16帧的生成能力。同时，I2V（图像到视频）模型也支持任意尺寸比例，进一步增强了复杂语义的理解能力。CogVideoX v1.5包含两个主要模型:CogVideoX v1.5-5B 和 CogVideoX v1.5-5B-I2V，旨在为开发者提供更强大的视频生成工具。更值得关注的是，CogVideoX v1.5将

智谱AI公司开源了视频生成模型CogVideoX-5B，显著提升了视频生成的质量、视觉效果和推理性能。新模型兼容较低配置的GPU，如早期的GTX1080Ti和桌面端的RTX3060。这款基于大规模DiT模型的工具，采用3D因果变分自编码器和专家变换器技术，通过3D-RoPE位置编码与3D全注意力机制，实现高效文本到视频的生成。详细信息和代码可访问指定链接。

Stability AI近推出开源音频生成模型Stable Audio Open，能生成最长47秒，采样率44.1kHz，采用开放权重设计，允许用户查阅、修改和扩展，推动科研及开发者创新。使用Creative Commons许可音频训练确保数据合法和道德性。模型技术架构先进，支持高质量立体声生成，多样性和高保真度得到验证，与顶尖模型表现相当。这一工具对研究者、艺术家和开发者极具价值，标志着音频生成领域的重要进展。

CodeGeeX第四代模型，由智谱AI开发，已经正式发布并开源。这个模型是10B参数以下性能最强、最全能的代码生成大模型，自 2014 年发布第一代以来，每半年更新一次，致力于提升代码生成能力。CodeGeeX提供代码补全、注释、修复、翻译等基础功能，以及联网问答、代码解释器、检索增强等高级功能，对个人用户完全免费，并在各种主流IDE中可用。个人用户数已超 100 万，企业版本也广泛应用于多个行业，并在中国信通院的评估中获得高评级。