近日，艾伦人工智能研究所（AI2）重磅发布了其最新的大型语言模型——OLMo232B。这款模型一经亮相便自带光环，因为它不仅是OLMo2系列的最新力作，更以“完全开放”的姿态，向那些高墙深垒的专有模型发起了强有力的挑战。OLMo232B最引人注目的特点莫过于其彻彻底底的开源属性。AI2大方地公开了这款模型的所有数据、代码、权重以及详细的训练过程. 这种“坦诚相见”的做法，与一些讳莫如深的闭源模型形成了鲜明对比。AI2希望通过这种开放协作的方式，促进更广泛的研究和创新，让全

法国人工智能初创公司Mistral AI发布了其最新的开源模型Mistral Small3.1。这家公司宣称，这款仅有240亿参数的“迷你”模型，其性能表现竟然能够匹敌甚至超越谷歌和OpenAI等美国科技巨头的同类产品。这无疑给目前由美国主导的AI市场注入了一剂强心针，预示着竞争将更加激烈。性能全面升级Mistral Small3.1绝非等闲之辈。据公司官方博客文章透露，这款新模型在文本性能上实现了显著提升，同时具备了多模态理解能力，能够处理文本和图像。更令人惊讶的是，其上下文窗口扩展至惊人的128k toke

各位追求高清无码的视觉动物们，请注意!图像处理界又添一枚猛将——Thera，一款开源的任意尺度超分辨率模型，带着满满的黑科技和友好的开源姿态，闪亮登场啦! 这位新晋“美图秀秀Plus”不仅能让你的模糊照片重见天日，还能以你意想不到的灵活方式进行放大，简直是细节控们的福音，模糊党的克星!想放多大就多大?还在为固定倍数的图片放大而烦恼吗?Thera 告诉你，那都是过去式了!这款由苏黎世联邦理工学院和苏黎世大学的大佬们联手打造的神器，最引人注目的特点就是其任意尺度超

近日，360智脑团队宣布成功复现Deepseek的强化学习效果，并正式发布开源推理模型 Light-R1-14B-DS。该模型性能表现超越 DeepSeek-R1-Distill-Llama-70B和 DeepSeek-R1-Distill-Qwen-32B，成为业界首款在14B参数规模上实现强化学习效果的模型，显著提升了数学推理能力，成绩超过大多数32B级别模型。与 DeepSeek-R1-14B 相比，Light-R1-14B-DS*在数学竞赛任务中表现突出:在 AIME24测试中提升4.3分，在 AIME25中更是提高10分。此外，在数学推理任务 GPQA 上，该模型取得61.7分 的优异成绩。为实现这一突破，360智脑团队采用了两

还在为动辄百万美金的视频生成模型望而却步?还在感叹AI视频创作只是巨头的游戏?今天，开源社区用实力告诉你: “No!” 一款名为 Open-Sora2.0的全新开源模型横空出世，彻底颠覆了视频生成的“氪金”规则。 难以置信的是，这款性能直逼商业级水准的110亿参数大模型，竟然只花费了区区20万美元（224张GPU）就训练成功! 要知道，那些动辄耗资数百万美元的闭源模型，在 Open-Sora2.0面前，性价比简直弱爆了!Open-Sora2.0的发布，无疑是视频生成领域的一场“平民革命”。它不仅拥有媲美甚至超越百

在当前快速发展的人工智能领域，开发者和组织面临着多种实际挑战，例如高计算需求、延迟问题以及缺乏真正灵活的开源模型等。这些问题常常限制了进展，许多现有的解决方案需要昂贵的云基础设施，或者过大，无法在设备上应用，因此迫切需要高效且灵活的模型来填补这一空白。为此，Reka AI 推出了 Reka Flash3，这是一款从零开始构建的推理模型，拥有21亿个参数。该模型旨在支持一般对话、编码辅助、指令跟随，甚至函数调用，成为各种应用的实用基础。其训练过程结合了公开获取的

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

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。

2月25日，阿里巴巴宣布推出基于Qwen2.5-Max的推理模型QwQ-Max-Preview，并计划全面开源其最新推理模型QwQ-Max和Qwen2.5-Max。此次发布的QwQ-Max-Preview是一个预览版本，阿里巴巴表示，正式版本将很快推出，并基于Apache2.0许可证全面开源。与以往不同的是，此次开源不仅包括模型本身，还涵盖了更小的版本，如QwQ-32B，这些版本可以部署在本地设备上，进一步推动AI技术的普及和应用。根据LiveCodeBench的评估，QwQ-Max-Preview的性能与OpenAI的o1-medium相当，且优于DeepSeek R1。这一结果表明，阿里巴巴的推理模型

近日，腾讯混元视频模型（Hunyuan Video）在 X 平台上正式公开招募测试伙伴，标志着这一前沿 AI 视频生成技术迈入关键测试阶段。根据官方透露，测试结束后，该模型有很大概率会开源，为全球 AI 社区贡献其技术成果。混元视频模型是腾讯在 AI 视频生成领域的重要创新，拥有超过13B 的参数量，是目前开源模型中规模最大的视频生成模型之一。其核心技术包括高效的时空上下文建模能力以及对复杂物理规律的精准模拟，能够生成高质量且符合真实世界逻辑的视频内容。此前，腾讯混元团队

继 DeepSeek R1之后，阿里云通义千问团队刚刚宣布推出其最新的开源模型 Qwen2.5-1M，再次引发业界关注。此次发布的 Qwen2.5-1M 系列包含两个开源模型:Qwen2.5-7B-Instruct-1M 和 Qwen2.5-14B-Instruct-1M。这是通义千问首次推出能够原生支持百万Token上下文长度的模型，并在推理速度上实现了显著提升。Qwen2.5-1M 的核心亮点在于其原生支持百万 Token 的超长上下文处理能力。这使得模型能够轻松应对书籍、长篇报告、法律文件等超长文档，无需进行繁琐的分割处理。同时，该模型还支持更长时间、更深入的对话

近期，国产大模型DeepSeek V3在AI竞技场的优异表现引发业界关注。作为唯一闯入前十的开源模型，它不仅超越了o1-mini，在编程、数学等多个领域甚至超过了Claude3.5Sonnet。为验证其实际能力，多方展开了一系列实测对比。在基础理解能力测试中，两个模型展现出不同特点。面对中文脑筋急转弯"小明的妈妈有三个孩子"的问题，DeepSeek V3表现出色，不仅答对还进行了自我验证。但在英文双关语"April Fools Day"的测试中则略显不足，未能理解其中的语言巧思，而Claude3.5Sonnet则轻松应对。逻辑推理测试

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

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

在2024年世界互联网大会乌镇峰会期间，阿里巴巴集团首席执行官吴泳铭于11月21日在互联网企业家论坛上发表了主题演讲，强调了人工智能（AI）对互联网行业的深远影响。他指出，今年互联网行业最大的变化依然是 AI 技术的迅速发展。吴泳铭表示，AI最大的价值绝不仅仅是在手机上做出一两个超级App，而是推动各行各业的生产力变革。发展AI需要建设繁荣的技术、产品和市场生态。目前，已有超过30万家企业接入阿里巴巴的通义大模型，利用 AI 技术重塑代码开发、药物研发、生产制造等多

Stability AI近日推出了其最新的深度学习文本到图像生成模型 ——Stable Diffusion3.5。这一版本包括三种改进的开源模型，旨在满足不同用户的需求，包括研究人员、企业客户和爱好者。其中，Stable Diffusion3.5Large 是整个系列中最强大的模型，参数高达81亿。该模型以其卓越的图像质量和对提示的高度响应能力，成为专业用户的理想选择，能够生成分辨率达到1兆像素的高质量图像。此外，Stable Diffusion3.5Large Turbo 是 Stable Diffusion3.5Large 的简化版。它在生成高质量图像的同时，极大地提升了速度，仅

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。