跳到正文
IFAI

开源项目

Llama、通义千问、DeepSeek 等开源大模型的新版本，以及值得一用的开源数据集、框架和开发工具。

近 7 天 14 条

  3. 传播指数 35

    港大开源 OpenCUA：操纵电脑的开源智能体，向闭源大厂看齐

    香港大学等团队推出开源计算机操控智能体框架 OpenCUA。该框架包含后台录制工具与超 2.26 万条跨 Windows、macOS 和 Ubuntu 的操作数据集，并通过加入思维链推理训练模型。其评测成绩超越现有开源方案，紧追 OpenAI 和 Anthropic 的闭源智能体。

  6. 传播指数 46

    NVIDIA 开源百万小时语音数据集 Granary，以及两款多语言模型

    NVIDIA 联合卡耐基梅隆大学等开源多语言语音数据集 Granary，涵盖约 100 万小时音频与 25 种欧洲语言。同步上线的 Canary-1b-v2 转录准确率登顶 Hugging Face 榜首，Parakeet 模型则主打高吞吐实时转录，大幅降低小语种语音 AI 的开发门槛。

  10. 传播指数 55

    微软为 Windows 带来 gpt-oss-20B：GPU 加速支持本地推理

    Microsoft 宣布将经 GPU 加速的开源推理模型 gpt-oss-20B 带到 Windows 设备，支持本地推理。开发者可以通过 Foundry Local 或 VS Code 的 AI Toolkit 直接下载运行，几分钟内即可在本地调用并集成到应用中。

  11. 传播指数 54

    OpenAI 开源推理模型 gpt-oss：含 120b 与 20b，支持端侧运行

    OpenAI 发布开源权重推理模型 gpt-oss-120b 与 gpt-oss-20b，采用 Apache 2.0 协议。两款模型具备完整的思维链与工具调用能力，其中 20b 版本仅需 16 GB 内存即可在端侧运行。开发者终于能在本地硬件上部署自家的推理 AI。

  12. 传播指数 60

    阿里开源 20B 图像模型 Qwen-Image：搞定复杂中英文排版

    阿里推出 20B 图像基础模型 Qwen-Image。模型基于 MMDiT 架构，主打原生中英文文字渲染与精准图像编辑，能直接在画面中稳定排布多行段落甚至对联。文生图一直头疼的中文字符拼写与海报排版难题，迎来了开源方案。

  13. 传播指数 56

    Krea 开源图像模型 FLUX.1 Krea：告别塑料感，主打独特艺术审美

    Krea 开源了与 Black Forest Labs 合作研发的图像模型 FLUX.1 Krea [dev] 权重。该模型完全兼容 FLUX.1-dev 生态，核心目标是消灭背景死板虚化、皮肤塑料感等典型「AI 味」。团队仅用不到 100 万条精心挑选的偏好数据做后训练，放弃通用妥协，主打强烈而真实的摄影质感。

  14. 传播指数 48

    腾讯开源 Hunyuan3D 1.0：一句话生成可交互 3D 世界

    腾讯混元宣布开源 Hunyuan3D World Model 1.0。用户只需输入一句话或一张图片，就能生成沉浸式且可交互的 3D 场景。模型兼容现有 CG 管线，支持完全编辑与物理模拟，面向游戏开发与 VR 创作。

  16. 传播指数 60

    OpenAI 推迟发布开源权重模型：需补充高风险安全测试

    Sam Altman 宣布，OpenAI 原定于下周发布的开源权重模型将延期推出。官方表示需要更多时间开展额外的安全测试并审查高风险领域，具体上线时间待定。Altman 坦言权重一旦公开发布便无法撤回，因此必须慎重对待。

  19. 传播指数 48

    Mistral 联手 All Hands 推出 Devstral：开源 24B 编程模型

    Mistral AI 联手 All Hands AI 推出面向智能体编程的 Devstral 系列模型。其中 24B 参数的 Small 1.1 采用 Apache 2.0 协议开源，在 SWE-Bench Verified 上取得 53.6% 的成绩；性能更高的 Devstral Medium 达到 61.6%，通过 API 提供且支持企业私有化部署。