Lightricks 开源视频模型 LTXV:消费级显卡 4 秒生成 5 秒视频
Lightricks 宣布开源视频生成模型 LTX Video(LTXV)。该模型仅 20 亿参数,采用 DiT 架构,在 RTX 4090 等消费级显卡上也能近实时运行,4 秒即可生成 5 秒视频。它的开源让创作者在本地电脑就能快速试错,直接向闭源巨头叫板。
Lightricks 宣布开源视频生成模型 LTX Video(LTXV)。该模型仅 20 亿参数,采用 DiT 架构,在 RTX 4090 等消费级显卡上也能近实时运行,4 秒即可生成 5 秒视频。它的开源让创作者在本地电脑就能快速试错,直接向闭源巨头叫板。
Tether 推出开源钱包开发套件 WDK,支持把非托管钱包集成到各类应用与设备中。该套件不仅服务人类,还专门适配了 AI 智能体与机器人等自主系统,初期支持比特币与 USDT,让 AI 也能拥有独立资产钱包。
Qwen 团队全面开源 Qwen2.5-Coder 系列代码模型,补齐 0.5B 到 32B 共 6 种尺寸。旗舰版 32B-Instruct 性能媲美 GPT-4o,支持 40 多种语言与 128K 上下文。绝大多数模型采用 Apache 2.0 协议,已适配 Cursor 等工具。
Microsoft 宣布开源通用多智能体系统 Magentic-One。它采用协调器负责总控规划,指挥网页操作、文件读取、代码编写和终端执行四个专用智能体分工配合,在 GAIA 等基准上跑出了第一梯队水平。系统基于 AutoGen 打造,支持随时增删智能体。
开源促进会 OSI 正式发布 1.0 版开源 AI 定义。新标准要求模型必须开放完整训练代码,详细披露训练数据来源与获取方式,且不得限制商业用途。按此标准,包含商业门槛的 Meta Llama 等主流模型均不算真正开源。
Meta 发布开源项目 NotebookLlama,复刻了 Google NotebookLM 的双人播客功能。它基于 Llama 模型将上传文本转为对话脚本,再通过开源语音模型输出。目前合成语音机械感较重且容易抢话,但为社区提供了可定制的开源基础。
Nvidia 开源多模态大模型家族 NVLM 1.0,旗舰模型 NVLM-D-72B 在视觉与语言任务上对标 GPT-4o。经过多模态训练后,其纯文本基准准确率反升 4.3 分,代码与数学表现接近 Llama 3.1 405B,权重已向公众开放。
Meta 公布首届 Llama 影响力创新奖获奖名单,支持非洲、中东、亚太与拉美等地区用 Llama 解决本地难题的机构。入选团队将获得最高 3.5 万美元资助及配套广告额度,项目覆盖双语医疗顾问、疫苗问答机器人以及视障穿戴设备等场景。
IBM 与 NASA 联合开源气象与气候基础模型 Prithvi WxC。该模型基于 NASA 40 年地球观测数据预训练,支持全球到局地多尺度微调,还能将气象数据分辨率提升最高 12 倍,改变了以往气象 AI 仅聚焦单一预测任务的局限。
阿里云在云栖大会上宣布开源 100 多个 Qwen 2.5 大模型,参数规格涵盖 0.5 到 72B,并在数学和代码能力上显著提升。同时,阿里还推出了通义万相新文生视频模型并升级了 Qwen2-VL。这对开发者来说意味着开源生态又迎来一次大规模扩充。
曾为 Stable Diffusion 提供训练数据的 LAION 重新发布数据集 Re-LAION-5B。该版本根据多家保护机构的建议,删除了 2236 条涉嫌违规儿童内容的链接,并提供两个版本,供研究机构替换旧版或清洗现有数据。
Meta 公布 Llama 最新数据:在 Hugging Face 累计下载量逼近 3.5 亿次,较去年增长超 10 倍。5 到 7 月间主要云平台的 token 用量翻了一倍,8 月甚至以 405B 旗舰版独立用户最多。开源大模型正在真正变成企业基建。
微软发布三款开源小模型 Phi-3.5 系列,涵盖 3.8B 的 Mini、41.9B 的 MoE 以及 4.15B 的 Vision。全系支持 128k 上下文并采用宽松的 MIT 协议,在长文本代码及多任务基准上甚至超越部分更大体量模型。
Nous Research 发布通用语言模型 Hermes 3,提供 8B、70B 和 405B 三种尺寸。新版本重点强化了角色扮演、智能体任务、函数调用和长上下文连贯性。模型由团队与 Lambda 合作训练,目前已开放免费网页端体验。