Stability AI 发布首个日语模型：70 亿参数，基础版开源可商用
Stability AI 发布首个日语语言模型 Japanese StableLM Alpha，参数量为 70 亿。模型基于 7500 亿 token 训练，在多项日语基准测试中表现领先。其中基础模型采用 Apache 2.0 协议支持商用，指令微调版本仅限研究用途。
开源项目 · 日报
周四
8月10日 星期四
周四
8月3日 星期四
阿里巴巴开源两款 70 亿参数模型：Qwen-7B 正式对标 Meta
周四，阿里巴巴宣布开源 70 亿参数大模型 Qwen-7B 及对话版 Qwen-7B-Chat，支持中英文。全球开发者均可免费商用，月活超 1 亿的企业需申请免费授权。阿里此举直接对标 Meta 的 Llama 系列，意在以开源拉拢开发者，进而带动阿里云业务增长。
IBM联手NASA开源地理空间大模型：标注数据减半，性能反升15%
IBM 与 Hugging Face 宣布，将 IBM 与 NASA 联合研发的地理空间 AI 基础模型在 Hugging Face 开源。该模型基于 NASA 卫星数据训练，仅需一半标注数据就能比现有方案性能提升 15%，可用于追踪森林砍伐和洪水监测。
周三
8月2日 星期三
Meta 开源音频生成框架 AudioCraft：文字一键生成音乐和环境音效
Meta 正式开源音频生成框架 AudioCraft，并公开全部代码与权重。该框架打包了文本生成音乐的 MusicGen、生成环境音效的 AudioGen 以及升级版神经编解码器 EnCodec。研究者和创作者可以直接用自己的数据集训练专属模型。
周日
7月30日 星期日
OSI 炮轰 Meta：LLaMA 2 根本不算真正的开源
开源促进会（OSI）发文批评 Meta 滥用「开源」概念，指出 LLaMA 2 限制商业规模和特定领域，并不符合开源定义。OSI 认为开源必须赋予开发者完整自主权，不能限制用途，他们计划在 10 月 17 日拿出「开源 AI」的正式定义草案。
周三
7月26日 星期三
Stability AI 开源 SDXL 1.0：原生 1024 分辨率，告别画手翻车
Stability AI 正式开源旗舰文生图模型 SDXL 1.0。新模型支持原生 1024x1024 分辨率，大幅改善了手部渲染、文字和复杂构图能力，简短提示词即可出图，不再需要堆砌「masterpiece」等修饰词。模型采用双阶段管线，8GB 显存显卡即可运行。
周一
7月24日 星期一
Hugging Face 推出 Agents.js：让大模型在 JS 环境调用多模态工具
Hugging Face 推出 JavaScript 库 Agents.js，让大语言模型能在浏览器或 Node 环境中调用多模态工具。它开箱即带文生图、图像描述等能力，并支持接入自定义模型与工具。不过目前它通过在环境中执行生成代码运作，官方提醒在不可信环境存在安全风险。
周五
7月21日 星期五
InvokeAI 3.0 正式发布：全面转向节点架构，初步支持 SDXL
InvokeAI 正式发布 3.0.0 版本。系统代码被全面重写为节点化架构，并加入实验性的节点编辑器。新版本还集成了 ControlNet、动态提示词，初步支持 SDXL，支持超过 77 个 token 的长提示词，并让 Mac 用户能以半精度加载模型省显存。
周一
7月17日 星期一
Hugging Face 推出 AI WebTV：用全套开源模型搭建全天候 AI 电视流
Hugging Face 发布实验性项目 AI WebTV。该方案用 ChatGPT 构思提示词，串接 Zeroscope V2 生成视频短片，再经 FILM 插帧与 MusicGen 配乐，最后通过 FFmpeg 自动推流。虽然画质和连贯性有限，但跑通了开源多模态端到端自动播出的流水线。
周一
6月26日 星期一
LLaMA 被滥用：Meta 开源模型正被用来制作无限制色情聊天机器人
据《华盛顿邮报》报道，Meta 开源大语言模型 LLaMA 正被用于创建露骨的色情聊天机器人，部分甚至包含暴力角色扮演内容。开源让模型脱离了商业护栏的审查与管控，这再次引发了关于 AI 究竟该开源共享还是闭源把关的激烈争论。
周一
6月19日 星期一
微软推出 13B 模型 Orca：模仿 GPT-4 思考过程，推理打平 ChatGPT
微软研究院公布 130 亿参数模型 Orca。它通过学习 GPT-4 的逐步推理过程，在 BBH 推理测试中表现追平 ChatGPT，比 Vicuna 提升 100%。这意味着轻量模型不用依赖庞大数据中心也能拥有扎实推理能力，不过在综合考试表现上它仍落后于 GPT-4。
周三
6月14日 星期三
Meta 开源 I-JEPA：按抽象特征补全画面，训练算力省下数倍
Meta 开源计算机视觉模型 I-JEPA。它不再死磕像素细节，而是像人类一样在抽象语义层面预测图像的缺失部分。这套架构仅用 16 块 A100 训练不到 72 小时，计算效率高出数倍，被视作迈向通用世界模型的重要一步。
周一
6月5日 星期一
Falcon 模型接入 Hugging Face：40B 登顶开源榜，支持商用
Hugging Face 宣布全面集成阿布扎比 TII 开源的 Falcon 系列模型。Falcon-40B 采用 Apache 2.0 协议且允许商用，在开源排行榜上击败 LLaMA-65B 登顶。得益于 Multi-Query Attention，其推理显存大幅降低，7B 版本甚至可在消费级显卡及 Mac 上运行。
周四
6月1日 星期四
新开源 AI 音乐生成器：输入歌词即可生成整首歌，支持本地运行
一款新的开源 AI 音乐生成器在 GitHub 发布，支持仅凭文本提示词和歌词生成带人声的完整歌曲。实测音频具备立体声效果且声底干净，不过个别字词发音仍有轻微瑕疵，目前模型与本地运行说明已对外开放。
周一
5月22日 星期一
Meta 开源 MMS 语音模型：覆盖超 1100 种语言，可识别 4000 种口语
Meta 开源 Massively Multilingual Speech（MMS）系列模型与代码。它将语音识别和合成支持拓展到 1100 多种语言，并能识别 4000 多种口语。团队通过多语种圣经朗读音频解决了小语种数据匮乏的问题，希望以此减缓全球濒危语言的消亡。
