跳到正文
IFAI

開源專案

Llama、通義千問、DeepSeek 等開源大模型的新版本，以及值得一用的開源資料集、框架和開發工具。

近 7 天 14 則

  2. 傳播指數 57

    Meta 開源 Omnilingual ASR：支援 1600 種語言，改用 Apache 許可

    Meta 開源語音識別系統 Omnilingual ASR，直接支援 1600 多種語言轉錄，遠超 Whisper 的 99 種。藉助零樣本上下文學習，它能擴充套件至 5400 多種語言。最關鍵的是，它徹底放棄了受限的 Llama 協議，改用完全自由商用的 Apache 2.0 許可。

  4. 傳播指數 35

    Manifest AI 推出 Brumby-14B：徹底捨棄 Attention，4000 美元重訓 Qwen3

    據報道 AI 初創公司 Manifest AI 推出新模型 Brumby-14B-Base，徹底捨棄了傳統 Transformer 的 Attention 機制。它改用名為 Power Retention 的迴圈架構，單 token 計算成本不再隨長度增長；團隊僅花 4000 美元基於 Qwen3 權重重訓即達到相近效能。不過該方法仍依賴現有模型，無法從零低成本訓練。

  6. 傳播指數 46

    KREA 開源 14B 影片模型：單張 B200 跑出 11 FPS

    KREA AI 宣佈開源自迴歸影片模型 Krea Realtime。該模型引數量達 14B，比同類開源模型大 10 倍，在單張 B200 顯示卡上能以 11 FPS 的速度生成長影片。官方同步放出了模型權重與技術報告。

  7. 傳播指數 48

    Deepseek 開源輕量 OCR：文本壓縮十倍，單卡日刷 20 萬頁

    Deepseek 公佈一套全新的 OCR 系統，把文本作為影像壓縮處理，體積縮減至原來的十分之一，且保留 97% 原文資訊。該方案大幅壓低視覺 token 佔用，單張 Nvidia A100 每天可處理超 20 萬頁，程式碼與模型權重已開源。

  8. 傳播指數 46

    思科開源 Project CodeGuard：給 AI 寫程式碼全流程裝上安全護欄

    思科推出開源安全框架 Project CodeGuard，專門針對 AI 輔助程式設計進行全流程防護。它獨立於底層模型，在程式碼生成前、中、後分別攔截硬編碼金鑰和漏洞，主打「預設安全」。思科強調它不替代人工審查，旨在降低低階漏洞流入生產環境的機率。

  10. 傳播指數 50

    Karpathy 開源 nanochat：8000 行程式碼、100 美元手搓一個 ChatGPT

    Andrej Karpathy 開源專案 nanochat。它僅用約 8000 行程式碼，就打通從分詞、預訓練、SFT、強化學習到推理介面的全棧流程。在 8 張 H100 上花約 100 美元跑 4 小時，就能訓出一個能聊天的基礎模型。該專案還將作為其 LLM101n 課程的結業大作業。

  11. 傳播指數 47

    Anthropic 開源安全工具 Petri：派 Agent 自動揪出模型違規行為

    Anthropic 開源自動化安全審計工具 Petri，通過部署智慧體模擬多輪真實對話，快速探測大模型是否存在欺騙、自保或越權等失準風險。首期評測了 14 款前沿模型，Claude Sonnet 4.5 綜合風險評分最低，略勝 GPT-5。工具支援主流模型 API，旨在幫研究者擺脫繁重的人工測試。

  13. 傳播指數 68

    NVIDIA 開源 Audio2Face：輸入音訊就能即時生成 3D 面部動畫

    NVIDIA 宣佈正式開源 Audio2Face 技術，包括模型、SDK 和訓練框架。該工具通過分析音素和語調，能由音訊直接生成精準的口型與微表情，支援離線渲染與即時流式傳輸。也就是說，遊戲和 3D 應用開發者現在可以免費且深度定製這套面部動畫管線。

  15. 傳播指數 46

    H Company 開源 Holo1.5：專攻電腦操作，定位精度提升超 10%

    H Company 開源專用於電腦操作（Computer Use）的基礎模型系列 Holo1.5，提供 3B、7B 和 72B 三種規格。相比前代，新模型在介面元素定位精度上提升超 10%，並強化了 UI 視覺問答能力。目前所有模型權重已在 Hugging Face 開放下載。

  16. 傳播指數 45

    Google 開源 VaultGemma：首個差分隱私從頭訓練的 1B 模型

    Google 聯合 DeepMind 釋出並開源 10 億引數大模型 VaultGemma。它是目前從零開始採用差分隱私（DP）訓練的最大開源模型，通過加噪防止記憶敏感資料。測試顯示其未發生資料死記硬背，效能大致與同尺寸早期 GPT-2 相當。

  19. 傳播指數 46

    騰訊混元開源 HunyuanVideo-Foley：輸入影片即可自動配音效

    騰訊混元宣佈開源端到端文本-影片生音訊框架 HunyuanVideo-Foley。它基於 10 萬小時多模態資料訓練，採用 MMDiT 架構與音訊 VAE，能精準對齊畫面動作生成分層音效。在音訊質量和時序對齊等基準測試中超越了現有開源模型。