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

  3. 傳播指數 35

    港大開源 OpenCUA：操縱電腦的開源智慧體，向閉源大廠看齊

    香港大學等團隊推出開源計算機操控智慧體框架 OpenCUA。該框架包含後臺錄製工具與超 2.26 萬條跨 Windows、macOS 和 Ubuntu 的運算元據集，並通過加入思維鏈推理訓練模型。其評測成績超越現有開源方案，緊追 OpenAI 和 Anthropic 的閉源智慧體。

  6. 傳播指數 46

    NVIDIA 開源百萬小時語音資料集 Granary，以及兩款多語言模型

    NVIDIA 聯合卡耐基梅隆大學等開源多語言語音資料集 Granary，涵蓋約 100 萬小時音訊與 25 種歐洲語言。同步上線的 Canary-1b-v2 轉錄準確率登頂 Hugging Face 榜首，Parakeet 模型則主打高吞吐即時轉錄，大幅降低小語種語音 AI 的開發門檻。

  10. 傳播指數 55

    微軟為 Windows 帶來 gpt-oss-20B：GPU 加速支援本地推理

    Microsoft 宣佈將經 GPU 加速的開源推理模型 gpt-oss-20B 帶到 Windows 裝置，支援本地推理。開發者可以通過 Foundry Local 或 VS Code 的 AI Toolkit 直接下載執行，幾分鐘內即可在本地呼叫並整合到應用中。

  11. 傳播指數 54

    OpenAI 開源推理模型 gpt-oss：含 120b 與 20b，支援端側執行

    OpenAI 釋出開源權重推理模型 gpt-oss-120b 與 gpt-oss-20b，採用 Apache 2.0 協議。兩款模型具備完整的思維鏈與工具呼叫能力，其中 20b 版本僅需 16 GB 記憶體即可在端側執行。開發者終於能在本地硬體上部署自家的推理 AI。

  12. 傳播指數 60

    阿里開源 20B 影像模型 Qwen-Image：搞定複雜中英文排版

    阿里推出 20B 影像基礎模型 Qwen-Image。模型基於 MMDiT 架構，主打原生中英文文字渲染與精準影像編輯，能直接在畫面中穩定排布多行段落甚至對聯。文生圖一直頭疼的中文字元拼寫與海報排版難題，迎來了開源方案。

  13. 傳播指數 56

    Krea 開源影像模型 FLUX.1 Krea：告別塑膠感，主打獨特藝術審美

    Krea 開源了與 Black Forest Labs 合作研發的影像模型 FLUX.1 Krea [dev] 權重。該模型完全相容 FLUX.1-dev 生態，核心目標是消滅背景死板虛化、皮膚塑膠感等典型「AI 味」。團隊僅用不到 100 萬條精心挑選的偏好資料做後訓練，放棄通用妥協，主打強烈而真實的攝影質感。

  14. 傳播指數 48

    騰訊開源 Hunyuan3D 1.0：一句話生成可互動 3D 世界

    騰訊混元宣佈開源 Hunyuan3D World Model 1.0。使用者只需輸入一句話或一張圖片，就能生成沉浸式且可互動的 3D 場景。模型相容現有 CG 管線，支援完全編輯與物理模擬，面向遊戲開發與 VR 創作。

  16. 傳播指數 60

    OpenAI 推遲釋出開源權重模型：需補充高風險安全測試

    Sam Altman 宣佈，OpenAI 原定於下週釋出的開源權重模型將延期推出。官方表示需要更多時間開展額外的安全測試並審查高風險領域，具體上線時間待定。Altman 坦言權重一旦公開發布便無法撤回，因此必須慎重對待。

  19. 傳播指數 48

    Mistral 聯手 All Hands 推出 Devstral：開源 24B 程式設計模型

    Mistral AI 聯手 All Hands AI 推出面向智慧體程式設計的 Devstral 系列模型。其中 24B 引數的 Small 1.1 採用 Apache 2.0 協議開源，在 SWE-Bench Verified 上取得 53.6% 的成績；效能更高的 Devstral Medium 達到 61.6%，通過 API 提供且支援企業私有化部署。