Lightricks 開源影片模型 LTXV:消費級顯示卡 4 秒生成 5 秒影片
Lightricks 宣佈開源影片生成模型 LTX Video(LTXV)。該模型僅 20 億引數,採用 DiT 架構,在 RTX 4090 等消費級顯示卡上也能近即時執行,4 秒即可生成 5 秒影片。它的開源讓創作者在本地電腦就能快速試錯,直接向閉源巨頭叫板。
Lightricks 宣佈開源影片生成模型 LTX Video(LTXV)。該模型僅 20 億引數,採用 DiT 架構,在 RTX 4090 等消費級顯示卡上也能近即時執行,4 秒即可生成 5 秒影片。它的開源讓創作者在本地電腦就能快速試錯,直接向閉源巨頭叫板。
Tether 推出開源錢包開發套件 WDK,支援把非託管錢包整合到各類應用與裝置中。該套件不僅服務人類,還專門適配了 AI 智慧體與機器人等自主系統,初期支援比特幣與 USDT,讓 AI 也能擁有獨立資產錢包。
Qwen 團隊全面開源 Qwen2.5-Coder 系列程式碼模型,補齊 0.5B 到 32B 共 6 種尺寸。旗艦版 32B-Instruct 效能媲美 GPT-4o,支援 40 多種語言與 128K 上下文。絕大多數模型採用 Apache 2.0 協議,已適配 Cursor 等工具。
Microsoft 宣佈開源通用多智慧體系統 Magentic-One。它採用協調器負責總控規劃,指揮網頁操作、檔案讀取、程式碼編寫和終端執行四個專用智慧體分工配合,在 GAIA 等基準上跑出了第一梯隊水平。系統基於 AutoGen 打造,支援隨時增刪智慧體。
開源促進會 OSI 正式釋出 1.0 版開源 AI 定義。新標準要求模型必須開放完整訓練程式碼,詳細披露訓練資料來源與獲取方式,且不得限制商業用途。按此標準,包含商業門檻的 Meta Llama 等主流模型均不算真正開源。
Meta 釋出開源專案 NotebookLlama,復刻了 Google NotebookLM 的雙人播客功能。它基於 Llama 模型將上傳文本轉為對話指令碼,再通過開源語音模型輸出。目前合成語音機械感較重且容易搶話,但為社群提供了可定製的開源基礎。
Nvidia 開源多模態大模型家族 NVLM 1.0,旗艦模型 NVLM-D-72B 在視覺與語言任務上對標 GPT-4o。經過多模態訓練後,其純文本基準準確率反升 4.3 分,程式碼與數學表現接近 Llama 3.1 405B,權重已向公眾開放。
Meta 公佈首屆 Llama 影響力創新獎獲獎名單,支援非洲、中東、亞太與拉美等地區用 Llama 解決本地難題的機構。入選團隊將獲得最高 3.5 萬美元資助及配套廣告額度,專案覆蓋雙語醫療顧問、疫苗問答機器人以及視障穿戴裝置等場景。
IBM 與 NASA 聯合開源氣象與氣候基礎模型 Prithvi WxC。該模型基於 NASA 40 年地球觀測資料預訓練,支援全球到局地多尺度微調,還能將氣象資料解析度提升最高 12 倍,改變了以往氣象 AI 僅聚焦單一預測任務的侷限。
阿里雲在雲棲大會上宣佈開源 100 多個 Qwen 2.5 大模型,引數規格涵蓋 0.5 到 72B,並在數學和程式碼能力上顯著提升。同時,阿里還推出了通義萬相新文生影片模型並升級了 Qwen2-VL。這對開發者來說意味著開源生態又迎來一次大規模擴充。
曾為 Stable Diffusion 提供訓練資料的 LAION 重新發布資料集 Re-LAION-5B。該版本根據多家保護機構的建議,刪除了 2236 條涉嫌違規兒童內容的連結,並提供兩個版本,供研究機構替換舊版或清洗現有資料。
Meta 公佈 Llama 最新資料:在 Hugging Face 累計下載量逼近 3.5 億次,較去年增長超 10 倍。5 到 7 月間主要雲平臺的 token 用量翻了一倍,8 月甚至以 405B 旗艦版獨立使用者最多。開源大模型正在真正變成企業基建。
微軟釋出三款開源小模型 Phi-3.5 系列,涵蓋 3.8B 的 Mini、41.9B 的 MoE 以及 4.15B 的 Vision。全系支援 128k 上下文並採用寬鬆的 MIT 協議,在長文本程式碼及多工基準上甚至超越部分更大體量模型。
Nous Research 釋出通用語言模型 Hermes 3,提供 8B、70B 和 405B 三種尺寸。新版本重點強化了角色扮演、智慧體任務、函式呼叫和長上下文連貫性。模型由團隊與 Lambda 合作訓練,目前已開放免費網頁端體驗。