搜索中心
阿里開(kāi)源全功能視頻大模型，單一模型全面支持視頻生成和編輯
5月14日，阿里巴巴正式開(kāi)源通義萬(wàn)相Wan2.1-VACE。據(jù)了解，這是目前業(yè)界功能最全的視頻生成與編輯模型，單一模型可同時(shí)支持文生視頻、圖像參考視頻生成、視頻重繪、視頻局部編輯、視頻背景延展以及視頻時(shí)長(zhǎng)延展等多種生成和編輯能力。該模型擁有1.3B和14B兩個(gè)版本，其中1.3B版本可在消費(fèi)級(jí)顯卡運(yùn)行。
昆侖萬(wàn)維正式開(kāi)源Matrix-Game大模型，為工業(yè)界首個(gè)開(kāi)源的10B+空間智能大模型
5月13日，昆侖萬(wàn)維正式開(kāi)源（17B+）Matrix-Game大模型，即Matrix-Zero世界模型中的可交互視頻生成大模型。Matrix-Game是Matrix系列在交互式世界生成方向的正式落地，也是工業(yè)界首個(gè)開(kāi)源的10B+空間智能大模型，它是一個(gè)面向游戲世界建模的交互式世界基礎(chǔ)模型，專為開(kāi)放式環(huán)境中的高質(zhì)量生成與精確控制而設(shè)計(jì)。
字節(jié)跳動(dòng)開(kāi)源一款 Deep Research 項(xiàng)目
5月9日，據(jù)“字節(jié)跳動(dòng)開(kāi)源”公號(hào)顯示，基于LangStack的全新Deep Research開(kāi)源項(xiàng)目——DeerFlow，正式在ByteDance的GitHub官方組織上開(kāi)源。在演示視頻中，字節(jié)跳動(dòng)技術(shù)團(tuán)隊(duì)演示了包括深度研究、MCP集成、報(bào)告AI增強(qiáng)編輯以及播客生成等功能。
英偉達(dá)開(kāi)源多個(gè)代碼大模型 以阿里通義千問(wèn)為底座
英偉達(dá)近日開(kāi)源其代碼推理模型（Open Code Reasoning model），包括32B、14B和7B三個(gè)參數(shù)。該模型以阿里通義千問(wèn)Qwen2.5-32B、Qwen2.5-14B、Qwen2.5-7B為底座模型。
騰訊混元發(fā)布并開(kāi)源視頻生成工具HunyuanCustom，支持主體一致性生成
5月9日，騰訊混元團(tuán)隊(duì)發(fā)布并開(kāi)源全新的多模態(tài)定制化視頻生成工具HunyuanCustom。該模型基于混元視頻生成大模型（HunyuanVideo）打造，在主體一致性效果超過(guò)現(xiàn)有的開(kāi)源方案，并可媲美頂尖閉源模型。HunyuanCustom融合了文本、圖像、音頻、視頻等多模態(tài)輸入生視頻的能力，是一款具備高度控制力和生成質(zhì)量的智能視頻創(chuàng)作工具。
北京人形機(jī)器人開(kāi)源社區(qū)已上線
2025年4月，北京人形機(jī)器人開(kāi)源社區(qū)（opensource.x-humanoid-cloud.com）已正式上線，包含博客、論壇交流、技術(shù)文檔展示、開(kāi)源項(xiàng)目展示、活動(dòng)發(fā)布、專家學(xué)者認(rèn)證、開(kāi)源課程發(fā)布等豐富功能，通過(guò)開(kāi)放共享核心技術(shù)與研發(fā)資源，促進(jìn)全球開(kāi)發(fā)者協(xié)作創(chuàng)新、加速行業(yè)技術(shù)突破，為具身智能產(chǎn)業(yè)融合搭建起人才培育、技術(shù)迭代和產(chǎn)業(yè)落地的基座平臺(tái)。
清華、星動(dòng)紀(jì)元開(kāi)源首個(gè)AIGC機(jī)器人大模型
5月7日消息，來(lái)自于清華大學(xué)叉院的ISRLab和星動(dòng)紀(jì)元 ——ICML Spotlight高分作品AIGC生成式機(jī)器人大模型VPP（Video Prediction Policy），入選ICML2025 Spotlight。VPP將視頻擴(kuò)散模型的泛化能力轉(zhuǎn)移到了通用機(jī)器人操作策略中，巧妙解決了diffusion推理速度的問(wèn)題，開(kāi)創(chuàng)性地讓機(jī)器人實(shí)時(shí)進(jìn)行未來(lái)預(yù)測(cè)和動(dòng)作執(zhí)行，大大提升機(jī)器人策略泛化性，并且現(xiàn)已全部開(kāi)源。
小米首個(gè)開(kāi)源推理大模型發(fā)布
4月30日，小米開(kāi)源首個(gè)為推理（Reasoning）而生的大模型「Xiaomi MiMo」，聯(lián)動(dòng)預(yù)訓(xùn)練到后訓(xùn)練，全面提升推理能力。在數(shù)學(xué)推理（AIME 24-25）和 代碼競(jìng)賽（LiveCodeBench v5）公開(kāi)測(cè)評(píng)集上，MiMo 僅用 7B 的參數(shù)規(guī)模，超越了 OpenAI 的閉源推理模型 o1-mini 和阿里 Qwen 更大規(guī)模的開(kāi)源推理模型 QwQ-32B-Preview。
阿里千問(wèn)3登頂全球最強(qiáng)開(kāi)源模型
4月29日，阿里巴巴開(kāi)源新一代通義千問(wèn)模型Qwen3（簡(jiǎn)稱千問(wèn)3），參數(shù)量?jī)H為DeepSeek-R1的1/3，成本大幅下降，性能全面超越R1、OpenAI-o1等領(lǐng)先模型，登頂全球最強(qiáng)開(kāi)源模型。千問(wèn)3是國(guó)內(nèi)首個(gè)“混合推理模型”，將“快思考”與“慢思考”集成進(jìn)同一個(gè)模型，大大節(jié)省算力消耗。據(jù)了解，千問(wèn)3采用混合專家（MoE）架構(gòu)，總參數(shù)量235B，激活僅需22B。千問(wèn)3預(yù)訓(xùn)練數(shù)據(jù)量達(dá)36T tokens，并在后訓(xùn)練階段經(jīng)過(guò)多輪強(qiáng)化學(xué)習(xí)，將非思考模式無(wú)縫整合到思考模型中。
理想星環(huán)OS操作系統(tǒng)正式開(kāi)源，代碼已開(kāi)放下載
4月28日，理想汽車官宣，自研星環(huán)OS正式開(kāi)源。據(jù)了解，理想星環(huán)OS是理想汽車的自研汽車操作系統(tǒng)，今年3月理想汽車創(chuàng)始人李想宣布該系統(tǒng)將開(kāi)源，目前第一批開(kāi)源代碼已登陸理想汽車官網(wǎng)開(kāi)源論壇。
字節(jié)跳動(dòng)開(kāi)源多模態(tài)AI Agent—UI-TARS-1.5
4月23日，字節(jié)跳動(dòng)開(kāi)源了多模態(tài)AI Agent UI-TARS的最新1.5版本。與上一代相比，1.5版本在計(jì)算機(jī)使用、瀏覽器使用和手機(jī)使用等基準(zhǔn)測(cè)試中均表現(xiàn)非常出色。在計(jì)算機(jī)使用方面，OSworld測(cè)試得分為42.5，高于OpenAI CUA的36.4、Claude 3.7的28以及之前的最高水平38.1（200步）；Windows Agent Arena（50步）得分為42.1，遠(yuǎn)超之前的29.8。瀏覽器使用方面，WebVoyager得分為84.8，接近OpenAI CUA和之前最高水平的87，Online-Mind2web得75.8，優(yōu)于OpenAI CUA的71、Claude 3.7的62.9和之前的71。手機(jī)使用方面，Android World得64.2，高于之前的59.5。
字節(jié)Seed智能體模型UI-TARS-1.5開(kāi)源
4月17日，字節(jié)跳動(dòng)豆包大模型團(tuán)隊(duì)（Seed）發(fā)布并開(kāi)源UI-TARS-1.5。據(jù)介紹，這是一款基于視覺(jué)-語(yǔ)言模型構(gòu)建的開(kāi)源多模態(tài)智能體，能夠在虛擬世界中高效執(zhí)行各類任務(wù)。目前，UI-TARS-1.5已在7個(gè)典型的GUI圖形用戶界面評(píng)測(cè)基準(zhǔn)中取得SOTA表現(xiàn)，并首次展現(xiàn)了其在游戲中的長(zhǎng)時(shí)推理能力和在開(kāi)放空間中的交互能力。
上海人工智能實(shí)驗(yàn)室開(kāi)源通用多模態(tài)大模型書生·萬(wàn)象3.0
4月17日，上海人工智能實(shí)驗(yàn)室（上海AI實(shí)驗(yàn)室）升級(jí)并開(kāi)源了通用多模態(tài)大模型書生·萬(wàn)象3.0（InternVL3）。通過(guò)采用創(chuàng)新的多模態(tài)預(yù)訓(xùn)練和后訓(xùn)練方法，InternVL3多模態(tài)基礎(chǔ)能力全面提升，在專家級(jí)基準(zhǔn)測(cè)試、多模態(tài)性能全面測(cè)試中，10億~780億參數(shù)的全量級(jí)版本在開(kāi)源模型中性能均位列第一，同時(shí)大幅提升了圖形用戶界面（GUI）智能體、建筑場(chǎng)景圖紙理解、空間感知推理以及通識(shí)學(xué)科推理等方面的能力。
中國(guó)自研AI圖像生成模型HiDream-I1與HiDream-E1官宣全面開(kāi)源
4月15日，HiDream智象未來(lái)團(tuán)隊(duì)宣布正式開(kāi)源圖像生成大模型HiDream-I1與交互編輯模型HiDream-E1。HiDream-I1在權(quán)威榜單Artificial Analysis中24小時(shí)內(nèi)登頂，成為首個(gè)躋身全球第一梯隊(duì)的中國(guó)自研生成式AI模型，并在圖像質(zhì)量、語(yǔ)義理解、藝術(shù)表現(xiàn)三大維度刷新行業(yè)紀(jì)錄，實(shí)現(xiàn)圖像的多風(fēng)格生成，涵蓋動(dòng)漫、肖像、科幻等場(chǎng)景。目前，設(shè)計(jì)工具Recraft已集成HiDream模型，用戶3步即可實(shí)現(xiàn)“一鍵出圖+智能編輯”。
群核科技朱皓：開(kāi)源模型將成為推動(dòng)全球人工智能發(fā)展最強(qiáng)勁的引擎
4月14日舉行的2025年世界互聯(lián)網(wǎng)大會(huì)亞太峰會(huì)主論壇暨數(shù)智未來(lái)論壇上，群核科技聯(lián)合創(chuàng)始人兼首席技術(shù)官朱皓表示，人工智能正在賦能千行百業(yè)，但并不能很好走進(jìn)物理世界。需要借助開(kāi)源的力量，加速AI走向物理世界。朱皓介紹，近年來(lái)，人工智能從技術(shù)和應(yīng)用上都取得了飛躍式的發(fā)展。但今天的人工智能依然屬于二維世界，仍難以理解空間關(guān)系和物理規(guī)律。要想創(chuàng)造更大的價(jià)值，就需要向三維現(xiàn)實(shí)進(jìn)階，用以理解三維世界的空間智能技術(shù)，成為了關(guān)鍵突破點(diǎn)。開(kāi)源模型將成為推動(dòng)全球人工智能發(fā)展最強(qiáng)勁的引擎。
智譜發(fā)布新一代開(kāi)源模型，極速版最高達(dá)到200tokens/秒
4月15日，智譜發(fā)布新一代開(kāi)源模型GLM-4-32B-0414系列，包含基座、推理、沉思模型權(quán)重，并遵循MIT License。目前系列所有模型可以通過(guò)“z.ai”訪問(wèn)體驗(yàn)。據(jù)介紹，推理模型GLM-Z1-Air/AirX-0414模型推理速度可以做到最高200 Tokens/秒（MaaS平臺(tái)bigmodel.cn上實(shí)測(cè)）。
?智譜將開(kāi)源推理模型GLM-Z1-Air和基座模型GLM-4-Air0414
3月31日，智譜將于4月14日開(kāi)源推理模型GLM-Z1-Air和基座模型GLM-4-Air0414，并于近期陸續(xù)上線bigmodel.cn。上述模型是智譜新推出的AI Agent“沉思”背后的模型。
階躍星辰Step-Video-TI2V圖生視頻模型開(kāi)源
3月20日，階躍星辰開(kāi)源圖生視頻模型——Step-Video-TI2V，一款基于30B參數(shù)Step-Video-T2V訓(xùn)練的圖生視頻模型，支持生成102幀、5秒、540P分辨率的視頻，具備運(yùn)動(dòng)幅度可控和鏡頭運(yùn)動(dòng)可控兩大核心特點(diǎn)，同時(shí)天生具備一定的特效生成能力。與此同時(shí)，Step-Video-TI2V已完成與華為昇騰計(jì)算平臺(tái)的適配，并在魔樂(lè)社區(qū)（Modelers）上線。
群核科技開(kāi)源空間理解多模態(tài)模型，可用于具身智能訓(xùn)練等領(lǐng)域
3月19日，在GTC2025全球大會(huì)上，群核科技宣布開(kāi)源其自主研發(fā)的空間理解模型SpatialLM。該模型僅通過(guò)一段視頻即可生成物理正確的3D場(chǎng)景布局。據(jù)了解，SpatialLM突破了傳統(tǒng)大語(yǔ)言模型對(duì)物理世界幾何與空間關(guān)系的理解局限，讓機(jī)器具備空間認(rèn)知與推理能力，將為具身智能等相關(guān)領(lǐng)域提供空間理解基礎(chǔ)訓(xùn)練框架。此外，該模型接下來(lái)還將迭代自然語(yǔ)言和場(chǎng)景交互功能。
昆侖萬(wàn)維開(kāi)源R1V視覺(jué)思維鏈推理模型
3月18日，昆侖萬(wàn)維正式開(kāi)源首款工業(yè)界多模態(tài)思維鏈推理模型Skywork R1V，即日起開(kāi)源模型權(quán)重和技術(shù)報(bào)告。