登录社区云，与社区用户共同成长
邀请您加入社区
为遵守国家网络实名制规定，未绑定将限制内容发布与互动
Speridlabs 正式开源 Iris-3B，这是一个 3B 参数的像素空间图像生成模型：不经过 VAE 压缩与解码，直接生成 RGB 像素，支持约 100 万像素的多种宽高比图像。它可按提示词生成摄影、插画和设计素材；同一骨干网络分别微调后，还可实现单目深度估计、图像修复与 4 倍超分辨率。 文生图基座、深度模型和修复/超分模型的权重及代码均以 Apache 2.0 协议开放。3
当前，大模型正在获得更长的推理链、更复杂的工具调用能力和更高的任务完成上限。但在软件工程与科学研究中，生成一份新答案并不等于获得了新的可靠结论：修复补丁可能引入回归，数学候选可能掩盖局部反例，物理推导也可能越过其适用条件。真正需要回答的问题，是新增计算结果何时有资格取代已有状态，并成为下一轮推理的可信起点。 清华大学深圳国际研究生院智能机器人实验室VeriLoop团队围绕这一问题发布开源模型Ver
AutoTrust AI Lab 开源 JEV-27B-VL，一款基于 Qwen3.8-27B 的多模态决策模型。它可以视为能“看见”的 JEV-27B：沿用原有的 System 1 决策与 System 2 推理能力，并将其扩展至图像输入。 System 1 可在单次前向传播中完成 yes/no 判断、2–256 个选项选择和 0–5 评分，并输出校准概率；System 2 则保留 Qwen3.
一句弹幕里的“狒瘾犯了”，换成英文还能让人接住梗吗？一段视频换了语言，能否听到自然的配音？一本小说翻到后半本，人物的名字还能保持一致吗？ 哔哩哔哩Index LLM团队推出 Index-Translate 多语言翻译模型家族。文本模型覆盖包括中文、英文在内的 150 种语言，提供 2B、9B、35B-A3B（preview） 三种规模；Index-Echo、Index-Homura 和 Index
至知创新研究院开源 IQuest-Q1—— 一款定位于提升智能体 CLI 系统的基础能力的智能体基座模型。它采用稀疏 MoE 架构，总参数 320B、激活 15B，上下文 524,288 token；训练在合成环境中进行：任务与环境一并合成，同一策略在多种脚手架中训练（保留各脚手架原生的工具与上下文管理，只有策略自身的错误才作为学习信号），四个专家模型再由多教师在线策略蒸馏（MOPD）整合进同一学
近日，上海人工智能实验室（上海AI实验室）推出决策模型书生·明决（Decision），性能超越Jev及同类开源模型，包含0.8B、2B、4B三档参数版本。 智能体在动态环境执行任务时，决策的速度与精度，直接决定交互的质量与任务落地的效果。书生·明决将原生视觉感知与指令遵循融为一体——在“看见”画面的同时做出精准决断。实测显示： 单卡4090环境中决策速度达30次/秒：书
9 月 23 日，斯坦福大学与 NVIDIA Research 联合团队发布 Contrastive Language Models（CLM），一类用对比学习目标训练的System One决策模型。首发版本 CLM-8B 用一个状态编码器加一个动作编码器，把当前状态与候选动作映射进同一嵌入空间，按余弦相似度打分，直接充当零样本动作分类器和验证器：骨干是冻结的 Qwen3-8B，只训练 2000 万
训不起 2.8T 的 K3，玩够了 124M 的 nanoGPT，想试试十亿参数、万亿 token 的预训练，门槛有多高？ 这类模型被广泛使用，例如经典的 Qwen 系列（Qwen2-1.5B、Qwen2.5-1.5B、Qwen3-1.7B……）。不过 Qwen 系列尽管开源了权重，却未完整公开预训练配方。而 OLMo、SmolLM 等进一步开放了数据和训练细节，但复现依然昂贵：据估计，即使只有
中国电信星辰通用人工智能实验室开源文档解析模型 TeleOCR。该模型采用约 1.2B 参数的轻量级视觉语言架构，在单一框架内统一处理数字文档与相机拍摄文档，并将文字、版面、表格、公式和科学图表转换为可直接使用的结构化结果。 TeleOCR 在 OmniDocBench v1.6 取得 96.87 总分，登顶 OmniDocBench v1.6 榜单，超越 MinerU2.5-Pro、Paddle
HF 珞 https://huggingface.co/jinaai/jina-ocr-v1 魔搭 慄 https://modelscope.cn/models/jinaai/jina-ocr-v1 技术报告 https://arxiv.org/abs/2609.03181 API https://jina.ai/models/jina-ocr-v1 Jina-OCR-v1正式开源！ 这
