一款仅有30亿参数的小模型，在数学和推理能力上超越了320亿参数的大模型。 BOSS直聘Nanbeige大语言模型实验室，开源了他们的Nanbeige4-3B模型。 模型 https://www.modelscope.cn/organization/nanbeige 23万亿Token重塑小模型潜能 对于一个3B级别的模型，通常的训练量可能在几万亿token，但Nanbeige4-3B直接将

我们发布了一个 Qwen-Image 的“图生 LoRA”模型。 是的，输入一张图，输出一个 LoRA 模型的权重，端到端直出的那种。 本文，我们将介绍我们是如何设计并训练出 Qwen-Image-i2L（Image to LoRA）模型的，我们记录了实验过程中走的弯路，希望本文能够启发更多有价值的研究。 技术路线 可行性分析 给定一张或几张图，用 GPU 花费几个小时训练一个 LoRA，这

 2025年末，DeepSeek 3.2强化推理与Agent能力，Mistral-3系列回归，智谱开源周连发GLM-4.6V、AutoGLM-Phone、RealVideo等多模态重磅模型～  文生图赛道卷出新高度：Flux2登场，Z-Image-Turbo 在6B规格上凭「10步内高质量出图+超强中英理解」引爆社区，生态迅猛崛起，魔搭Day 0全链路支持！  开源基建持续深耕：DiffSy

相信尝试过训练Z-Image LoRA的开发者会发现，直接基于 Z-Image Turbo 训练出的 LoRA 会失去加速能力，在加速配置（steps=8，cfg=1）下生成的图像变得模糊，在非加速配置（steps=30，cfg=2）下生成的图像正常。 为能够在 LoRA 中保留"Turbo"加速能力，ModelScope DiffSynth团队提出一种训练 Z-Image-

随着大语言模型技术的快速发展，人工智能交互正在从纯文本对话向多模态、具身化方向演进。今天，魔珐科技（XMOV） 携手 魔搭社区（ModelScope），在创空间正式上线了 「魔珐星云智能客服 Demo」！这是一个基于超写实3D数字人技术的具身智能交互平台。该平台实现了AI从"语言理解"到"具身表达"的能力升级，用户无需复杂部署，即可通过网页体验集视觉形象、智

今天，智谱送给开源社区以及 GLM Coding Plan 用户，人手一台“AI手机”。 现在，只需在 Claude Code 里输入一句提示词，AI 就会自动为你装好 AutoGLM，然后，你就有了—台“AI手机”。 智谱 Agent 模型 AutoGLM 开源后，受到开发者喜爱，对于这样一个开源“新物种”，部署过程确实有点麻烦。在不断尝试寻找更简单的解决方案后，惊喜地发现，这些工作完全可以交给

智谱正式发布并开源了GLM-ASR系列语音识别模型，并推出基于该系列模型打造的桌面端智谱AI输入法。 本次发布模型与产品包括： GLM-ASR-2512：全球领先的云端语音识别模型；GLM-ASR-Nano-2512：参数量仅1.5B的开源SOTA端侧语音模型；智谱AI输入法：将语音识别与大模型深度融合的桌面端效率工具。 实现让用户真正做到“动动嘴，活就干了”，从“把话变成字”走向“直接用语音

现有人像动画的主流Reference-to-Video范式因忽视时空错位，常导致身份漂移与视觉伪影。针对这一痛点，南京大学、腾讯PCG、上海人工智能实验室联合推出并开源SteadyDancer，这是首个基于Image-to-Video范式并稳健实现首帧保留的框架。通过引入条件协调机制、协同姿态调制模块及分阶段解耦目标训练流程，该模型成功攻克了外观保真度与运动控制难以兼得的难题，在显著降低训练资源消

今日，智谱新模型开源发布—— GLM-4.6V 系列多模态大模型，共包含两款模型： GLM-4.6V（106B-A12B）：面向云端与高性能集群场景的基础版GLM-4.6V-Flash（9B）：面向本地部署与低延迟应用的轻量版。 模型合集： https://www.modelscope.cn/collections/GLM-46V-37fabc27818446 作为 GLM 系列在多模态方向

在AI绘画领域，模型的理解力与表现力一直是研发的核心，效果好的模型参数大，参数小的模型效果差一直是困扰二次元AI模型爱好者的难题。在文生图领域，基于Transformer的DiT架构正逐渐成为主流。 近日，社区开源模型研究团队NewBieAI-Lab公开了其首个实验性文生图模型——NewBie image Exp0.1，一个专为二次元而生的3.5B 参数 Next-DiT 底模。除了扎实的底