当算力受限、数据参差，如何训练出高效可用的端侧模型？鹏城实验室联合清华不仅给出了答案，更将每一步都开源共享。 如果实验室只有国产算力、有限资源与开源数据，能否玩转端侧模型的预训练？鹏城实验室与清华大学 PACMAN 实验室联合发布了鹏城脑海‑2.1‑开元‑2B（PCMind‑2.1‑Kaiyuan‑2B，简称"开元‑2B"）模型，并以全流程开源的方式回应了这一挑战——从训练数

你是否有过这样的挫败感：想让 AI 把合照里的路人移开，结果路人消失了，背景却像被抹了一层浆糊；想改一下海报里的字体，结果 AI 把整张图的画风都重绘了。 这种“牵一发而动全身”的翻车现场，本质上是因为 AI 一直在用「扁平图片」思考世界。对模型而言，图片只是像素的堆砌，而非物体的组合。 近日， Qwen 团队发布的最新研究 Qwen-Image-Layered 正式宣告：AI 图像编辑的“图层

转自 MiniMax稀宇科技 今天，MiniMax视频团队推出其首个开源工作——VTP (Visual Tokenizer Pre-training)；这个工作讨论的是视觉生成模型中的关键组件——tokenizer，对于整个生成系统的scaling性质。 这个说法可能会让大家感到有点陌生：什么时候tokenizer也有scaling性质了？Scaling作为大模型时代的核心纲领，其讨论的对象一般是

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