来自小红书超级智能团队的 FireRed-OCR，以仅 20 亿参数的轻量模型，在权威文档解析基准 OmniDocBench v1.5 上拿下端到端方案第一，综合得分 92.94%，超越 Gemini 3.0 Pro、DeepSeek-OCR 2 和 Qwen3-VL-235B。 模型已在ModelScope 开源，感兴趣可以直接体验 Demo 或下载权重本地部署，采用Apache 2.0协议，代

大模型推理太慢、显存不够用？腾讯混元团队开源的 AngelSlim，一套工具解决量化、加速、剪枝三大难题。 为什么需要模型压缩？ 近年来，大语言模型（LLM）和多模态大模型（MLM）的能力发展速度很快——复杂推理、零样本泛化、跨模态理解，样样精通。但这些能力的背后，是一道绕不过去的"推理墙"（Inference Wall）： 自注意力机制的计算复杂度是 O(n²)，序列越长，消

在代码大模型（Code LLMs）的持续演进中，竞赛级编程（Competitive Programming）是考验其极限算法思维与长逻辑推理的核心高地。然而，当前在该领域性能领先的模型，往往高度依赖有限的真实世界竞赛数据，这不仅带来了真实数据枯竭问题，也引发了严重的数据污染担忧。 能否仅依靠纯合成数据，将大模型的代码推理能力提升至专家水平？ 近日，来自微软和清华大学的研究团队联合发表了一项最新研究

本地运行、零 API 成本、结构化输出 100% 准确 —— LocoOperator-4B 是一个专为代码库探索设计的蒸馏模型，或许会改变你使用 AI 辅助编程的方式。 背景：Code Agent的"贵"从哪来？ Code Agent 是目前最受开发者欢迎的Vibe Coding方式，很多Code Agent核心工作模式是主智能体 + 子智能体的两层架构：主模型负责决策和代码

更好的架构、更高质量的数据、更大规模的强化学习，才是推动智能进步的真正引擎。  一句话读懂 Qwen3.5 今天，Qwen团队正式发布 Qwen3.5 中等规模模型系列，包含四款各有侧重的模型： 模型定位Qwen3.5-Flash生产级托管版，对应 35B-A3B，默认 100 万上下文Qwen3.5-35B-A3B小体积，超强能力，已超越 Qwen3-235B-A22BQwen3.5-122B

近日，中科天机与中国最大的AI开源社区魔搭社区（ModelScope）达成合作，“中科天机高质量气象数据集”正式上线魔搭平台，提供给广大开发者和气象爱好者下载和使用。这是中科天机自2025年9月启动“高分辨率气象数据共享计划”以来，首次将自主生成的高精度气象数据集接入外部AI开发者社区，也标志着双方在科学智能领域的生态合作正式开启。 数据集下载链接：https://www.modelscope.c

春节前，AI界迎来一场中国OCR小模型的开源爆发：DeepSeek、智谱、百度飞桨、腾讯优图四大团队相继发布新一代OCR模型。 四款模型全部采用视觉语言模型（VLM）架构，彻底抛弃了沿用数十年的“检测→矫正→识别→结构化”流水线设计。OCR技术，正从“字符数字化”迈入“语义结构化”的新纪元。 范式革命：从光栅扫描到视觉因果流 传统OCR像一条僵化的装配线：先框出文字区域，再矫正倾斜，接着逐字识别，

继 魔搭社区+OpenVINO™ 加速部署 Qwen3-TTS 实战 后，紧锣密鼓安排上Qwen3-ASR 的实战教程。 Qwen3-ASR 系列模型也是通义千问团队在春节前发布的音频理解方向最新成果 ，包含 1.7B 和 0.6B 两个版本。作为 Qwen 语音家族的最新成员，它在多语言识别和处理复杂声学环境方面展现了卓越的性能。   开源资源： Qwen3-ASR官方仓库: http

日前，通义千问Qwen 推出了 Qwen3-TTS 系列模型。这不仅是一个高质量的文本转语音工具，更是一个支持 10 种全球语言、具备“声音克隆”与“情感适配”能力的声学引擎。   开源信息 github: https://github.com/QwenLM/Qwen3-TTSmodel：https://modelscope.cn/collections/Qwen/Qwen3-TTS &

日前，智谱开源发布了专为复杂文档理解设计的多模态 OCR 模型 GLM-OCR。该模型基于 GLM-V 编码器 - 解码器架构，集成了在大规模图文数据上预训练的 CogViT 视觉编码器、具有高效令牌下采样机制的轻量级跨模态连接器，以及 GLM-0.5B 语言解码器。为进一步提升性能，GLM-OCR 引入了多令牌预测（MTP）损失函数和稳定的全任务强化学习机制，并结合基于 PP-DocLayout