HunyuanOCR：腾讯混元开源的轻量高效多模态OCR大模型，全场景多语种图文智能解析
HunyuanOCR是腾讯混元开源的端到端OCR专家模型，基于混元原生多模态架构构建，仅1B参数便实现了业界多项SOTA性能。该工具覆盖文字检测识别、复杂文档解析、开放字段信息抽取...
Ruyi：CreateAI推出的开源图像转视频大模型，支持768分辨率与多维度视频控制
Ruyi是Ruyi-Models项目的核心图像到视频（Image-to-Video, i2v）生成模型，由CreateAI团队开发并开源，旨在为用户提供“低门槛、高性能、高自由度”的视频生成解决方案。不...
MiMo-Embodied：小米开源的7B跨具身视觉语言模型，打通自动驾驶与具身AI双领域推理
MiMo-Embodied是小米公司具身智能团队推出的一款开源跨具身视觉语言模型（Vision-Language Model, VLM），于2025年正式发布。作为全球首个整合自动驾驶与具身AI两大关键领域...
VibeThinker-1.5B：微博开源的1.5B小参数量高性价比强推理模型
VibeThinker-1.5B是一款仅1.5B参数的开源小参数量密集型模型，核心突破在于通过“频谱到信号原理”和两阶段多样性探索蒸馏+强化学习优化，打破了“小模型缺乏强推理能力”的...
Bee：清华大学联合腾讯混元推出的全开源多模态大语言模型
Bee是由清华大学与腾讯混元团队联合研发的全开源多模态大语言模型（MLLMs）全栈解决方案，项目通过三大核心产出——1500万条双级思维链（CoT）增强的高质量SFT数据集Honey-...
UniWorld-V2：基于 DiffusionNFT 与 MLLMs 的开源 AI 图像编辑模型
UniWorld-V2 是一款开源的AI图像编辑模型，专注于提升扩散模型的复杂编辑能力。该项目通过创新的 DiffusionNFT 技术和基于预训练多模态大模型（MLLMs）的无训练奖励模型，实...
Ouro：开源预训练循环语言模型（Looped LLM），小参数量匹敌大模型性能
Ouro 是多机构联合研发的开源循环语言模型系列，核心创新在于将“推理能力”融入预训练阶段，而非依赖传统大语言模型（LLM）的 post-training 显式文本生成。该系列包含 Ou...
LongCat-Flash-Omni：美团开源的5600亿参数全模态大模型，支持低延迟音视频实时交互
LongCat-Flash-Omni是美团LongCat团队开发的开源全模态大模型，总参数规模达5600亿，基于LongCat-Flash的shortcut-connected混合专家（MoE）架构打造。该模型融合文本、音频...
Kimi Linear：Moonshot AI 推出的开源高效注意力模型架构
Kimi Linear是由Moonshot AI开源的混合线性注意力架构，核心基于Kimi Delta Attention（KDA）机制，通过优化门控机制和混合架构设计，在长上下文任务中实现了内存效率与性能...
Qwen3-VL：Qwen 系列推出的强大多模态 AI 模型，打通视觉与语言的智能融合
Qwen3-VL 是 Qwen 系列开源的强大多模态视觉 - 语言模型，支持图像 / 视频理解、文本交互、视觉代理等全场景任务，具备长上下文处理、空间感知、跨语言 OCR 等核心能力，提...
LiveCC：开源实时视频解说大模型，融合流式语音转录与多模态理解
LiveCC 是一款开源实时视频解说大语言模型（Video LLM），旨在通过融合视频视觉信息与流式语音转录（ASR）文本，实现对视频内容的实时理解与动态解说。该项目提供从数据生产...
MinerU：开源多模态文档解析工具，高效提取 PDF 中表格、公式与复杂布局内容
MinerU 是由 OpenDataLab 开发的开源多模态大模型工具，专注于解决 PDF 等复杂文档的内容提取难题。它通过创新的两阶段推理架构和原生高分辨率处理能力，在布局分析、表格识...
UserLM-8b：微软推出的开源用户角色对话生成工具，专为助手 LLM 研究评估设计
UserLM-8b是微软研究院开发的开源用户模拟大模型，其核心目标是填补“用户角色模拟”的LLM空白——常规LLM以“助手”身份生成帮助性响应，而UserLM-8b专为模拟“用户”在对...
DeepSeek-V3.2-Exp：DeepSeek 推出的长上下文效率优化实验性开源大模型
DeepSeek-V3.2-Exp是DeepSeek-AI推出的实验性大模型版本，作为下一代架构的中间迭代产物，其核心基于DeepSeek-V3.1-Terminus升级，创新引入DeepSeek Sparse Attention（DSA...
Gemma 4完全指南：从入门到本地部署
《Gemma 4完全指南：从入门到本地部署》是由社区知名博主“花叔”精心编写的一本技术实战手册。全书基于Google官方文档、Hugging Face发布资料及作者本地实测编写，覆盖了G...