从零部署 MiniCPM-V 4.5：详解8B多模态模型在本地环境的完整搭建流程
深度解析 MiniCPM-V 4.5 多模态大模型，手把手教你完成本地部署。支持高精度 OCR 与长视频理解，基于 Ubuntu 环境，适配 GGUF 量化，轻松在消费级硬件运行视觉语言模型。
AgentCPM-GUI：开源多模态设备端智能体，一键实现安卓应用自动化操作
AgentCPM-GUI是一款面向安卓系统的开源设备端GUI（图形用户界面）智能代理，核心能力是接收用户自然语言指令与智能手机屏幕截图，通过对GUI元素的识别、理解与推理，自主生...
Engram：DeepSeek开源的大模型静态记忆增强工具，实现记忆与计算的最优分配
Engram是由DeepSeek AI开源的大语言模型条件记忆模块，作为混合专家（MoE）之外的互补稀疏性方案，它将经典N-gram嵌入现代化，实现了O(1)时间复杂度的知识查找。该模块通过...
FantasyWorld：高德地图联合北邮推出的几何一致型 3D 世界建模开源框架
FantasyWorld 是由高德地图（AMAP）与北京邮电大学联合研发的开源 3D 世界建模框架，核心围绕几何一致的世界建模目标，通过在冻结的视频基础模型上增设可训练的几何分支，实...
手把手教你部署 SAM 3 模型：从环境搭建到 Web 界面运行
手把手教你部署 SAM 3 模型！从环境搭建、模型下载到 Web 界面运行，完整教程覆盖 Ubuntu + Conda + Gradio 部署全流程，支持文本/点/框多模态分割提示，低显存友好，即刻体...
MMSI-Video-Bench：上海AI Lab开源的视频空间智能评测基准
MMSI-Video-Bench是一款开源的视频空间智能专项评测基准。该基准聚焦多模态大模型（MLLMs）在视频场景下的空间智能能力评估，构建了覆盖“感知-规划-预测-跨视频推理”的四...
LTX-2：Lightricks开源的全功能音视频生成基础模型
LTX-2是由Lightricks团队开源的音视频生成基础模型项目，不同于传统音视频生成模型“音频+视频”分离式设计，LTX-2从底层架构上实现了音视频同步生成，且无需依赖多个独立模...
阿里Wan2.2-Animate-14B本地部署教程：一键生成AI动画视频（图文详解）
阿里巴巴Wan团队开源Wan2.2-Animate-14B模型，支持静态图生成高保真角色动画。本文详解Ubuntu系统下基于ComfyUI的本地部署全流程，涵盖环境配置、依赖安装、模型下载与运行...
Open Interpreter：开源本地运行的大语言模型代码执行工具
Open Interpreter是一款开源的大语言模型代码执行工具，核心解决OpenAI官方Code Interpreter托管式、闭源、限制多的痛点，支持在本地环境运行Python、Javascript、Shell等多...
DLCM：字节跳动开源的动态大概念模型，自适应语义压缩与高效概念级推理
DLCM（Dynamic Large Concept Models）是字节跳动等机构联合推出的开源分层语言建模框架，打破传统LLM的token级均匀计算范式，通过端到端学习语义边界，将计算资源从冗余to...