#开源模型

6天前

当神的铠甲太重，已经勒进肉里 —— "神"开始流血了 2025年11月6日，Sam Altman 发了一篇1200字的声明。语气很诚恳。姿态很低。但你能感觉到，他在出汗。同一周，北京的月之暗面团队发布了 Kimi K2。训练成本：460万美元。在 SWE-Bench Verified 这个专业代码生成测试上，它跑出了71.3%的成绩——超过了 GPT-5。 OpenAI 的 CFO 前一天刚说"可能需要政府融资支持"。第二天就改口。这不是巧合。这是流血的声音。 //什么是"神"// 神不是某个人，是一套信念。这套信念说：只有闭源、重资本、天价算力，才能训练出最强的模型。它的代言人是 OpenAI，是 Sam Altman，是那份横跨8年、总额1.4万亿美元的基础设施承诺清单。 1.4万亿是个什么概念？相当于整个非洲大陆2023年的 GDP。相当于可以建造140个三峡大坝。相当于给全球每个人发200美元。这笔钱，OpenAI 准备用来建数据中心、买芯片、铺光纤。他们说服了 Broadcom、Oracle、Microsoft、Nvidia。差点说服了政府。但现在，DeepSeek 用560万美元训练出了 R1。 Kimi K2 用460万美元，跑通了1T参数的 MoE 架构。这两个数字，一个是1.4万亿，一个是460万。差了多少倍？ 30万倍。 //为什么流血// 想象一下这个画面： OpenAI 每年烧掉数千亿美元，像一台巨型蒸汽机，轰隆作响，吞吐着电力和芯片。而月之暗面的团队在北京的办公室里，用384个"专家"（这是 MoE 架构里的技术术语，可以理解为384个小型专业模型）、32B激活参数，在15.5万亿 token 的训练过程中实现了零损失尖峰。什么叫零损失尖峰？简单说，就是训练过程全程稳定，不需要重启，不需要人工干预，不需要"救火"。在 SWE-Bench 这样的专业代码生成任务上，Kimi K2 逼近了 GPT-5 的水平。在推理场景中，它打败了 Claude Opus 4 的部分能力。更要命的是，这些模型开源。任何人都可以下载权重，部署在自己的服务器上。跑100万 token 只需要0.15美元输入、2.5美元输出。OpenAI 的 API 定价？十倍以上。 Sam Altman 在声明里花了三段篇幅解释"我们不需要政府担保"，又花了两段解释"我们的收入增长计划"。他说，OpenAI 今年年化收入约200亿美元，预计2030年要涨到数千亿。这套叙事建立在一个假设上：闭源模型的性能壁垒能维持足够长的时间，让用户愿意为高昂的 API 付费。但中国实验室正在粉碎这个假设。如果 Kimi K2 用不到500万美元的单次训练成本，就能达到与 GPT-5 相近甚至部分超越的表现，那1.4万亿美元的基础设施蓝图到底在买什么？是买保险吗？是买垄断吗？还是买一套已经过时的军备竞赛规则？ //伤口在哪里// 伤口不在技术上。 OpenAI 依然有 GPT-5 Pro，依然有企业客户，依然有品牌优势。但伤口在"必要性"上。举个例子。 OpenAI 会说，那20%的差距是关键——是在极端边缘案例下的稳定性，是企业级的安全保障，是能让 AI 做出科学突破的最后一跃。但问题是，当 All-In 播客的主持人 Chamath Palihapitiya 公开说"我们已经将大量工作负载转移到 Kimi K2，因为它性能更好且便宜太多"时，这个20%的叙事就开始失效了。因为大部分用户不需要那最后20%。他们需要的是"足够好"+"便宜10倍"。这就像你去买车。一辆车从0加速到100公里需要3.5秒，另一辆需要4.2秒。但前者要100万，后者只要10万。大部分人会选哪个？ DeepSeek 和 Kimi K2 证明了什么它们证明了一件事：当你用正确的架构设计（MoE + MLA）、正确的优化器（MuonClip 替代 AdamW）、正确的数据 pipeline（智能体模拟场景），1T参数的模型可以在15.5万亿 token 的训练过程中全程稳定。不需要重启。不需要人工干预。不需要"战略国家算力储备"。这不是技术追赶。这是路线证伪。就像当年苹果证明了"智能手机不需要键盘"，特斯拉证明了"电动车不需要妥协性能"，SpaceX 证明了"火箭可以回收"。现在，DeepSeek 和 Kimi K2 证明了：训练顶级 AI 模型，不需要1.4万亿美元。 //之后会发生什么// 神不会死。 OpenAI 还有现金流，还有 ChatGPT 的用户基数，还有企业版订阅。但神会缩小。 1.4万亿美元的承诺会被重新谈判。部分数据中心项目会推迟或取消。投资人会开始问"为什么不用开源模型做底座"。政府会发现，建设"国家 AI 基础设施"其实可以部署 Kimi K2，而不是向 OpenAI 购买算力配额。更重要的是，开发者会用脚投票。当 Hugging Face 上 Kimi K2 的下载量接近10万、GitHub 星标5.6K、Perplexity 的 CEO 公开说要基于 Kimi K2 做后训练时，这场游戏的规则已经变了。 Sam Altman 说"我们相信市场会处理失败"。但他没说的是：市场正在处理的，不是某家公司的失败，而是某种路径的失败。那种认为"只有砸更多钱才能做出更好模型"的路径。那种认为"闭源才能保持领先"的路径。那种认为"政府应该为私营数据中心提供低成本资本"的路径。神会继续存在。但祂的铠甲会被卸下一些。那些用1.4万亿美元堆起来的、刻着"AGI 需要无限算力"的护板，会被一片片敲掉。留下的可能是一个更轻盈的 OpenAI——依然强大，但不再垄断叙事。或者，留下的只是一个教训：当你把赌注压到"我们是唯一能做到这件事的人"上时，最危险的对手不是那些追赶你的人，而是那些证明"其实不需要这么多钱"的人。 Kimi K2 的团队没有试图打败 OpenAI。他们只是在北京的办公室里，用460万美元，证明了一件事：有些伤口，不是被对手砍出来的。是自己的铠甲太重，开始勒进肉里。

OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 140 条信息

#kimi k2 #OpenAI #低成本AI #开源模型 #路线证伪

1周前

kimi k2 thinking 效果真的很棒，重点不在于现在有没有全面超过 gpt/claude 重点在于 “神”开始流血了，很多大饼和泡沫是建立在闭源模型的领先上，但如果有个开源的替代品能贴近甚至超过闭源模型，很多事情应该会发生变化

MiniMax M1发布：开源长上下文推理模型引发AI领域震动· 23 条信息

#Kimi #K2 #开源模型 #gpt/claude #技术

1周前

ComfyUI 终于上云了。👏 以前玩 ComfyUI，要自己搞显卡、装模型、配插件；现在直接一个浏览器就能用官方的 Comfy Cloud：后端是 NVIDIA A100（40G）GPU 内置 400+ 开源模型 + 17 个热门扩展公测期间直接注册就能用，不用排队以后按「实际运行时间」计费，编辑空闲不算钱对没有高配电脑、但想认真玩工作流的创作者 / 工作室来说，这波基本就是： 👉 从「本地玩家」升级成「随时随地开图的云端工作站」。

#comfyUI #云端工作站 #NVIDIA A100 #开源模型 #工作流

2周前

OpenAI 发布开源安全推理模型：gpt-oss-safeguard 专门用来进行内容审查模型版本： gpt-oss-safeguard-120B gpt-oss-safeguard-20B 不同于传统“黑盒”内容审核算法： gpt-oss-safeguard 以推理代替记忆，能直接读取你的的安全政策，并在推理时遵循该政策执行判断进行内容审查。无需学习... 这代表着内容安全从“被动学习规则” 进入“主动理解规则”的新阶段意味着： - 政策不需要再重新训练，只需修改输入文本即可。 - 模型能输出自己的推理过程，说明为什么作出判断。 - 不同产品、不同场景可以自定义不同政策。新。 - 不同产品、不同场景可以自定义不同政策。

#OpenAI #内容安全 #开源模型 #安全推理 #主动理解规则

2周前

MiniMax开源MiniMax-M2 230B总参数，10B激活参数，水平跟其他国产头部开源模型接近。模型：

MiniMax M1发布：开源长上下文推理模型引发AI领域震动· 23 条信息

#MiniMax #开源模型 #MiniMax-M2 #230B参数 #国产头部模型

3周前

[论文解读] DeepAnalyze: Agentic LLM 助力自主数据科学来自中国人民大学和清华大学团队的论文，提出 DeepAnalyze-8B 模型，基于 Agentic LLM 实现从原始数据到深度报告的自主数据科学，突破传统固定流程的局限。核心贡献 · DeepAnalyze-8B：80亿参数开源模型，自主协调规划、数据理解、代码生成等任务，通过提示或微调支持数据问答、建模及开放研究。 · 课程式训练：从单一技能（推理、代码）到综合能力，结合强化学习解决反馈稀疏问题。 · 轨迹生成框架：通过多智能体交互和关键词引导，从数据集生成50万条高质量训练样本（DataScience-Instruct-500K，已开源）。 · 实现从数据清洗到报告生成的端到端流程。方法概述基于 DeepSeek-R1-0528- Qwen3-8B，模型通过五类行动标记（如⟨Analyze⟩规划、⟨Code⟩代码生成）循环优化输出。训练分两阶段： 1. 单一技能微调：监督学习提升推理、数据理解、代码能力，关键词优化增强表格处理。 2. 多技能训练：交互轨迹微调后，用.GRPO 强化学习，结合规则、准确性和 LLM 评分优化。训练在 NVIDIA A800 GPU 上完成，支持 32K tokens 序列，轨迹从 Spider/BIRD 等数据集生成并过滤。主要成果在12个基准测试中，DeepAnalyze-8B 表现优异： · 完整流程（DataSciBench）：成功率59.91%，完成率66.24%，接近GPT-4o（66.31%），数据准备（71.68%）和可视化（69.09%）领先。 · 分析/建模（DSBench）：准确率30.04%，成功率90.63%，超GPT-4o智能体。 · 多步推理（DABStep）：准确率38.88%，远超ReAct+GPT-4o（15.77%）。 · 深度研究（DABStep-Research）：内容得分3.81/5，格式4.39/5，优于GPT-4o（3.05/5），案例中识别18-27%费用优化和35-42%欺诈降低潜力。 · 代码/表格问答：代码生成61.7%（超GPT-4-turbo 53.9%），表格问答64.47%（SOTA）。消融实验显示课程训练提升23.54%，轨迹优化增4.57%。模型、代码、数据集已开源。论文地址：

#DeepAnalyze-8B #agentic LLM #自主数据科学 #数据分析 #开源模型

3周前

[开源模型] DeepSeek-OCR: DeepSeek 最新开源的 VLM，参数规模 3B，核心目标是从 LLM 的视角探索视觉编码器的作用，并推动视觉-文本压缩技术的边界。该模型被命名为“Contexts Optical Compression”，目的是高效处理图像中的文本提取和文档结构化任务，适用于 OCR 和文档数字化场景。关键创新与架构 DeepSeek-OCR 的设计强调 LLM 中心化的视觉处理创新： · 视觉-文本压缩机制：通过动态分辨率处理（如 Gundam 模式，将图像裁剪为多个 640×640 块加一个 1024×1024 中心块），将视觉输入压缩为少量 token（例如 Base 模式下 256 个视觉 token），减少计算开销的同时保留高保真度。这不同于传统 VLM 的固定分辨率编码，更注重与 LLM 的无缝融合。 · 多模态提示支持：引入 grounding 提示（如“<|grounding|>”），允许模型针对性执行任务，如“Convert the document to markdown”用于结构化输出，或“Free OCR”用于纯文本提取。 · 训练策略：模型借鉴了 Vary 和 GOT-OCR2.0 等开源项目，聚焦于文档、图表和弱视觉信号的处理，支持 32 种语言的 OCR（包括中文和英文）。这些创新使 DeepSeek-OCR 在处理复杂布局（如表格、图表）时表现出色，避免了传统 OCR 工具（如 Tesseract）的刚性限制。性能表现在基准测试中，DeepSeek-OCR 展现出高效性和准确性： · OCR 准确率：在 OCRBench 等数据集上，超越部分开源 VLM（如 Qwen-VL），尤其在手写体和低质量图像上表现稳健。 · 推理速度：使用 vLLM 引擎，在 A100-40G GPU 上处理 PDF 可达约 2500 token/s，支持并发批量评估。 · 分辨率适应：支持 Tiny（512×512）到 Large（1280×1280）模式，平衡精度与效率；在 OmniDocBench 等文档基准中，文档到 Markdown 转换的 F1 分数高于基线模型 5-10%。它在资源受限环境下（如单 GPU）实现 SOTA（最先进）性能，但对极高分辨率图像的泛化仍需优化。使用与应用部署简单，支持 Hugging Face Transformers 和 vLLM： · 环境准备：Python 3.12+、CUDA 11.8、Torch 2.6.0，安装 flash-attn 和 vLLM。 · 应用场景：文档数字化（如 PDF 转 Markdown）、发票提取、学术论文图表解析。仓库提供可视化示例，展示从杂乱图像到结构化输出的效果。开源模型

智谱直播发布全球最佳视觉模型GLM-4.5V，挑战AI视觉领域极限· 19 条信息

#开源模型 #DeepSeek-OCR #VLM #视觉-文本压缩 #文档数字化

4周前

谷歌的开源模型发现新的癌症治疗途径谷歌的开源模型Cell2Sentence-Scale（基于Gemma系列），发现了一种新的癌症治疗途径，并已在活细胞中得到实验验证。官方报道：模型：

谷歌Deep Research：AI操作系统雏形？· 122 条信息

#谷歌 #开源模型 #癌症治疗 #Cell2Sentence-Scale #Gemma系列

4周前

一年的时间，顶级的开源模型已经都源自中国了，好的开源也是垄断👀

MiniMax M1发布：开源长上下文推理模型引发AI领域震动· 23 条信息

#开源模型 #中国 #垄断 #技术 #积极

杀马特宅主

1个月前

这一次中国押注大模型的开源运动可能成功了，贸易战开始站在上风头了。美国一直想靠封闭垄断卡中国脖子：OpenAI锁软件市场，英伟达整硬件需求，想把AI的虚拟代码到实体算力都攥在手里。问题是AI不只是软件，得靠稀土、光伏硅片、制造链这些“实在东西”才能落地，而这些中国正好有一些关键环节。中国的应对很直接：一边搞DeepSeek，Qwen, GLM这类低成本开源软件，绕开美国的软件封锁；一边把“稀土-芯片材料-算力”的硬件闭环做扎实. 贸易战本质就是抢产业链的主导权。美国想搞“去中国化”重构分工，可开源偏不按这个规则来——技术不再被少数国家垄断，非美中小企业，用开源模型会更安心软件，加上稳定的硬件供应，这是刚需。以医疗大模型为例，任大模型公司赌咒发誓，患者资料也是不敢直接大规模上传apikey的。现在局势很明了：美国前期砸的大量资金，在算力能源上可能被特朗普美丽的煤和中国双重卡脖子；而中国靠开源在AI工业运用领域可能会慢慢占上风。未来工人能和开源模型支持的机器人竞争吗？

DeepSeek数据泄露：德国下架，信任崩盘· 423 条信息

中国DeepSeek引发美国科技股暴跌事件· 164 条信息

#中国 #开源模型 #贸易战 #AI #产业链

1个月前

IBM开源高性能系列模型Granite 4.0 有几大核心亮点： · 全新的Mamba/Transformer 混合架构，不降低性能的前提下，大幅降低需要的内存，运行成本更低 · 世界上第一个获得ISO 42001 认证的开源模型 · 包括三个型号，Small（32B总参数、9B激活参数）、Tiny（7B总参数、1B激活参数）、Micro（3B参数），其中32B版本能力优秀，与Qwen3 30B-A3B接近。官方介绍：模型：

#IBM #Granite 4.0 #开源模型 #Mamba/Transformer混合架构 #ISO 42001认证

1个月前

阿里又发布一系列新模型和新产品其中开源的是Qwen3-VL和Qwen3Guard。 · Wan2.5-Preview：最新版的视频模型，对标Veo 3 可以同时生成视频和音频。未开源。在线使用： · Qwen3-VL：开源最佳视觉模型。开源的是235B-A22B版本，包含推理和非推理模型，推理模型在推理任务上表现优异。之前基于Qwen 2.5 VL的Agent可以升级一波了。模型： · Qwen3-Max：Qwen系列最强模型之前是Preview版本，这次是正式版。未开源。在线使用： · Qwen3-LiveTranslate-Flash：实时多模态翻译能看懂嘴唇、手势、屏幕文字和现实场景，能听懂语音，并且用语音说出来。仅3秒延迟。未开源。在线体验： · Qwen3-Coder：版本升级提升在终端的表现。未开源。在线使用： · Qwen3Guard：安全审核模型多个大小的版本，支持实时监测和全文监测。模型： · 旅游规划AI助手由Qwen和高德地图、飞猪、搜索功能组合实现，能规划完整的旅游路线。在线使用：

#阿里 #Qwen3-VL #开源模型 #多模态翻译 #AI旅游助手

1个月前

cloudflare和openai开源新模型的时候，不只是找大V付费宣传推广，还把cookbook以及对应sdk ，api用法，开源到了github... 而国内发布新模型，基本只是发一个完全用不了的精心制作的幻灯片，大V估计自己都完全没用过一次，就收钱瞎吹... 哎，真应该跟vercel、cloudflare学一学，多一些预算给开源界吧....

#CloudFlare #OpenAI #开源模型 #技术推广 #国内外对比

1个月前

凌晨，阿里重磅开源三款模型，一举刷新32项业界SOTA 太卷了呀，兄弟们！我想回农村。今日凌晨，阿里通义大模型团队一口气发布三款开源模型：原生全模态大模型Qwen3-Omni；语音生成模型Qwen3-TTS；以及完成重要升级的图像编辑模型Qwen-Image-Edit-2509。其中，Qwen3-Omni可同时处理文本，图像，音频与视频输入，并实现实时流式的文本与自然语音输出。在36项音频及音视频基准测试中，该模型斩获32项开源SOTA与22项总体SOTA，性能超越Gemini-2.5-Pro，Seed-ASR，GPT-4o-Transcribe等闭源强模型。同时，其图像与文本表现也在同尺寸模型中达到行业最优。 Qwen3-TTS支持17种音色和10种语言，在语音稳定性与音色相似度方面优于SeedTTS，GPT-4o-Audio-Preview 等主流产品。Qwen-Image-Edit-2509则新增多图编辑功能，能够实现人物与人物，人物与物体等跨图像拼接，显著扩展了应用场景。此次开源还包括Qwen3-Omni-30B-A3B-Instruct（指令跟随）、Qwen3-Omni-30B-A3B-Thinking（推理）以及通用音频字幕器Qwen3-Omni-30B-A3B-Captioner。相关开源地址已同步上线： Hugging Face: GitHub: 此次“三连击”不仅进一步强化了阿里在多模态与语音生成领域的全球竞争力，也再次引爆了开源社区的关注。

#阿里 #开源模型 #Qwen3-Omni #多模态 #SOTA

歸藏(guizang.ai)

1个月前

通义的开源图像编辑模型 Qwen-Image-Edit 也获得了大幅更新支持了多图编辑，可以进行多张图片的参考和融合了单图支持保持人像和产品一致性文字处理能力也获得了增强这次更新还内置了 Depth. Edges. Keypoints 三个 ControlNet 模型

深度学习模型升级引发AI能力大跃进，行业迎新变革· 131 条信息

#Qwen-Image-Edit #多图编辑 #ControlNet模型 #图像处理 #开源模型

1个月前

抠脚大汉秒变性感女主播，使用的是阿里的开源模型 Wan 2.2 Animate

#阿里 #开源模型 #Wan 2.2 Animate #女主播 #技术

1个月前

阿里巴巴发布 Wan2.2-Animate 角色动画生成与替换模型可精准复刻视频人物动作和进行角色替换核心能力：角色动画：输入一张角色图片和一段参考视频，精确复制源视频的表情和动作角色替换：将动画角色无缝替换到原始视频场景中，自动匹配光照和色调，实现完美的场景融合该模型为开源模型...

阿里开源Wan-Animate，角色动画与替换技术引发热议· 10 条信息

#阿里巴巴 #Wan2.2-Animate #角色动画生成 #角色替换 #开源模型

2个月前

HuMo：专注生成人物的视频框架支持文本、图片、语音输入，生成人物为中心的视频。后续会开源HuMo-17B和HuMo-1.7B视频模型，目前也可以用Wan-2.1作为视频模型。项目地址： Github：

AI视频井喷：Midjourney领跑，多模态混战· 306 条信息

#HuMo #视频生成 #人物视频 #开源模型 #Wan-2.1

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2个月前

大模型的知识只是一个方面，更重要的思考方法。开源模型就可以规避知识产权保护风险了吧？只是收算力的钱和API服务费。

MiniMax M1发布：开源长上下文推理模型引发AI领域震动· 23 条信息

#大模型 #思考方法 #开源模型 #知识产权 #API服务

2个月前

准确来说，我不认为anthropic算反华公司，它只是厌恶开源模型而已，开源模型让他以安全为名试图利用政治形成垄断的梦想破灭了，而中国恰好是最大的开源模型来源而已。如果印度提供了这么多开源模型，你会奇迹的发现他变成反印了。要说达里奥在百度学到了什么，大概是学会了拿政治破坏市场竞争吧。

DeepSeek数据泄露：德国下架，信任崩盘· 423 条信息

中国DeepSeek引发美国科技股暴跌事件· 164 条信息

#Anthropic #开源模型 #政治垄断 #反华 #市场竞争

2个月前

终于，声音驱动视频的开源模型来了！ Wan2.2-S2V，一个专为电影级音频驱动人体动画设计的 14B 参数模型。超越普通的对口型，用声音驱动角色动作！而且它还是开源的！这个模型非常内容创作者制作沉浸式 AI 故事。也是 ListenHub 和 FlowSpeech 的最佳搭档！

AI视频井喷：Midjourney领跑，多模态混战· 306 条信息

#声音驱动视频 #开源模型 #电影级音频 #人体动画 #AI故事

2个月前

微软昨晚开源新模型：VibeVoice-1.5B TTS，可一次生成90分钟语音、多人对话效果听起来质量很高，在说话人一致性和自然轮转上都非常不错 VibeVoice能生成90分钟连续语音，支持4个不同说话人，对像播客这种长篇音频内容生成比较实用基于Qwen2.5-1.5B理解上下文和语义，有两个连续语音分词器，这两个分词器以 7.5Hz的超低帧率运行，在保证音频质量的同时，提高了计算效率，使得处理长序列成为可能模型最终输出带 AI 声明水印支持中/英文 MIT许可证 #TTS #VibeVoice

#微软 #VibeVoice-1.5B TTS #开源模型 #语音生成 #多人对话

2个月前

字节跳动 #ByteDance 宣布开源 AI 模型 Seed-OSS-36B 系列，最高支持 512K 上下文适合处理极长的文档和复杂推理链。该系列模型应该是字节跳动基于豆包模型制作的开源版，采用 Apache-2.0 开放许可证，可以任意使用基本没有限制。查看全文：

MiniMax M1发布：开源长上下文推理模型引发AI领域震动· 23 条信息

#字节跳动 #开源模型 #Seed-OSS-36B #AI #Apache-2.0

2个月前

分享openai最新发布的2个开源模型的System cards TLDR版本： GPT-OSS-120b 与 20b 的核心价值在于以开源生态打破技术壁垒，用混合架构实现性能跃升，凭工具整合重构应用场景。无论是开发者构建垂直模型，还是企业部署 AI 基础设施，这两款模型都提供了 “高性能、低门槛、可定制” 的一站式解决方案。正如 OpenAI 所言，它们标志着 “开放模型从学术实验走向工业级应用的里程碑”。这回真没有llama啥事儿了，中文用Deepseek，英文用openai就完事儿了。

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 652 条信息

#OpenAI #GPT-OSS-120B #开源模型 #工业级应用 #技术突破

歸藏(guizang.ai)

3个月前

昨晚 Open AI 居然发布的是开源模型就是前几天泄露的 gpt-oss-120b 和 gpt-oss-20b Gpt-oss-120b 大致相当于 OpenAI o4-mini，20B 的相当于 o3-mini 120B 需要 80G 显存推理，20B 只需要 16G 显存设备。目前你知道的所有 LLM 周边生态都已经支持这两个模型，比如 ollama 这种

#OpenAI #开源模型 #gpt-oss #LLM #Ollama