Qwen-Image-2512 オープンソースリリース:よりリアルなポートレート、より詳細な自然テクスチャ、そしてより強力なテキストレンダリング
1. 要旨 Qwen-Image-2512は、Qwen-Imageのテキスト-イメージベースモデルの12月版アップデートであり、「ネイティブテキスト生成/複雑なタイポグラフィ」の位置づけを継続し、よりリアルなポートレート(より少ない「AI感」)、より鮮明な自然素材(より細かい風景、水、髪、素材の質感...
Admin •
221
HY-Motion 1.0 オープンソース分析:テンセントのHunyuan 10億パラメータDiT文生アクションモデルの入門ガイド
1. 要旨 HY-Motion 1.0は、騰訊の混沌源によるテキストからモーションへのモデルのシリーズで、拡散トランスフォーマー(DiT)とフローマッチングを基に、自然言語記述に基づく骨格駆動の3Dキャラクターアニメーションシーケンスを生成するため、これらは一般的なDCCやエンジンのアニメーションパ...
Admin •
455
騰訊渾源 騰訊-HY-MT1.5オープンソース:1.8Bエンドサイド翻訳と7Bクラウド協働実用解釈
1. 要旨 Tencent-HY-MT1.5(HY-MT)は、Tencentのオープンソースの機械翻訳モデルスイートであり、1.8B(部分的側面/低リソース)と7B(部分的クラウド/高品質)の2つのスケールを含んでいます。 当局は「デバイス側+クラウド側」への共同展開を強調しています。デバイスの低遅...
Admin •
380
Apple ml-sharp(SHARP)オープンソース解釈:単一の写真から数秒で3Dガウススプラットを生成する新しいパースペクティブ合成方式
1. 要旨 ml-sharpはAppleによるSHARPプロジェクトのコードとモデルのオープンソース実装であり、単一の画像から直接3Dガウス(3DGS)シーン表現に返し、標準GPU上で「1秒未満」の推論生成を達成することを目的としています。 結果として得られた3DGSは、近傍視点からの高解像度の新し...
Admin •
722
MAI-UIオープンソース解釈:ユニバーサルGUIエージェントベースが「インタラクティブ」+呼び出し可能なツール+デバイスとクラウドのコラボレーションをどのように実装するか
1. 要旨 MAI-UIは、Tongyi-MAI(Tongyi Lab)によってオープンソース化された汎用GUIエージェントベースおよびサポートコードであり、「画面を見て、指示を理解し、インターフェースを操作する」という自動化されたタスクを目的としています。 このプロジェクトは、実際の展開に必要な3...
Admin •
298
MiniMax M2.1 オープンソースウェイトリリース:実際の開発およびエージェントのためのMoEプログラミングモデルの解釈
1. 要旨 MiniMax M2.1は、MiniMaxがリリースしたオープンソースの権利モデルで、「実際のソフトウェア開発+エージェント」シナリオに焦点を当て、コーディングの堅牢性、ツール呼び出し、命令準拠、ロングリンク計画の強化、ローカル展開およびツールコールのガイドラインを提供しています。 モデ...
Admin •
221
QwenLong-L1.5とRAG:ロングドキュメントマルチホップ推論、データ合成、メモリプロキシの比較
1. 要旨 QwenLong-L1.5は、Tongyi ZhiwenチームがQwen-Docリポジトリでオープンソース化した「長いコンテキスト推論+メモリ管理」のトレーニング後レシピのセットです。 このシステムは3つの要素を中心に展開しています。すなわち、長文のための複雑な推論データ合成、長距離列の...
Admin •
197
GLM-4.7 オープンソースリリース解釈:コーディング、推論、ツールコール機能のアップグレード
1. 要旨 GLM-4.7はzai-orgがリリースしたオープンソースの権利重視言語モデルです。 公式情報によると、GLM-4.6と比べてコーディング能力、複雑な推論能力、多段階ツールの使用が大幅に向上し、対話、創作、ロールプレイなどの一般的なシナリオのパフォーマンスも向上させています。 実際の効果...
Admin •
313