GLM-TTS 全面开源：3 秒音色克隆与情绪可控的工业级语音合成
一、摘要 GLM-TTS 是面向工业级语音生成的开源 TTS 系统，支持仅 3 秒语音样本的音色克隆，并提供可控的情绪表达能力。其架构采用两阶段生成流程，并引入基于 GRPO 的强化学习机制，在字符错误率（CER）与情感维度达到开源领先水平。项目强调低训练成本与高可扩展性，适用于教育、电子书、有声内...
Admin •
288
智谱AI开源 Open-AutoGLM 与 AutoGLM-Phone-9B：手机智能体新起点
一、摘要 Open-AutoGLM 是智谱AI开源的手机智能体（Agent）框架，核心模型为 AutoGLM-Phone-9B。它通过理解手机屏幕内容并模拟真实用户操作，实现“看得懂界面、听得懂指令、点得动手机”。框架主要面向 Android 场景，适合构建手机助手、自动化运营、测试等多种应用。 二...
Admin •
699
LongCat-Image 开源解析：6B DiT 做到 20B+ MoE 水平的中英双语图生图模型
一、摘要 LongCat-Image 是美团 LongCat 团队开源的中英双语图像生成与编辑模型，参数约 6B，采用混合 DiT 架构，在多项公开基准上可比肩甚至超过部分 20B 级别开源模型。项目重点提升多语言文本渲染、图像一致性和写实效果，并兼顾推理速度与显存占用，适合研究与业务落地。 二、核...
Admin •
377
Mistral 3 开源模型家族：多模态、多语言与本地部署的新选择
一、摘要 Mistral 3 是 Mistral AI 推出的新一代开源模型家族，包含稀疏专家架构的 Mistral Large 3，以及面向本地与边缘场景的 Ministral 3 系列（3B/8B/14B）。所有权重以 Apache 2.0 许可开放，支持多模态（文本+图像）与多语言，覆盖从个人...
Admin •
306
DeepSeek-V3.2 发布：稀疏注意力带来的高效推理与通用 Agent 能力
一、摘要 DeepSeek-V3.2 是在 V3.2-Exp 基础上正式发布的版本，重点优化了推理效率与输出长度，并沿用 DSA 稀疏注意力机制以提升长上下文性能。DeepSeek-V3.2-Speciale 聚焦极限数学推理、编程竞赛与严谨逻辑验证，在多个国际竞赛评测中表现突出。当前网页端、APP...
Admin •
409
ELab-Zero 全面解析：本地可部署的移动端 GUI Agent 堆栈
一、摘要 GELab-Zero 是 StepFun 开源的 GUI Agent 方案，提供“模型 + 工程基础设施”的完整堆栈，主要面向安卓手机应用的自动化操作与智能交互。项目包含可在本地运行的 4B GUI Agent 模型，以及一键部署的推理与设备管理脚本，支持多手机任务分发和轨迹记录，并在 A...
Admin •
317
Hunyuan 3D Engine Global 上线：面向全球创作者的 AI 3D 引擎
一、摘要 Hunyuan 3D Engine Global 是腾讯混元团队面向全球推出的 AI 3D 创作引擎，基于自研 Hunyuan3D 大模型家族与云端 API 服务。平台支持文本、图像和草图直接生成高质量 3D 模型，将传统需要数天甚至数周的资产制作压缩到分钟级。其背后多款 Hunyuan3...
Admin •
491
FLUX.2开源：Black Forest Labs 新一代图像生成与编辑模型
一、摘要 FLUX.2 是 Black Forest Labs 推出的新一代视觉生成与编辑模型，面向真实生产级创意工作流程，而非仅演示场景。它支持最高约 4MP 分辨率、多参考图像输入、精细排版文本与品牌色控制，并在同一架构中统一文生图与图像编辑。家族包含商用 API 模型与开放权重的 FLUX.2...
Admin •
607