LongCat-Flash-Lite 解读：用 N-gram Embeddings 走出稀疏 MoE 的新效率路径
一、摘要 LongCat-Flash-Lite 是一个以高稀疏 MoE 场景为目标的开源大模型：总参数 68.5B，但每 token 仅激活约 2.9B~4.5B。它的关键思路不是继续堆 MoE 专家数，而是在特定稀疏区间通过扩容 N-gram Embedding（约 30B+ 参数用于 embed...
Admin •
149
HunyuanImage 3.0-Instruct 开源解读：面向图像编辑的最强 Image-to-Image 模型之一
一、摘要 HunyuanImage 3.0-Instruct 是腾讯混元团队开源的图像生成与图像编辑（Image-to-Image）模型，强调“理解+生成”的统一多模态能力，并通过 Instruct（带推理/指令跟随）形态更适配创意编辑与交互式改图。在 Image Edit Arena（lmaren...
Admin •
173
Z-Image 开源发布：6B 单流扩散 Transformer 的基础图像生成模型解析
一、摘要 Z-Image（造相）是 Tongyi-MAI 开源的 6B 参数图像生成基础模型家族，采用单流扩散 Transformer（Single-Stream Diffusion Transformer / S3-DiT）架构。与强调速度的 Z-Image-Turbo 不同，Z-Image定位为...
Admin •
156
Kimi Code 开源发布：Apache 2.0 协议下的全功能智能编程代理
一、摘要 Kimi Code 是 Moonshot AI 推出的开源编程智能体（Coding Agent），采用 Apache 2.0 许可证，强调透明、安全与可扩展性。项目以 Python 为核心实现，原生支持多模态输入，并可无缝集成多种主流开发环境，开箱即用，面向真实软件工程场景设计。 二、核心...
Admin •
243
HPC-Ops 开源解读：腾讯混元生产级 LLM 推理算子库如何榨干 H20 等推理卡性能
一、摘要 HPC-Ops 是腾讯混元（Hunyuan）AI Infra 团队开源的生产级 LLM 推理算子库，目标是让主流推理卡（尤其是 NVIDIA Hopper/SM90，如 H20）更接近硬件峰值利用率。项目主打从零用 CUDA + CuTe/CUTLASS 打磨 SOTA 内核，并提供相对干...
Admin •
186
DeepSeek-OCR 2 发布：Visual Causal Flow 让文档与图表识别更“像人类阅读”
一、摘要 DeepSeek-OCR 2 是 DeepSeek 开源的 OCR/文档理解模型版本升级，项目以 “DeepSeek-OCR 2: Visual Causal Flow” 为主题，强调更贴近人类的视觉编码方式，面向复杂版式（文档、图表、混排页面等）提供更强的结构化抽取与理解能力。官方仓库与...
Admin •
220
Kimi K2.5 开源多模态智能体全解：视觉编程与 Agent Swarm 并行协作
一、摘要 Kimi K2.5 是 Moonshot AI 发布的开源“视觉 + 智能体（Agentic）”多模态模型，支持图像/视频与文本统一输入，并提供对话模式与 Agent 模式。其重点方向包括：视觉驱动的编码与视觉调试、长链路工具调用、以及可自编排的并行多智能体机制（Agent Swarm，测...
Admin •
242
Qwen3-TTS 开源发布：12Hz 高压缩 tokenizer + 3 秒音色克隆怎么玩
一、摘要 Qwen3-TTS 是 Qwen 团队开源的文本转语音（TTS）模型系列，包含 VoiceDesign（文字描述生成新音色）、CustomVoice（指令控制既定高质量音色）与 Base（快速音色克隆与微调基座）。项目同时开源代码与权重，并提供 12Hz 语音 tokenizer 以实现更...
Admin •
166