Qwen-Image-2512 开源发布：更真实的人像、更细腻的自然纹理与更强文字渲染
一、摘要 Qwen-Image-2512 是 Qwen-Image 文生图基础模型的 12 月更新版本，延续“原生文字生成/复杂排版”的定位，并重点增强三类体验：人像更逼真（减少常见“AI 感”）、自然材质更清晰（景观、水体、毛发、材料纹理更细）、文字渲染更可靠（版式与文本-图像组合更稳定）。官方还...
Admin •
221
HY-Motion 1.0 开源解析：腾讯混元 10 亿参数 DiT 文生动作模型上手指南
一、摘要 HY-Motion 1.0 是腾讯混元开源的文本到 3D 人体动作（text-to-motion）模型系列，基于 Diffusion Transformer（DiT）与 flow matching，将自然语言描述生成骨架驱动的 3D 角色动画序列，可进一步接入常见 DCC/引擎动画管线做重...
Admin •
455
腾讯混元 Tencent-HY-MT1.5 开源：1.8B 端侧翻译与 7B 云端协同实战解读
一、摘要 Tencent-HY-MT1.5（HY-MT）是腾讯混元开源的机器翻译模型套件，包含 1.8B（偏端侧/低资源）与 7B（偏云端/高质量）两种规模。官方强调其面向“端侧+云侧”协同部署：端上追求低延迟与低内存占用，云端追求更强质量与更稳健的复杂场景表现，并覆盖 33+ 语言/方言（含部分民...
Admin •
380
Apple ml-sharp（SHARP）开源解读：单张照片秒级生成 3D Gaussian Splat 的新视角合成方案
一、摘要 ml-sharp 是 Apple 开源的 SHARP 项目代码与模型配套实现，目标是从单张图片直接回归 3D Gaussian（3DGS）场景表示，并在标准 GPU 上做到“不到 1 秒”的推理生成。生成的 3DGS 可被实时渲染，用于附近视角的高分辨率新视角合成，并强调“可度量（metr...
Admin •
722
MAI-UI 开源解读：通用 GUI 智能体基座如何实现“可交互 + 可调用工具 + 端云协同”
一、摘要 MAI-UI 是 Tongyi-MAI（通义实验室）开源的通用 GUI 智能体基座与配套代码，面向“看屏幕—理解指令—操作界面”的自动化任务。项目强调真实部署所需的三类能力：与用户的主动澄清交互（ask_user）、通过 MCP 调用外部工具（mcp_call）、以及端云协同的执行架构（在...
Admin •
298
MiniMax M2.1 开源权重发布：面向真实开发与智能体的 MoE 编程模型解读
一、摘要 MiniMax M2.1 是 MiniMax 发布的开源权重大模型，主打“真实软件开发 + 智能体（Agent）”场景，重点强化编码鲁棒性、工具调用、指令遵循与长链路规划，并提供本地部署与工具调用指南；模型权重在 Hugging Face 公开，许可证为 Modified-MIT。 二、核...
Admin •
221
QwenLong-L1.5 vs RAG：长文档多跳推理、数据合成与记忆代理对比
一、摘要 QwenLong-L1.5 是通义智文团队在 Qwen-Doc 仓库中开源的一套“长上下文推理 + 记忆管理”后训练方案（post-training recipe）。它围绕三件事展开：面向长文档的复杂推理数据合成、面向长序列的强化学习稳定训练方法（AEPO 等）、以及在超出物理上下文窗口时...
Admin •
197
GLM-4.7 开源发布解读：编码、推理与工具调用能力升级
一、摘要 GLM-4.7 是 zai-org 发布的开源权重大语言模型。官方信息显示，它相较 GLM-4.6 在编码能力、复杂推理与多步工具使用方面有较大提升，同时也增强了对话、创意写作与角色扮演等通用场景表现。实际效果会受提示词、工具链稳定性与部署配置影响，建议结合你的真实任务做回归评测。 二、核...
Admin •
313