当前视频处理系统能识别画面内容，但难以理解复杂物理规律和空间移动，如判断车辆通过顺序或物体轨迹最高点。主要原因是高质量运动参考数据严重不足，现有数据规模小且依赖昂贵人工识别，限制了系统计算能力。
小米发布开源大模型MiMo-V2-Flash，主打高速高效，在推理、代码生成等任务中表现突出，响应速度超越多款热门国产模型。该模型采用稀疏激活架构，参数量达3090亿，以MIT协议开源权重与代码。
MIT研究团队开发出实例自适应缩放技术，可根据问题复杂度动态调整大型语言模型的计算资源，提升效率并降低能耗。该研究获多家机构支持，相关论文已于11月初发布。
MIT科学家通过15年研究，首次绘制出人脑语言网络的毫米级概率图。该网络体积小但功能强大，专门负责词语意义映射和句子拼装，与思考、情绪模块完全分离。通过1400次fMRI扫描，研究确认了“语言芯片”的存在。
Geschenkidee.ai借助AI为用户智能推荐合适礼物，有多种筛选条件。
基于数据仓库的大数据分析解决方案，帮助您更快速、高效地做出决策，推动业务增长。
掌握健康，预测未来，改变健康轨迹。
自动化解释性代理，提升AI模型透明度
Alibaba
-
输入tokens/百万
输出tokens/百万
上下文长度
Deepseek
$4
$12
128
Chatglm
$16
32
$0.7
$1.95
16
$1.8
$5.4
$2
$8
Minimax
Stepfun
Baidu
mitegvg
该模型是基于VideoMAE架构的暴力检测模型，在Kinetics数据集预训练的基础上，针对暴力检测任务进行了92轮微调。模型采用Vision Transformer架构，专门用于视频内容分析，能够识别视频中的暴力行为。
mlx-community
MiniMax-M2-5bit 是基于 MiniMaxAI/MiniMax-M2 模型转换而来的 5 位量化版本，专为 MLX 框架优化。该模型是一个大型语言模型，支持文本生成任务，采用 MIT 许可证发布。
Mitchins
这是一个基于EfficientNet-B0架构的深度学习模型，专门用于对动漫和视觉小说图像进行艺术风格分类。模型能够准确识别6种不同的动漫艺术风格，包括暗黑、扁平、现代、萌系、绘画风和复古风格。
jeevanrushi07
OpenLLaMA 3B v2是一个基于Transformer架构的开源大语言模型，拥有30亿参数。该模型采用MIT许可证，主要用于英文文本生成任务，支持聊天机器人等多种应用场景。
TareksLab
这是一个使用Linear DELLA方法合并的70B参数大语言模型，基于Llama-3.1-Nemotron-lorablated-70B基础模型，整合了多个高性能的Llama-3.3-70B变体模型，旨在提供更强大的语言理解和生成能力。
cpatonn
GLM-4.5-Air-AWQ是基于GLM-4.5-Air基础模型的8位量化版本，专为智能代理设计，采用混合推理模式，支持复杂推理和即时响应，在MIT开源许可下发布。
unsloth
GLM-4.5是为智能代理设计的基础模型，统一了推理、编码和智能代理能力，总参数达3550亿，在12个行业标准基准评估中排名第3，得分63.2。采用MIT开源许可，可用于商业和二次开发。
mradermacher
这是FBogaerts/NextCoder-7B-Finetuned模型的静态量化版本，专门针对代码生成和文本生成任务进行了优化，提供了更高效的推理方案。该模型支持英文，采用MIT许可证发布。
GLM-4.5-Air-AWQ 是基于 zai-org/GLM-4.5-Air 基础模型进行4位AWQ量化的文本生成模型，专为智能代理应用设计，在推理、编码和智能代理能力方面表现优异，采用MIT开源许可证。
lmstudio-community
GLM-4.5-Air是zai-org开发的高效语言模型，经过MLX团队8位量化优化，专门针对苹果硅芯片进行了优化。该模型基于transformers架构，支持文本生成任务，采用MIT许可证发布。
mit-han-lab
经过Nunchaku量化处理的FLUX.1-Kontext-dev版本，能够根据文本指令编辑图像，优化推理效率的同时将性能损失降至最低。
基于Shuttle Jaguar的Nunchaku量化版本，旨在根据文本提示生成高质量图像，优化了高效推理并最小化性能损失。
FLUX.1-Fill-dev的Nunchaku量化版本，能够根据文本描述填充现有图像中的区域，经过量化处理实现高效推理。
Nunchaku量化的FLUX.1-schnell模型，用于根据文本提示生成高质量图像，经过优化以实现高效推理。
Nunchaku团队提供的FLUX.1-Depth-dev量化版本，能够根据文本描述生成图像并保持输入图像结构，优化了推理效率。
FLUX.1-Canny-dev的Nunchaku量化版本，能够根据文本描述生成图像，同时遵循给定输入图像的结构。
NICOPOI-9
基于nvidia/mit-b3微调的图像分割模型，在NICOPOI-9/morphpad_coord_hgo_512_4class_v2数据集上表现优异
基于NVIDIA MIT-B1架构的SegFormer图像分割模型，在特定数据集上微调，擅长高精度图像分割任务
基于nvidia/mit-b3微调的图像分割模型，在NICOPOI-9/morphpad_coord_hgo_512_4class数据集上训练，擅长高精度图像分割任务。
Mungert
GLM-Z1-32B-0414是一个32B参数规模的多语言文本生成模型，支持中文和英文，采用MIT许可证发布。
该项目是一个Vale-MCP协作开发项目，主要用于文本校验与写作辅助，采用MIT开源协议。
该项目包含模型上下文协议的规范及协议模式，提供TypeScript和JSON Schema两种格式定义，并开源贡献指南及MIT许可。
一个实现MCP协议的服务器项目，提供笔记存储和摘要生成功能
项目使用MIT开源许可证
MCP服务器用于访问MITRE ATTACK知识库
Firefox MCP Bridge是Claude网页应用的服务器端程序，为配套的Firefox扩展提供支持，采用MIT和Apache双协议许可。
该项目实现了一个与Miden开发者工具交互的MCP服务器，提供开发者文档搜索功能，基于MCP SDK构建，采用MIT许可。
MITRE ATT&CK MCP服务器是一个AI原生威胁情报工具，通过Model Context Protocol提供对MITRE ATT&CK框架的全面访问，包含200+技术、140+威胁组织、700+软件条目的查询能力，支持ATT&CK Navigator可视化层生成，专为安全团队和AI智能体设计。
该项目为MIT Hack去中心化AI峰会的练习项目，展示了如何在Windows上快速搭建Claude MCP协议服务。包含天气应用和SQLite数据库两个示例，分别演示了政府API数据获取和面包店库存管理功能。
一个名为Yusuke Wada开发的MCP服务器项目，使用Node.js运行游戏服务端，采用MIT许可证
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
