11月20日,腾讯混元将Hy4大模型权重开源至GitHub、Hugging Face、ModelScope和GitCode,开发者可下载部署。至此混元LLM系列全量开源,含Hy3 preview、Hy3、Hy4 preview、Hy4、Hy4 flash。Hy4正式版11月4日发布,采用MoE架构,总参数770B,每token激活49B,上下文窗口突破100万,兑现此前预告。
11月20日,腾讯混元宣布Hy4大模型开源,权重同步上线GitHub、Hugging Face、ModelScope和GitCode,开发者可下载部署。此次开源使混元LLM系列实现全量开放,全部版本完成开源,涵盖Hy3preview、Hy3、Hy4preview等,形成旗舰版与高性价比版双线并进格局。
11月19日,Google通过Gemini API与AI Studio向付费开发者开放最新世界模型Genie4(models/genie-4)。此前一日,该模型已借Project Genie面向Google AI Ultra订阅用户推出。此次开放标志DeepMind首个可供第三方直接调用的实时世界模型落地,摆脱消费者订阅或演示环境依赖。Genie4基于Gemini Omni视觉渲染与Gemini系列推理能力构建。
腾讯混元官宣开源Hy4flash系列,含标准版、FP8量化版及可从零训练的Base版,GitHub、Hugging Face、ModelScope、GitCode均可下载,并提供GGUF格式便于本地部署。官方预告更大Hy4模型也将开源。该模型走性价比路线,总参224B,含64B Engram参数。
开源AI模型数据库,涵盖模型规格、定价和特性信息
汇聚先进机器学习模型,提供一站式服务,共建开源社区。
为Firefox浏览器翻译功能优化的CPU加速神经机器翻译模型。
一款能够生成电影级质量视频的图像到视频模型
Moonshot
$200
输入tokens/百万
输出tokens/百万
131
上下文长度
modelscope
Nexus-Gen是一个将大语言模型的语言推理能力与扩散模型的图像生成能力相融合的统一模型
UCSC-VLAA
VLAA-Thinker是一个创新的视觉语言模型,能够同时处理图像和文本输入,并生成高质量的文本输出。该模型基于论文《SFT or RL? An Early Investigation into Training R1-Like Reasoning Large Vision-Language Models》的研究成果开发,专注于类似R1的推理能力。
Gemini
GemmaX2-28-9B-v0.1-Q2_K-GGUF 是一个基于 ModelSpace/GemmaX2-28-9B-v0.1 转换而来的 GGUF 格式模型,支持多种语言的翻译任务。
ModelsLab
鱼语语音 V1.5 是一款领先的文本转语音(TTS)模型,基于超过100万小时的多语言音频数据训练而成。
基于T5-base的提示词增强模型,可将简短提示扩展为详细描述
这是一个基于OpenCLIP框架、在LAION-2B英语子集上训练的视觉语言模型,擅长零样本图像分类和跨模态检索任务。
ControlNet++是一款强大的图像生成与编辑模型,支持多种控制条件,能生成高分辨率图像,视觉效果可与Midjourney相媲美。
基于Apache-2.0许可证的开源模型,具体功能和用途需参考完整文档
hazyresearch
M2-BERT-8K是一个8000万参数的长上下文检索模型,基于论文《Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT》提出的架构。
基于Llama3-8b-instruct基础模型训练,适配中文通用场景,支持ReACT格式的智能体调用
rjhugs
基于microsoft/table-transformer-structure-recognition-v1.1-all微调的表格结构识别模型
M2-BERT-128是论文《Benchmarking and Building Long-Context Retrieval Models with LoCo and M2-BERT》中提出的8000万参数检索模型检查点
openskyml
基于SDXL-Turbo的文本到图像生成模型,结合了LCM(Latent Consistency Models)和LoRA(Low-Rank Adaptation)技术,实现快速高质量的图像生成。
cerspense
一款基于Modelscope的无水印视频生成模型,优化16:9画面比例和流畅视频输出
vdo
基于diffusers的文本转视频模型,通过ModelScope微调实现动漫风格呈现,训练分辨率为512x512像素。
strangeman3107
这是一个基于diffusers的文本转视频模型,通过modelscope微调后具有动漫风格外观,支持448x384分辨率。
ali-vilab
多阶段文本生成视频扩散模型,输入英文描述文本即可生成符合文字叙述的视频内容
wavymulder
一个基于稳定扩散技术的文本到图像生成模型,能够根据文本描述生成高质量的图像。
一个基于ModelScope图像生成API的MCP服务器,支持通过自然语言提示词异步生成图像,并自动保存到本地文件。