开源模型

谷歌开源T5Gemma 2模型系列，支持视觉-语言多模态输入与128K tokens长上下文处理，基于Gemma 3架构开发。涵盖270M、1B、4B参数版本，在数学推理、医疗文本生成等任务中性能显著...

阿里巴巴开源Z-Image图像生成模型，采用60亿参数轻量架构，通过DMD解耦技术实现8步采样出图，支持复杂指令解析与双语文字渲染，显存占用仅16GB，兼容RTX 30系列显卡，推动AI绘图技术普惠化...

荣耀在WAIC2025重磅发布70亿参数开源多模态大模型MagicGUI，通过强化学习算法实现91.5%场景操控准确率，推动手机跨应用智能体协同交互，加速消费电子AI自动化普及。

德国Black Forest Labs于2025年推出FLUX.2 AI图像生成模型，采用创新架构降低GPU显存需求40%，支持4MP输出与多图参考功能，助力消费级显卡运行专业图像任务，现已开源并实现...

英伟达发布开源小型语言模型Nemotron-Nano-9B-V2，在GSM8K、MMLU-Pro等基准测试中性能媲美Qwen3-8B，支持128K上下文长度，单个A10 GPU可运行，现已在Huggi...

美团最新开源虚拟人视频生成模型LongCat-Video-Avatar实现三大技术突破：支持文本/图片/视频多模式生成、5分钟长视频稳定生成、情感化动作表达。本文详解其解耦无条件引导、跨片段隐空间拼接...

通义大模型团队开源语音AI双模型Fun-CosyVoice3与Fun-ASR完成重大升级。Fun-CosyVoice3实现首包延迟降低50%、中英混说错误率下降56.4%，支持多语言方言与情感控制，其...

同济大学与东方医院联合开源Med-Go-32B医学基座模型，具备多模态数据处理能力，支持影像识别和病历分析，推动全球医疗AI协同创新，赋能分级诊疗和罕见病研究。

欧洲AI公司Mistral推出开源音频模型Voxtral系列，支持8种语言转录与语义分析，提供低成本企业级语音处理解决方案，适用于医疗、工业等多个垂直领域。

谷歌发布开源端侧多模态大模型Gemma 3n，支持2GB内存设备流畅运行，采用创新MatFormer架构与PLE技术，大幅降低内存占用，推动生成式AI在边缘设备的普及。