开源
MinerU vs DeepDoc：集成方案+图片显示优化
如上篇文章最后所言，进一步优化原始文档解析和分块策略是控制变量法下，提高最后检索效果天花板的务实做法。 从这篇开始，在对历史项目进行迭代的同时，会陆续对不同的文档解析方法和动态分块策略给出更多的原理解析和案例参考。 图片来源：，试图说清楚文档解析工具大致构成，MinerU 和 Deepdoc 对比，MinerU 部署，以及如何和图片服务方案结合使用。
64页论文揭示AI模型排行榜黑幕：Llama4发布前私下测试27个版本，只取最佳成绩
近日，一篇名为《排行榜幻觉》的论文在学术界引发了广泛关注，尤其是对大型语言模型（LLM）领域中备受推崇的 Chatbot Arena 排行榜提出了严厉质疑。 研究指出，排行榜的可信度因数据访问不平等、模型私下测试等问题而受到挑战。 论文显示，一些大型科技公司可以在公开发布之前对多个模型版本进行私下测试。
DeepSeek-Prover-V2-671B 模型开源，数学推理领域迎来新突破
中国 AI 初创公司 DeepSeek 再次掀起开源 AI 领域的热潮，正式发布其最新开源模型 DeepSeek-Prover-V2-671B。 这一拥有6710亿参数的超大规模语言模型，专为数学推理和问题解决设计，展现了 DeepSeek 在高效 AI 开发上的持续创新能力。 根据社交媒体上的最新讨论，这一模型被认为是 DeepSeek 在数学领域的重要里程碑，或将推动全球 AI 研究与应用的进一步发展。
Meta 召开首届 LlamaCon 大会，意在对抗 OpenAI
Meta 在其位于加州门洛帕克的总部举行了首届人工智能开发者大会 ——LlamaCon。 在此次大会上，Meta 推出了一款面向消费者的 AI 聊天机器人应用程序，并发布了一个开发者 API，允许用户在云端访问 Llama 模型。 这些新产品旨在扩大 Meta 开源 Llama AI 模型的采用率，但实际上，Meta 的真正动机可能是超越 OpenAI。
阿里Qwen3-235B-A22B模型正式登陆HuggingChat
由阿里巴巴云开发的 Qwen3-235B-A22B 模型正式在 HuggingChat 平台上线。 这一开源大型语言模型以其强大的推理能力、灵活的模式切换和高效的性能表现，迅速成为业界关注的焦点。 AIbase 通过整理 Twitter 上的最新信息，为您深入解析 Qwen3-235B-A22B 的技术亮点及其对开源 AI 生态的影响。
炸裂登场！Qwen3：等了这一个月，开源AI新王带着“思考引擎”杀来了！
全世界的AI圈子，似乎都在屏息等待。 从各种小道消息到官方偶尔泄露的只言片语，过去这一个月，大家都在猜测阿里通义千问的下一代大模型——Qwen3，到底会带来怎样的惊喜。 今天，靴子终于落地！
国内首个「混合推理模型」Qwen3开源，盘点它的N种对接方式！
今日凌晨，通义千问团队正式开源了 Qwen3 大模型，并且一口气发布了 8 个型号，其中包括 0.6B、1.7B、4B、8B、14B、32B 以及 30B-A3B 和 235B-A22B，使用者可以根据自己的业务情况，选择合适的版本进行使用。 更让人惊喜的是，最新的 Qwen3 系列模型具备双模推理能力（深入思考/快速响应）、支持 119 种语言及方言，并强化了 Agent 功能与代码执行能力，全面满足复杂问题处理与全球化应用需求。 “PS：Qwen3 也是国内首个「混合推理模型」，「快思考」与「慢思考」集成进同一个模型，对简单需求可低算力「秒回」答案，对复杂问题可多步骤「深度思考」，大大节省算力消耗。
通义App全面上线千问3 第一时间体验全球最强开源模型
4月29日，通义App与通义网页版（tongyi.com）全面上线阿里新一代通义千问开源模型Qwen3(简称千问3)。 用户可以第一时间在通义App和网页版中的专属智能体“千问大模型”，以及主对话页面，体验到全球最强开源模型的顶级智能能力。 据了解，千问3一经发布便登顶全球最强开源模型。
Orange：一个免费的交互式数据挖掘与机器学习平台
Orange 是一款开源的数据分析与可视化工具，专注于数据挖掘和机器学习领域。 它提供了直观的图形化界面，用户无需编程和数学知识即可完成数据科学工作流程，同时也支持通过 Python 脚本实现高级功能。 功能简介Orange 图形化编程对于初学者非常友好，他们可以专注于数据分析本身，而不是耗时的编程工作。
阿里发布开源Qwen3，成本大幅降低仅需DeepSeek-R1的三分之一
阿里巴巴正式推出新一代通义千问模型 Qwen3（千问3），并宣布其开源。 阿里云表示，千问3是国内首个 “混合推理模型”，同时集成了 “快思考” 与 “慢思考” 的能力。 相比于 DeepSeek-R1，千问3的参数量仅为其三分之一，而部署成本大幅降低，使用仅需四张 H20显卡即可实现满血版的部署。
图像编辑开源新SOTA，来自多模态卷王阶跃！大模型行业正步入「多模态时间」
全球AI大模型智能涌现，现在正在进入“多模态时间”。 一方面，全球业内各式各样的技术进展，都围绕多模态如火如荼展开。 另一方面，AI应用和落地的需求中，多模态也是最重要的能力。
Kimi-Audio开源横扫全场景，1300万+小时数据炼成语音世界“大一统”
昨天，kim发布了一款“万能型”音频大模型— Kimi-Audio，支持语音识别（ASR）、音频问答（AQA）、音频字幕（AAC）、语音情感识别（SER）、声音事件/场景分类（SEC/ASC）、文本到语音（TTS）、语音转换（VC）和端到端语音对话。 换句话说，它可以听、可以说、可以理解、可以对话，支持实时语音会话，多轮交流。 图片一套架构，横扫音频全场景，开源可用。
一文了解人工智能代理的开源堆栈
我记得一个周末，我坐下来，确信自己终于可以构建一个像样的研究助理代理原型了。 没什么特别的——只是能读取 PDF 文件、提取关键信息，或许还能回答一些后续问题而已。 应该很简单，对吧？
Dify从0到1构建AI应用？这个开源神器让开发者直呼“真香”！
导语：当AI开发进入“效率时代”，你还在重复造轮子吗？ 在大模型落地的黄金时代，企业和开发者面临着“甜蜜的烦恼”：如何快速将LLM能力转化为可用的AI应用？ 从模型对接、工作流设计到RAG开发、Agent构建，每一步都可能陷入繁琐的技术细节。
英伟达AI奥赛夺冠，1.5B数学碾压DeepSeek-R1！代码全系开源，陶哲轩点赞
AI数学奥赛第一名「答卷」终于公布！ NVIDIA公布并开源了他们的冠军模型OpenMath-Nemotron系列！ 论文地址：、软件工程师Chan Kha Vu，则盛赞道：这些模型太不可思议了！
秒杀同行！Kimi开源全新音频基础模型，横扫十多项基准测试，总体性能第一
kimi 又发布了新的开源项目 —— 一个全新的通用音频基础模型 Kimi-Audio，支持语音识别、音频理解、音频转文本、语音对话等多种任务，在十多个音频基准测试中实现了最先进的 (SOTA) 性能。 结果显示，Kimi-Audio 总体性能排名第一，几乎没有明显短板。 例如在 LibriSpeech ASR 测试上，Kimi-Audio 的 WER 仅 1.28%，显著优于其他模型。
英伟达开源「描述一切」模型，拿下7个基准SOTA
图像描述（image captioning）生成一直是计算机视觉和自然语言处理领域面临的长期挑战，因为它涉及理解和用自然语言描述视觉内容。 虽然近期的视觉语言模型 (VLM) 在图像级描述生成方面取得了令人瞩目的成果，但如何为图像中的特定区域生成详细准确的描述仍然是一个悬而未决的问题。 这一挑战在视频领域尤为突出，因为模型必须额外捕捉动态视觉内容，例如人类动作、物体运动以及人与物体的交互。
可媲美GPT-4o的开源图像生成框架来了！腾讯联手InstantX解决角色一致性难题
GPT-4o带火的漫画风角色生成，现在有了开源版啦！ 腾讯混元携手InstantX团队合作打破次元壁，开源定制化角色生成插件——InstantCharacter。 以往针对角色驱动的图像生成方法，都存在一定的缺陷。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI绘画
大模型
AI新词
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
智能体
技术
Gemini
英伟达
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
代码
AI for Science
苹果
算法
腾讯
Agent
Claude
芯片
Stable Diffusion
具身智能
xAI
蛋白质
开发者
人形机器人
生成式
神经网络
机器学习
AI视频
3D
RAG
大语言模型
字节跳动
Sora
百度
研究
GPU
生成
工具
华为
AGI
计算
大型语言模型
AI设计
生成式AI
搜索
视频生成
亚马逊
AI模型
DeepMind
特斯拉
场景
深度学习
Transformer
架构
Copilot
MCP
编程
视觉