MangaNinja：开源线稿着色工具，自动匹配图像风格，一键快速上色
MangaNinja 是一款基于参考图像的线稿着色工具，通过创新的补丁重排模块和点驱动控制方案，实现精准颜色匹配和复杂场景处理，适用于漫画、插画和数字艺术创作。
Casevo：开源的社会传播模拟系统，基于 AI 模拟人类认知、决策和社会交互，预测社会传播现象
Casevo 是中国传媒大学推出的开源社会传播模拟系统，结合大语言模型和多智能体技术，支持复杂社会网络建模与动态交互，适用于新闻传播、社会计算等领域。
RealisHuman：AI 生成的人像不真实？后处理框架帮你修复生成图像中畸形人体部位
RealisHuman 是一个创新的后处理框架，专注于修复生成图像中畸形的人体部位，如手和脸，通过两阶段方法提升图像的真实性。
AIOpsLab：云服务自动化运维 AI，微软开源云服务 AI 框架，覆盖整个生命周期
AIOpsLab 是微软等机构推出的开源框架，支持云服务自动化运维，涵盖故障检测、根本原因分析等完整生命周期。
VITRON：开源像素级视觉大模型，同时满足图像与视频理解、生成、分割和编辑等视觉任务
VITRON 是由 Skywork AI、新加坡国立大学和南洋理工大学联合推出的像素级视觉大模型，支持图像与视频的理解、生成、分割和编辑，适用于多种视觉任务。
联通元景：中国联通开源中文原生的文生图模型，优化对中文长文本和成语语义等理解
联通元景（UniT2IXL）是中国联通AI推出的中文原生文生图模型，基于国产昇腾AI平台，优化中文语义理解，支持高质量图像生成。
StyleStudio：支持图像风格迁移的文生图模型，能将融合参考图像的风格和文本提示内容生成风格一致的图像
StyleStudio 是一种文本驱动的风格迁移模型，能够将参考图像的风格与文本提示内容融合。通过跨模态 AdaIN 机制、基于风格的分类器自由引导等技术，解决了风格过拟合、控制限制和文本错位等问题，提升了风格迁移的质量和文本对齐的准确性。
腾讯混元世界模型1.1开源：支持多视图及视频输入，单卡部署，秒级生成_魔搭ModelScope社区-ModelScope魔搭社区
混元世界模型1.1（WorldMirror）发布，支持多视图、视频输入，单卡秒级生成3D场景。兼容CG管线，开源可部署，实现点云、深度、相机等多任务统一预测，性能领先。
【AI绘画】你有多久没有打开SD了？
曾几何时，Stable Diffusion的复杂参数令人崩溃，如今即梦、可灵等AI工具已让生成图片变得轻而易举。哩布哩布发布2.0升级公告，看似迈向更易用的未来，却也悄然为那个钻研模型、拼接工作流的“拓荒时代”奏响终章。技术迭代飞快，但那份对创造的热爱与探索精神，永不褪色。
89_批量推理：异步API调用
在当今数据密集型应用和大模型部署的时代，批量推理已成为提升系统性能和资源利用率的关键技术。随着深度学习模型规模的不断扩大和应用场景的日益复杂，如何高效地处理大量推理请求成为技术团队面临的重要挑战。传统的同步API调用方式在面对高并发、大规模数据处理时，往往会遇到响应延迟高、资源利用不充分等问题。异步API调用作为一种更高效的处理模式，通过非阻塞操作和并发处理能力，为批量推理场景提供了理想的解决方案。
47_历史里程碑：从ELIZA到Transformer
在当今的数字时代，我们已经习惯于与智能助手对话、向大语言模型提问，甚至依赖它们生成创意内容。然而，这看似理所当然的人机对话能力，实际上经历了长达半个多世纪的曲折发展历程。从1966年麻省理工学院的简陋程序，到2017年Google提出的革命性架构，聊天AI的演变不仅是技术的进步，更是人类对自身语言本质探索的缩影。
黑森林开源Flux.1 Krea Dev！魔搭AIGC专区Day1支持，提供生图与训练定制
FLUX模型又又又更新了！ 黑森林联合Krea发布了文生图模型Flux.1 Krea Dev，这是目前最好的开源文生图模型。 魔搭社区第一时间上线Flux.1 Krea Dev，快来AIGC专区抢先体验图片
圈子系统公众号app小程序系统源码圈子系统带即时通讯 多级圈子系统源码 兴趣小组系统开源 私密圈子系统代码 会员制社区系统
本圈子系统解决方案提供即时通讯、多级圈子、兴趣小组、私密社区及会员制管理功能。支持开源与商业方案，推荐ThinkSNS+、EasyClub及OpenFire等系统，并提供前后端技术选型建议，助力快速搭建社交平台。
文心4.5系列模型，正式开源！
6月30日，百度文心大模型4.5正式开源，魔搭社区在开源首日快速接入文心大模型，提供真正可用、好用、可落地的大模型解决方案，现已面向广大企业、开发者下载体验！
UGPhysics：本科物理推理评估基准发布，助力AI+Physics交叉研究
近年来，人工智能快速发展，大语言模型（LLM）在数学、代码等领域展现出强大的推理和生成能力，正在被广泛应用于各种场景。
何如定义 JSON Schema 并验证该 json 数据？
本文定义了一个包含 audio 和 tags 两个必需属性的 JSON Schema，用于规范数据结构。其中，audio 是非空字符串，表示音频组件；tags 是非空数组，表示标签组件。通过示例数据和验证工具（如 ajv, NJsonSchema），可确保 JSON 数据符合 Schema 要求，从而保障数据的一致性和正确性。
OmniCam：浙大联合上海交大推出多模态视频生成框架，虚拟导演打造百万级影视运镜
OmniCam是由浙江大学与上海交通大学联合研发的多模态视频生成框架，通过LLM与视频扩散模型结合实现高质量视频生成，支持文本、轨迹和图像等多种输入模态。
32B小模型竟能吊打百亿参数？GLM-4-Air-0414：智谱AutoGLM沉思背后的模型，智能体开发迎来新纪元
GLM-4-Air-0414是智谱公司推出的320亿参数开源基座模型，通过优化预训练数据和对齐策略，在工具调用、联网搜索和代码生成等智能体任务中展现出卓越性能。
Math24o：SuperCLUE开源的高中奥数推理测评基准，85.71分屠榜
Math24o是首个针对高中奥林匹克数学竞赛的中文大模型测评基准，采用2024年预赛真题实现自动化评估，为模型数学推理能力提供客观衡量标准。
GPT-4o-mini-transcribe：OpenAI 推出实时语音秒转文本模型！高性价比每分钟0.003美元
GPT-4o-mini-transcribe 是 OpenAI 推出的语音转文本模型，基于 GPT-4o-mini 架构，采用知识蒸馏技术，适合在资源受限的设备上运行，具有高效、实时和高性价比的特点。
Chitu：清华核弹级开源！推理引擎3倍提速+50%省卡，国产芯片告别英伟达绑架
Chitu（赤兔）是清华大学与清程极智联合开源的高性能大模型推理引擎，支持多硬件适配，显著提升推理效率，适用于金融、医疗、交通等多个领域。
SepLLM：开源大模型加速神器！400万Token长文本推理提速50%，告别OOM噩梦
SepLLM 是一个用于加速大语言模型的高效框架，通过压缩段落信息并消除冗余标记，显著提高了模型的推理速度和计算效率，适用于长文本处理和多场景部署。
VidSketch：手残党逆袭！浙大AI神器草图秒变4K动画，三连提示词玩转影视级特效
VidSketch 是浙江大学推出的创新视频生成框架，通过手绘草图和简单文本提示生成高质量视频动画，降低视频创作的技术门槛，满足多样化的艺术需求。
CodeFuse-AAIS：改进低智能体框架助力高效程序修复
本文提出了一种基于低智能体框架的自适应自动化程序修复（APR）解决方案——AAIS。该方案结合了智能体的自适应性和低智能体的高效控制流，通过引入交互式缺陷定位和多模型辅助生成，显著提升了程序修复的准确性和多样性。实验结果表明，AAIS在SWE-Bench基准测试中表现出色，函数级定位准确率提升了46.94%-113.32%，Issue Solving任务上达到了35.67%的性能，展示了其在未来软件开发中的应用潜力。
LIMO：上海交大推出高效推理方法，仅需817条训练样本就能激活大语言模型的复杂推理能力
LIMO 是由上海交通大学推出的一种高效推理方法，通过极少量的高质量训练样本激活大语言模型的复杂推理能力。
子曰-o1：网易有道开源国内首个分步式讲解推理模型，支持K12数学教学
子曰-o1是网易有道推出的国内首个分步式讲解推理模型，采用14B轻量级架构，专为消费级显卡设计，支持K12数学教学，提供精准的解题思路和答案。
WebWalker：阿里巴巴推出评估LLMs在网页浏览任务中性能的基准工具
WebWalker是阿里巴巴开发的用于评估大型语言模型在网页浏览任务中性能的工具，支持多智能体框架和垂直探索策略，提供WebWalkerQA数据集进行性能测试。
Aria-UI：港大联合 Rhymes AI 开源面向 GUI 智能交互的多模态模型，整合动作历史信息实现更加准确的定位
Aria-UI 是香港大学与 Rhymes AI 联合开发的多模态模型，专为 GUI 智能交互设计，支持高分辨率图像处理，适用于自动化测试、用户交互辅助等场景。
CHRONOS：阿里通义联合上海交大推出时间线摘要生成框架，适用于大规模新闻数据的时间线生成任务
CHRONOS 是由阿里通义实验室与上海交大联合推出的时间线摘要生成框架，支持开放域与封闭域，通过迭代自问自答机制生成连贯的时间线摘要，适用于新闻、金融、教育等多个领域。
FlexRAG：不再局限于文本的 RAG！中科院开源多模态 RAG 助手，支持多数据类型、上下文压缩和多种检索器类型
FlexRAG 是中科院推出的高性能多模态 RAG 框架，支持多数据类型、上下文压缩和多模态数据处理，显著提升生成模型的表现。
ImBD：复旦联合华南理工推出 AI 内容检测模型，快速辨别文本内容是否为 AI 生成
ImBD是一款由复旦大学、华南理工大学等机构联合推出的AI内容检测器，能够快速识别机器修订文本，适用于多种场景，显著提升检测性能。
TITAN：哈佛医学院推出多模态全切片病理基础模型，支持病理报告生成、跨模态检索
TITAN 是哈佛医学院研究团队开发的多模态全切片病理基础模型，通过视觉自监督学习和视觉-语言对齐预训练，能够在无需微调或临床标签的情况下提取通用切片表示，生成病理报告。
TangoFlux：高速生成高质量音频，仅用3.7秒生成长达30秒的音频，支持文本到音频转换
TangoFlux 是由英伟达与新加坡科技设计大学联合开发的文本到音频生成模型，能够在3.7秒内生成30秒的高质量音频，支持文本到音频的直接转换和用户偏好优化。
DeepSeek Engineer：集成 DeepSeek API 的开源 AI 编程助手，支持文件读取、编辑并生成结构化响应
DeepSeek Engineer 是一款开源AI编程助手，通过命令行界面处理用户对话并生成结构化JSON，支持文件操作和代码生成。
ModernBERT：英伟达开源的新一代编码器模型，性能超越 SOTA，通过去除填充和序列打包减少计算浪费，提高训练和推理的效率
ModernBERT 是由英伟达和 HuggingFace 等机构联合开源的新一代编码器模型，支持长上下文处理，性能超越 SOTA，适合多种自然语言处理任务。
MajorRAG文件内容提取实现分析（2/3）
一个RAG项目，全文共三个部分：MajorRAG概述、MajorRAG文件内容提取实现分析、MajorRAG聊天问答系统实现分析。 1）第一次做RAG，欢迎带着指导意见评论 2）希望指出不足时可以附带替换方法 博客地址：https://zhangcraigxg.github.io
130_知识蒸馏技术：温度参数与损失函数设计 - 教师-学生模型的优化策略与PyTorch实现
随着大型语言模型（LLM）的规模不断增长，部署这些模型面临着巨大的计算和资源挑战。以DeepSeek-R1为例，其671B参数的规模即使经过INT4量化后，仍需要至少6张高端GPU才能运行，这对于大多数中小型企业和研究机构来说成本过高。知识蒸馏作为一种有效的模型压缩技术，通过将大型教师模型的知识迁移到小型学生模型中，在显著降低模型复杂度的同时保留核心性能，成为解决这一问题的关键技术之一。
71_数据版本控制：Git与DVC在LLM开发中的最佳实践
在2025年的大模型(LLM)开发实践中，数据和模型的版本控制已成为确保项目可重复性和团队协作效率的关键环节。与传统软件开发不同，LLM项目面临着独特的数据版本控制挑战：
LoRA 模型的全新玩法——AutoLoRA 带你体验 LoRA 检索与融合的魔法
为了充分挖掘魔搭社区 Diffusion LoRA 模型的潜力，我们开发了一个自动 LoRA 检索与融合框架：AutoLoRA。他可以根据输入的文本提示，从 LoRA 候选池中检索到 个与提示词相关的LoRA，然后通过集成一个门控融合模块在生成图片的时候促进多个 LoRA 协同工作，充分发挥各个 LoRA 的能力。
ModelScope模型即服务
ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单！欢迎加入技术交流群：微信公众号：魔搭ModelScope社区，钉钉群号：44837352
