魔搭notebook在web IDE下，使用jupyter notebook，python扩展包无法更新升级，不升级无法使用，安装python扩展包的时候一直停留在installing

本文介绍了基于ModelScope MCP协议的AI视频生成解决方案，涵盖核心机制解析、零代码工作流搭建、性能优化策略及全链路异常处理。通过统一上下文描述符抽象异构AI服务，实现图像生成、语音合成与视频剪辑的自动化编排。结合缓存优化与错误重试机制，大幅提升生成效率（如5分镜视频从91.7s降至22.4s）。最后展示《夏日海滩》生成案例，并探讨个性化风格迁移与商业场景集成等进阶方向，揭示零代码本质为服务、流程与资源的三层抽象。

Nanonets团队开源了 Nanonets-OCR-s，该模型基于Qwen2.5-VL-3B微调，9G显存就能跑。

2025魔搭开发者大会！来了！

Apptrace 是一款强大的工具，支持传参安装与一键拉起功能，优化用户体验。本文通过四个实战案例展示其应用：1) 电商深度链接营销，实现商品页直达；2) 游戏邀请系统，追踪来源并自动奖励；3) 新闻个性化内容推送，提升打开速度；4) 企业应用无缝登录，保障安全高效。同时总结最佳实践，包括优雅降级、参数加密、统计分析等，助力企业提升用户转化率与体验流畅度。

MiniMax最新发布了全球首个开源大规模混合架构的推理模型——MiniMax-M1！

从2022年11月的青涩发布，魔搭现今已进入第三个年头，成为中国最大最活跃的开源模型社区，与超过1600万的开发者同行。

通过级联多模态架构将代码结构图对齐到大模型表征中

魔搭社区大模型生图API可视化UI

在知识爆炸、信息过载的时代，如何洞悉 AI 领域前沿趋势？OpenMMLab 联合 Hugging Face、ModelScope、知乎及机智流等重磅推出 AI Insight Talk

魔搭ModelScope本期社区进展：1173个模型,143个数据集,76个创新应用,10 篇内容

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。

生成式模型在文本生成图片等领域的快速发展，为社区带来了日新月异的诸多文生图模型。

这是一套用于获取淘宝、京东和1688电商平台数据的Python实现方案。通过定义统一的API基类，封装了请求流程与异常处理机制，包括请求超时、频率限制及认证失败等。针对各平台特性，分别实现了签名生成、参数准备与接口调用功能，如商品搜索、详情查询和订单列表获取等。使用前需申请各平台开发者账号以获取AppKey和AppSecret，并根据实际需求调整代码配置与业务逻辑，同时注意控制请求频率避免限流。

《人工智能导论——深度学习大模型基础》由赵卫东编著，清华大学出版社出版。本书旨在帮助读者理解深度学习与大模型技术的底层逻辑，通过机器视觉、语音处理及自然语言处理等章节，结合实际应用场景，深入浅出地讲解相关理论。书中引入低代码开发平台和云端实验室资源，助力读者实践所学。无论专业背景如何，本书都能成为进入AI领域的理想入门书籍。特别感谢阿里云及参与编校工作的同学们的支持。

本文介绍了在通义点金平台搭建知识库时遇到的表格解析问题及解决方案。问题表现为表格数据被独立存储为chunk，缺少前后说明文字和表名信息，导致大模型回答错乱。解决方法是通过API将前后chunk内容合并到table类型的chunk中，补充表名和说明信息。具体步骤包括获取文档chunk列表、按顺序排序、修订table类型chunk并更新。示例展示了修订前后效果，同时说明了点金平台近期更新对部分问题的优化情况。

“一丹一世界”三等奖 |咖菲猫咪_商业海报案例分享

上海人工智能实验室开源了生成式世界模型AETHER，该模型仅用合成数据训练，却能在真实环境中展现强大的零样本泛化能力。AETHER首创「重建—预测—规划」一体化框架，融合几何重建与生成建模，大幅提升模型在动态环境中的决策、规划和预测能力。其核心技术包括目标导向视觉规划、4D动态重建和动作条件视频预测，实验结果表明其性能达到或超越现有SOTA水平。论文、模型及项目主页均已开源。

近日，趣丸千音（All Voice Lab）MCP正式首发上线魔搭社区。用户只需简单文本输入，即可调用视频翻译、TTS语音合成、智能变声、人声分离、多语种配音、语音转文本、字幕擦除等多项能力。

AgentScope 作为一款功能强大的开源多智能体开发框架，为开发者提供了智能体构建、工具使用、多智能体编排等全方位支持。

面壁智能重磅推出MiniCPM 4.0 ——一个极致高效的端侧大模型，通过其 CPM.cu 自研推理框架，可实现220倍极致的速度提升，5 倍常规提速。

开赛啦！AFAC2025金融智能创新大赛正式启动，等你来报名

今天，小米开源发布两款 7B 规模视觉-语言模型 MiMo-VL-7B-SFT 和 MiMo-VL-7B-RL。

近期，字节跳动Seed推出了 BAGEL—— 一个开源的多模态理解和生成础模型，具有70亿个激活参数（总共140亿个），并在大规模交错多模态数据上进行训练。

今天，DeepSeek R1 开源发布了其“小版本”升级——DeepSeek-R1-0528。

周五，首期"搭友来碰头"——魔搭核心开发者共创会在 [杭州·阿里巴巴云谷园区] 圆满落幕。来自杭州、上海、南京、北京等各地的魔搭社区核心开发者齐聚一堂，共同探索从模型开源到技术突破的转化路径。

魔搭ModelScope本期社区进展：📟3790个模型，📁307个数据集，🎨90个创新应用，📄 7 篇内容

DeepSeek-R1的爆火让更多开发者注意到模型蒸馏技术——这种让小模型也能"开小灶"习得大模型知识精华的秘诀。今天我们就用Qwen2.5-1.5B小模型（相当于AI界的初中生）来进行实践！

2025年5月6日，智源研究院在法国巴黎举行的GOSIM全球开源创新论坛上发布大型开源文本数据集CCI 4.0，为全球的大模型创新发展再次提供重要的开源资源，并积极推动全球开源合作。

最近，通义灵码上线 MCP（ModelScope Cloud Platform）功能，从之前代码生成及修改的基础功能，到可以使用MCP服务连接更多功能，开发者可以实现从 代码爬取、模型推理到应用部署

随着移动端算力、存储能力的提升，在端侧部署大模型已成为趋势。本地化运行可消除网络延迟实现毫秒响应，降低云端算力成本，同时避免数据上传保障隐私安全。

本项目是一款书法字体生成工具，采用 Next.js 14（App Router）与 Tailwind CSS 构建前端，阿里云 Serverless 部署后端。通过混合渲染策略（SSG/SSR/CSR）、Web Worker 异步计算及 CDN 字体分片加载优化性能。服务端借助阿里云函数计算处理计算密集型任务，将平均耗时从 1200ms 降至 280ms，支持 1000+ QPS。动态路由与 ARMS 监控提升工程化水平，未来计划引入 WebGPU 和 AI 字体风格迁移技术，进一步优化用户体验。

B站升级动画视频生成模型Index-AniSora技术并开源，支持番剧、国创、漫改动画、VTuber、动画PV、鬼畜动画等多种二次元风格视频镜头一键生成！

🙋魔搭ModelScope本期社区进展：📟1656个模型,151个数据集,645个创新应用,📄 9 篇内容

不知不觉间，日历已经翻过了立夏，而开源模型的世界中似乎并没有春夏秋冬。在刚刚过去的四月份，见证了开源社区又一次蓬勃发展的浪潮。以Qwen3家族为代表，一系列新模型的开源为整个生态注入了新的活力。通过全面覆盖多种规格的 dense 与 MoE 模型架构，Qwen3 首次在开源模型中引入“快思考与慢思考” 双模式的支持，获得了广大开发者的热烈欢迎，成为新一代开源大模型的标杆之作。

阶跃星辰联合光影焕像开源 3D 大模型 Step1X-3D，高保真+可控！

本文分享了构建在线图像黑白转换工具的技术实践，涵盖技术栈选择、架构设计与性能优化。项目采用Next.js提供优秀的SSR性能和SEO支持，TailwindCSS加速UI开发，WebAssembly实现高性能图像处理算法。通过渐进式处理、WebWorker隔离及内存管理等策略，解决大图像处理性能瓶颈，并确保跨浏览器兼容性和移动设备优化。实际应用案例展示了其即时处理、高质量输出和客户端隐私保护等特点。未来计划引入WebGPU加速、AI增强等功能，进一步提升用户体验。此技术栈为Web图像处理应用提供了高效可行的解决方案。

通义万相Wan2.1-VACE开源！业内首个视频编辑统一模型！附推理教程

魔搭核心开发者共创会 | 邀请函

“一丹一世界”三等奖 | 木刻时光·细密风 经验分享

OpenAI GPT-4o发布强大图片生成能力后，业界对大模型生图能力的探索向全模态方向倾斜，训练全模态模型成研发重点。

目前，大多数成功的 强化学习 工作，包括开源研究，都依赖于相对较大的基础模型，例如 32B 模型，特别是在增强代码推理能力方面。业内普遍认为在一个小模型中同时提升数学和代码能力是具有挑战性的。然而，小米MiMo研究团队相信 RL 训练的推理模型的有效性取决于基础模型固有的推理潜力。为了完全解锁语言模型的推理潜力，不仅需要关注后训练，还需要针对推理定制预训练策略。

🙋魔搭ModelScope本期社区进展：📟2341个模型，206个数据集，🎨224个创新应用，📄 15篇内容

近年来，人工智能蓬勃发展，自然语言模型（LLM）进展显著。语言模型被广泛应用于自动翻译、智能客服、甚至医疗、金融、天气等领域。而研究者们仍在不断努力，致力于提高语言模型的规模和性能。随着语言模型的蓬勃发展，评估一个语言模型的性能变得越来越重要。其中一个重要的评估指标，就是衡量语言模型的推理能力和解决数学问题的能力。