DeepSeek R1-0528 是一款开源大模型,性能媲美 OpenAI o3 模型。
DeepSeek R1-0528 是知名开源大模型平台 DeepSeek 发布的最新版本,具有高性能的自然语言处理和编程能力。它的发布引起了广泛关注,因其在编程任务中表现出色,能够准确回答复杂问题。该模型支持多种应用场景,是开发者和 AI 研究者的重要工具。预计后续将发布更详细的模型信息和使用指南,增强其功能和应用广度。
使用低延迟语音识别和合成模型与 AI 对话。
Unmute 是一款创新的语音识别与合成工具,旨在使用户能够通过自然语言与 AI 进行高效的互动。其低延迟技术确保用户体验流畅,适合需要实时反馈的场景。该产品将以开源形式发布,推动更多开发者和用户的参与。当前尚未公布价格,预计将采取免费和付费相结合的模式。
DMind 是一个开源的 Web3 AGI 研究机构,致力于 AI 与 Web3 的交汇探索。
DMind-1 和 DMind-1-mini 是针对 Web3 任务的领域专用大型语言模型,提供比其他通用模型更高的领域准确性、指令跟随能力及专业理解。DMind-1 经过专家策划的 Web3 数据微调,并通过强化学习与人类反馈对齐,适合复杂指令和多轮对话,适用于区块链、DeFi 和智能合约等领域。DMind-1-mini 作为更轻量的版本,旨在满足实时和资源高效的应用场景,特别适合代理部署和链上工具。产品定价及具体信息需进一步确认。
一个简单的代理框架,支持浏览器使用、深度研究等功能。
Minion Agent 是一个简单而强大的代理框架,能够与浏览器交互,支持深度研究、自动规划等功能,适用于需要进行复杂任务和研究的用户。它提供了一种灵活的工具集,使开发者能够轻松集成不同的模型和工具。该框架不仅提高了工作的效率,还为用户提供了便捷的使用体验,适合各类科研和商业应用。该产品是开源的,用户可以自由使用和修改。
个人化的 AI 记忆层,确保数据安全与隐私。
OpenMemory 是一个开放源代码的个人记忆层,为大型语言模型(LLMs)提供私密、可携带的记忆管理。它确保用户对自己的数据拥有完全的控制权,能够在构建 AI 应用程序时保持数据的安全性。此项目支持 Docker、Python 和 Node.js,适合开发者进行个性化的 AI 体验。OpenMemory 尤其适合希望在不泄露个人信息的情况下使用 AI 的用户。
开源的手机端 GUI 智能代理,支持中英文应用操作。
AgentCPM-GUI 是一款开源的手机端大型语言模型(LLM)代理,专为操作中英文应用程序而设计,能够根据用户的屏幕截图自动执行任务。其主要优点在于高效的 GUI 元素理解、增强的推理能力以及对中文应用的精准支持。此技术的开发背景是为了提升移动设备上智能代理的用户体验,特别是在复杂任务处理方面。该产品定位于提高移动端的生产力,适用于各类用户。
开源的 AI 研究助手,集成多种外部资源。
SurfSense 是一款开源的 AI 研究助手,它将多种外部资源(如搜索引擎、Slack、Notion 等)整合在一起,帮助用户高效地进行研究和信息管理。该产品支持多种文件格式的上传与搜索,具备自然语言交互能力,并能快速生成内容。SurfSense 旨在提升研究效率,适合对知识管理有高需求的用户。
Seed-Coder 是一个开源的 8B 代码大型语言模型系列。
Seed-Coder 是字节跳动 Seed 团队推出的开源代码大型语言模型系列,包含基础、指令和推理模型,旨在通过最小的人力投入,自主管理代码训练数据,从而显著提升编程能力。该模型在同类开源模型中表现优越,适合于各种编码任务,定位于推动开源 LLM 生态的发展,适用于研究和工业界。
一个社区驱动的深度研究框架,结合语言模型与多种工具。
DeerFlow 是一个深度研究框架,旨在结合语言模型与如网页搜索、爬虫及 Python 执行等专用工具,以推动深入研究工作。该项目源于开源社区,强调贡献回馈,具备多种灵活的功能,适合各类研究需求。
用于生成和推荐笔记的可检索大型语言模型。
NoteLLM 是一款专注于用户生成内容的可检索大型语言模型,旨在提升推荐系统的性能。通过将主题生成与嵌入生成相结合,NoteLLM 提高了对笔记内容的理解与处理能力。该模型采用了端到端的微调策略,适用于多模态输入,增强了在多样化内容领域的应用潜力。其重要性在于能够有效提升笔记推荐的准确性和用户体验,特别适用于小红书等 UGC 平台。
代理法官,用于自动评估任务和提供奖励信号。
Agent-as-a-Judge 是一种新型的自动化评估系统,旨在通过代理系统的互相评估来提高工作效率和质量。该产品能够显著减少评估时间和成本,同时提供持续的反馈信号,促进代理系统的自我改进。它被广泛应用于 AI 开发任务中,特别是在代码生成领域。该系统具备开源特性,便于开发者进行二次开发和定制。
一个模型上下文协议服务器,用于 Excel 文件操作。
Excel MCP Server 是一个无须安装 Microsoft Excel 即可操作 Excel 文件的服务器,用户可以创建、读取和修改 Excel 工作簿。该工具的主要优点在于它的易用性和灵活性,支持多种 Excel 功能,并可通过 AI 代理进行文件操作。此产品适合需要频繁处理 Excel 文件的用户,如数据分析师、财务人员等。此工具是开源的,使用 Python 开发,便于在本地或远程服务器上运行。
一个旨在推动人工智能民主化的开源项目。
DeepSeek-Prover-V2-671B 是一个先进的人工智能模型,旨在提供强大的推理能力。它基于最新的技术,适用于多种应用场景。该模型是开源的,旨在促进人工智能技术的民主化与普及,降低技术壁垒,使更多开发者和研究者能够利用 AI 技术进行创新。通过使用该模型,用户可以提升他们的工作效率,推动各类项目的进展。
F Lite 是一款 10B 参数的扩散模型,专注于合法和安全内容。
F Lite 是由 Freepik 和 Fal 开发的一个大型扩散模型,具有 100 亿个参数,专门训练于版权安全和适合工作环境 (SFW) 的内容。该模型基于 Freepik 的内部数据集,包含约 8000 万张合法合规的图像,标志着公开可用的模型在这一规模上首次专注于合法和安全的内容。它的技术报告提供了详细的模型信息,并且使用了 CreativeML Open RAIL-M 许可证进行分发。该模型的设计旨在推动人工智能的开放性和可用性。
一个统一的图像编辑模型,支持多种用户指令。
Step1X-Edit 是一种实用的通用图像编辑框架,利用 MLLMs 的图像理解能力解析编辑指令,生成编辑令牌,并通过 DiT 网络解码为图像。其重要性在于能够有效满足真实用户的编辑需求,提升了图像编辑的便捷性和灵活性。
Kimi-Audio 是一个开源音频基础模型,擅长音频理解与生成。
Kimi-Audio 是一个先进的开源音频基础模型,旨在处理多种音频处理任务,如语音识别和音频对话。该模型在超过 1300 万小时的多样化音频数据和文本数据上进行了大规模预训练,具有强大的音频推理和语言理解能力。它的主要优点包括优秀的性能和灵活性,适合研究人员和开发者进行音频相关的研究与开发。
开放源代码的 8B 参数文本到图像扩散模型。
Flex.2 是当前最灵活的文本到图像扩散模型,具备内置的重绘和通用控制功能。它是一个开源项目,由社区支持,旨在推动人工智能的民主化。Flex.2 具备 8 亿参数,支持 512 个令牌长度输入,并符合 OSI 的 Apache 2.0 许可证。此模型可以在许多创意项目中提供强大的支持。用户可以通过反馈不断改善模型,推动技术进步。
一个可以在一次传递中生成超逼真的对话的 TTS 模型。
Dia 是一个由 Nari Labs 开发的文本到语音(TTS)模型,具有 1.6 亿参数,能够直接从文本生成高度逼真的对话。该模型支持情感和语调控制,并能够生成非言语交流,如笑声和咳嗽。它的预训练模型权重托管在 Hugging Face 上,适用于英语生成。此产品对于研究和教育用途至关重要,能够推动对话生成技术的发展。
© 2025 AIbase 备案号:闽ICP备08105208号-14