Tagged

MODEL-ZOO

A collection of 204 posts

MODEL-ZOO

BitCPM4：1位LLM时代的到来

BitCPM4是mini CPM 4模型系列的一个变体，最近刚刚发布，专为边缘设备设计。与从头开始用三值权重训练的BitNet 1.5b不同，BitCPM4更像是MiniCPM4的量化版本。

MODEL-ZOO

大模型微调是浪费时间

人们认为可以通过微调注入知识。他们错了。

MODEL-ZOO

微调Qwen2.5-VL用于文档理解

本文将检查一个手写数字数据集、对其进行标注，并使用它来创建一个专门用于提取手写文本的微调后的Qwen 2.5 VL。

MODEL-ZOO

OpenAudio S1：能哭会笑的TTS

从Fish-TTS升级而来的OpenAudio-S1，打败了ElevenLabs、Dia1.6B、Sesame-CSM-1B等其他模型，是情绪表达能力最强的TTS。

MODEL-ZOO

SmolVLA：开源机器人AI

一款运行在MacBook上的紧凑型开源模型。社区驱动的数据集正在推动现实世界中的机器人技术。新一代可访问、智能的机器时代已经到来。

MODEL-ZOO

MedGemma：医学多模态模型

MedGemma 4B是一组经过训练以在与医学文本和图像理解相关的任务中表现良好的Gemma 3变体。本文介绍如何使用MedGemma模型结合医学图像和文本提示生成有意义的临床输出。

MODEL-ZOO

Gemma 3n：移动设备全栈AI

在这篇博客文章中，我们将探讨如何在移动设备上完全运行 完整的 AI 栈，涵盖从语音到文本（STT）、函数调用、视觉语言模型（VLM）推理到文本到语音（TTS）的完整 Android 应用程序实现。

MODEL-ZOO

FLUX.1 Kontext：用文字编辑图像

FLUX.1 Kontext 是来自 Black Forest Labs 的一款新图像编辑模型。它是用于通过文本提示编辑图像的最佳模型之一，并且是 FLUX.1 家族的最新成员。

MODEL-ZOO

Chatterbox TTS开源语音克隆

Chatterbox由Resemble AI构建，并且以MIT许可证授权。它已经被与付费工具如ElevenLabs进行了基准测试，结果令人惊讶——在盲测中，人们更喜欢Chatterbox。

MODEL-ZOO

Devstral：软件工程专用模型

Mistral Devstral-Small-2505是一个拥有 24B 参数的模型，与同类大小的模型相比，在软件工程任务中表现出了巨大的优势。

MODEL-ZOO

12个最强大的音频AI模型

用于语音克隆、TTS、ASR、音乐生成等的最佳开源AI模型

MODEL-ZOO

Claude 4：该停止编码了

每个人都是编码高手，直到Claude的到来。这是一个令人震撼的发布。Claude 4的表现让我开始怀疑自己的职业选择。

MODEL-ZOO

Phi-4-Resoning

微软Phi-4推出了三款新的开放权重模型，专为处理严肃的推理任务而设计。

MODEL-ZOO

TimesFM时间序列基础模型

我们能否为时间序列学习一个基础模型，并用聊天机器人对其进行查询，用智能代理对其进行推理，并执行其他有用的生成式AI应用？

MODEL-ZOO

ChatGPT图像生成器：诈骗风险

随着ChatGPT发布了GPT-4o的图像生成功能，世界已经疯狂了。Studio Ghibli潮流迅速兴起，但存在大量潜在的在线欺诈风险。

MODEL-ZOO

Quasar Alpha神秘大模型

OpenRouter在2025年4月4日悄悄发布了名为Quasar Alpha的新模型，这一低调的发布引发了关于它来自哪里以及能做什么的大量讨论。

MODEL-ZOO

5个最强前端代码生成AI模型对比

本文在一个真实的前端开发任务上对比了Grok 3、Gemini 2.5 Pro、DeepSeek V3、OpenAI o1-pro和Claude 3.7 Sonnet的效果。

MODEL-ZOO

Perplexity Sonar Reasoning

我在浏览OpenRouter时看到了一个我之前从未见过的模型：Perplexity Sonar Reasoning，这是一个令人震惊的预置实时网络搜索能力的大模型。

MODEL-ZOO

“链式思维”的隐藏真相

“链式思维”（Chain-of-Thought, CoT）就像是窥探AI的内心世界，看到它的逐步逻辑推理。这很令人兴奋，因为它可以帮助我们信任和控制这些强大的系统，特别是在安全关键任务中。

MODEL-ZOO

Meta MoCha：电影级角色AI

想象一下，AI生成的电影角色不仅会说话，还会像真人演员一样做手势、表达情感并进行对话。有了Meta的MoCha，这样的未来已经到来。

MODEL-ZOO

大模型领域正在被再次颠覆

这个现象可以描述为LLM驱动的原生应用程序或原生LLM界面的兴起。

MODEL-ZOO

REVE Image 1.0：好的不得了！

REVE Image 1.0已经打破了所有的记录，超越了包括Recraft、Google、BFL和Midjourney在内的40多个已建立的模型，但在性能上却无人知晓！

MODEL-ZOO

为什么OpenAI的Ghibli图火了？

OpenAI推出了迄今为止最疯狂的功能之一——免费使用GPT-4o进行图像生成，互联网对此反应热烈。

MODEL-ZOO

DeepSeek V3–0324

DeepSeek 回归并发布了 DeepSeek V3–0324，早期的Reddit和社交媒体评论称它是一个令人兴奋的模型，该模型的上下文长度大幅增加，并且在编码和数学任务上的表现看起来非常出色。

MODEL-ZOO

GPT-4o：将照片ghibli风格化

Open AI发布了他们的GPT-4o模型图像生成功能。图像生成非常出色，该模型可以完美地将照片转换为吉卜力动画风格。这在X.com上引起了广泛关注。