Tagged

MODEL-ZOO

A collection of 259 posts

MODEL-ZOO

探索本地Gemma 3 270M

在本文中，我将使用 Ollama 探索 Google DeepMind 的这款紧凑但强大的模型的功能。通过 Ollama，即使在低端个人电脑上，你也可以非常快速地运行这个紧凑的模型。

MODEL-ZOO

Gemma 3 270M本地微调指南

Gemma 3 270M是一个超高效的本地AI模型。今天，让我们学习如何微调这个模型，让它在下棋和预测下一步动作方面变得非常聪明。

MODEL-ZOO

Nano Banana

在 AI 图像生成领域发生了一些奇怪的事情。一个奇怪的名字 Nano Banana 开始在论坛、Discord 和 AI 测试网站上出现。

MODEL-ZOO

Matrix Game：交互式世界生成AI

Matrix-Game 2.0只有180万个参数，也可以生成像GTA6这样的游戏。

MODEL-ZOO

Qwen-Image-Edit快速指南

Qwen-Image-Edit将Qwen-Image独特的文本渲染能力扩展到图像编辑任务，实现了前所未有的精确文本编辑功能。

MODEL-ZOO

Meta Dino-V3：终极视觉AI

如果你想探索自监督视觉，或者构建一个在不脆弱于领域变化的情况下运行良好的东西，开始研究DINOv3吧。它不仅仅是另一个ViT，而是当ViT真正理解空间时的样子。

MODEL-ZOO

Gemma3 270M：最小通用LLM

Gemma 3 270M是Google Gemma 3家族中最小的成员，可能是迄今为止最实用的一个。这不仅仅是一个轻量级模型，它是一个高效完成实际工作的工具，不会耗尽你的设备或钱包。

MODEL-ZOO

GLM-4.5V最佳开源视觉语言模型

如果你还在痴迷于LLaVA或Qwen-VL，那你已经落后了。GLM-4.5V比它们强得多。

MODEL-ZOO

Dots.ocr：迄今最好的小型OCR

与其他模型使用YOLO风格的检测器加上语言模型不同，dots.ocr只使用一个VLM来处理布局检测、文本解析、阅读顺序，甚至公式。

MODEL-ZOO

Kitten-TTS：CPU可运行的TTS

Kitten TTS是目前最小的听起来不错的TTS。总大小不到25MB，不需要GPU就可以运行。

MODEL-ZOO

如何免费使用OpenAI GPT-OSS？

如何免费使用GPT-OSS？有很多方法，不只是一个。

MODEL-ZOO

GPT-5：一次性构建整个应用

OpenAI发布了GPT-5，它可以从一行指令中构建完整的应用、游戏和工具。

MODEL-ZOO

Qwen-Image

Qwen-Image不仅仅是一个扩散模型。这是一个完整的图像生成系统，专门用于一件事：理解你想要什么并正确绘制它。

MODEL-ZOO

Flux.1 Krea dev最佳写实AI

FLUX.1 Krea [dev] 不试图保持中立。它有一种视觉态度。当你给它一个提示时，你得到的不只是原始翻译。你得到的是解释。这就是所谓的有观点。

MODEL-ZOO

混元世界1：3D世界生成式AI

混元世界1.0 是腾讯混元用于从文本描述或单张图像生成沉浸式、交互式3D世界的框架。你提供一句句子或一张照片，系统就会生成一个分层的、可探索的3D环境，具有真实的几何结构和物体分离。

MODEL-ZOO

VoxTral vs. Kimi-Audio选型指南

最近出现了两种音频 AI 模型。一种只想倾听并给你事实，另一种则想成为整个对话。VoxTral 和 Kimi-Audio-7B 就是这种分裂的完美例子。

MODEL-ZOO

从第一性原理出发的LLM强化学习

为了建立对语言模型强化学习的坚实理解，我们将采取逐步的方法。我们将从本概述中的基本概念和定义开始，然后探讨用于使用人类反馈进行强化学习微调语言模型的常用算法。

MODEL-ZOO

Silero VAD语音活动检测模型

Silero VAD 是由 Silero AI 团队开发的一个开源、轻量级且高性能的语音活动检测（VAD）模型。

MODEL-ZOO

Qwen-MT：最好的AI翻译模型

Qwen-MT基于Qwen3，增加了大量多语言和特定于翻译的数据，并使用强化学习使输出不仅正确，而且易于阅读。

MODEL-ZOO

10个最受欢迎的本地LLM

由于先进的量化和模型优化，你可以在笔记本电脑或台式机上运行强大的LLMs，即使你的RAM或VRAM不足8GB。

MODEL-ZOO

如何获取Kimi-K2免费API密钥？

尽管Kimi-K2这个模型是完全开源的，但大多数人由于高GPU需求而无法使用它， 但你仍然可以使用我将在本文中告诉你的免费API密钥在你的程序中运行该模型。

MODEL-ZOO

SmolLM3最佳通用小模型

Hugging Face刚刚发布了SmolLM3，一个30亿参数的模型，但它的表现就像它有两倍那么多，甚至击败了拥有70亿参数的模型。

MODEL-ZOO

Kyutai实时TTS模型

我见过很多AI语音工具，但Kyutai是我见过的第一个真正感觉像你可以用在实时循环中的声音。

MODEL-ZOO

从零构建流匹配模型

将讲解流匹配背后的数学原理，如何实现训练和采样管道，以及这种方法与扩散模型的根本区别。

MODEL-ZOO

重新实现Pix2Seq的思考

从零开始构建谷歌激进的目标检测方法所学到的东西——以及它如何改变了我对计算机视觉的看法