Tagged

MODEL-ZOO

A collection of 390 posts

MODEL-ZOO

Gemma 4 本地AI终极指南

本地 AI 终极指南：在家庭网络上托管 Gemma 4。

MODEL-ZOO

用Nano Banana生成透明背景图像

Nano Banana 2的图像质量令人难以置信，但像大多数图像模型一样（除了 gpt-image），它有一个对开发者来说很大的问题：它不支持透明度。

MODEL-ZOO

Nano Banana 2 经济学

昂贵图像 AI 的终结？Nano Banana 2 对专业级模型、创意自动化和生成式设计未来成本结构意味着什么。

MODEL-ZOO

20个Nano Banana 2创意工作流

Google的Gemini原生图像生成器如何将一个模型变成完整的创意工作室，附带每个工作流的可直接运行的提示词。

MODEL-ZOO

SAM3提速8倍优化记录

我们将默认批次大小下吞吐量提升8倍。内存从87GB降到23GB——足以完全摆脱H200，转向更便宜的GPU类别。

MODEL-ZOO

Gemma 4 入门指南

从零到推理：通过真实案例在 Kaggle 上探索谷歌的 Gemma 4 2B 模型，涵盖图像、视频和多种语言。

MODEL-ZOO

Gemma 4：云端垄断的终结？

为什么还要付钱调用 API？一款 31B 的模型就能在你的本地机器上超越 20 倍体量的模型。

MODEL-ZOO

基于Gemma 4的本地智能体平台

使用Gemma 4的正确方式不是"因为免费所以全部本地运行"。更像是这样：将常规执行路由到Gemma 4，将高级推理保留给Claude或其他强大的托管模型。

MODEL-ZOO

微调BERT进行命名实体识别

在本教程中，我们将使用 Hugging Face 和 Google Colab 微调 BERT 模型用于简历风格的 NER。

MODEL-ZOO

我的Nano Banana虚拟试衣体验

一个周末实验，解决了我一直困扰的痛点：去商店试衣服。

MODEL-ZOO

4个最强本地OCR模型实测对比

一个周末实验，从"只要给我文字"开始，以一个1B模型让其他所有模型都相形见绌结束。

MODEL-ZOO

Nano Banana: 1张照片→20个视角

使用Nano Banana Pro，我用一张参考图像重新构思了20个不同的相机角度，同时保持主体、情绪和情感核心不变。

MODEL-ZOO

Nano Banana：模拟360°影棚

精确的Nano Banana工作流程 + Midjourney视频奖励

MODEL-ZOO

Nano Banana 相机控制

今天，我想分享一个我一直在测试的工作流程，它感觉像魔法一样：从单张平面图像创建新的相机角度。

MODEL-ZOO

用Nano Banana创建AI网红

几周前，我完全从零开始创建了一个 AI 生成的网红——使用的是大部分免费工具。没有昂贵的软件，没有付费 API，只有我自己一步步摸索出来的工作流程。

MODEL-ZOO

GPT-5.4的7个本地LLM平替

前沿API账单是真实的。这7个系列现在能处理你大部分在Codex上花费的任务——而且它们运行在你已有的硬件上

MODEL-ZOO

miniCOIL：为BM25添加语义

BM25很快但"上下文盲目"。用miniCOIL的4D语义向量修复它，实现准确、可扩展的稀疏检索，为RAG增压。

MODEL-ZOO

用LLM训练LLM的3个方法

我们刚刚跨越了AI的一个奇怪门槛。模型现在足够好，可以训练其他模型，而硬件栈只是勉强跟上。

MODEL-ZOO

LLM微调指南 (2026)

2026年的LLM微调看起来与三年前完全不同。本指南面向那些想要部署模型而不是写论文的人。我们将跳过理论，跳过数学，专注于在生产中真正有效的方法。

MODEL-ZOO

AI模型微调速查手册

在2026年，微调小模型不再需要机器学习团队、昂贵的GPU集群或数月的研究。工具、平台和技术已经成熟到一个具有基本Python技能的开发者可以在下午微调模型并在晚上部署的程度。

MODEL-ZOO

TRivia-3B 表格OCR模型

将表格图像转换为HTML或Markdown等结构化格式听起来很简单，但真正的瓶颈不在模型本身……

MODEL-ZOO

Evo 2 基因组大模型

Evo 2 刚刚为整座建筑打开了灯。生命的三个域。DNA、RNA和蛋白质。从分子尺度到基因组尺度。而且他们用一个模型就做到了。

MODEL-ZOO

IndexLM：基于索引的网页提取

基于索引的网页内容提取重新思考了如何从网页中提取信息。不再是让模型生成大段文字，而是将任务重新定义为指向——即从索引块列表中选择跨度。

MODEL-ZOO

TADA：零幻觉 TTS 模型

Hume开源了TADA，零内容幻觉。0.09 RTF。2048 token 窗口容纳 700 秒音频。MIT 许可证。

MODEL-ZOO

Gemini嵌入API + LLM

我们提出了这样一个问题：能否将Gemini Embedding API重新用作冻结语言学习模型 (LLM) 的多模态编码器？