开源模型

Flux.1-dev ControlNets，新增Upscaler、depth、surface normal三种ControlNet

Flux.1-dev ControlNets，新增Upscaler、depth、...

Molmo，开源的视觉多模态模型，分1B、7B、72B

Molmo，开源的视觉多模态模型，分1B、7B、72B. Molmo 模型 Mo...

Meta发布Llama 3.2，适用于边缘设备、视觉模型等的轻量级模型

让我们先看看官方演示视频吧！ Meta发布Llama 3.2，其中包括适合边缘和...

QA-MDT，开源文本音乐生成，基于扩散模型的文字生成音乐模型

让我们听听演示音频吧！ QA-MDT，开源文本音乐生成，基于扩散模型的文字生成音...

GRIN-MoE，微软开源的混合模型，整体能力与Phi-3.5-MoE接近

GRIN-MoE，微软开源的混合模型，整体能力与Phi-3.5-MoE接近，GR...

3DTopia-XL，支持文字和图片生成3D模型

让我们看看官方演示视频吧！ 3DTopia-XL 是一种 3D 扩散变压器（D...

KoolCogVideoX，基于CogVideoX微调，专门生成室内装修效果的视频模型

让我们看看演示视频吧！ KoolCogVideoX是基于CogVideoX微调，...

EzAudio，开源的AI音频生成模型，基于Diffusion Transformer 增强文本到音频的生成

让我们听听演示音频吧！ EzAudio 是一种高级文本到音频（T2A）生成模...

Moshi，开源的实时对话的语音-文本端对端模型

Moshi 是一个语音文本基础模型和全双工口语对话框架。它使用 Mimi，这是一...

GOT-OCR2.0，阶跃星辰联合推出的端到端的OCR模型

GOT-OCR2.0，阶跃星辰联合推出的端到端的OCR模型，除了常规文本识别任务...

CogVideoX-5B-I2V，输入图像作为背景并结合提示生成视频，开源的图像到视频模型

让我们先来看看生成的视频吧！ CogVideoX-5B-I2V，输入图像作为背景...

语言模型 Qwen2.5，编程模型Qwen2.5-Coder、数学模型 Qwen2.5-Math，全部开源

最新发布包括了语言模型 Qwen2.5，以及专门针对编程的 Qwen2.5-Co...