AI 模型库：大模型、Agent 与开发工具
收录并解读主流 AI 模型、Agent 与开发工具的能力、场景与选型对比。
标签：模型推理
共 86 篇文章 · 清除标签
DuoMatching – 港中文联合字节开源的视频生成蒸馏框架
DuoMatching是由香港中文大学MMLab与字节跳动联合研发的少步视频生成蒸馏框架，其核心目标在于解决少步扩散模型在降低采样步数时面临的单帧画质退化与语义漂移问题。该框架通过解耦视频生成过程中的时序一致性与单帧质量优化两大任务，引入冻结的图像模型作为帧级监督信号，并借助LatentBridge模块实现视频与图像潜空间之间的高效映射，在保持视频跨帧运动连贯性的同时显著提升细节还原度与提示词遵循...
Hy-Nomas – 腾讯混元团队开源的交互式视频世界生成模型
Hy-Nomas是腾讯混元团队开源的交互式视频世界生成模型，采用分段自回归方式生成视频，支持在每段之间自由切换文本提示或相机轨迹控制，并通过lifelong KV cache保持长程一致性。该模型已开源代码与权重，提供蒸馏版和INT8量化版，经优化后单张RTX 4090即可完成本地推理，大幅降低了视频世界模型的使用门槛，为研究者、开发者和创作者提供了可定制、可控、可交互的视频生成解决方案。
书生-A1.5 – 上海 AI Lab 开源的通专融合科学智能体
书生-A1.5（Sage-A1.5）是上海人工智能实验室推出的 35B 规模通专融合科学智能体，基于 Agents-A1 长程任务能力与书生·端砚科学发现平台构建，面向真实科研场景验证 RSI（Researcher-Scientist-Investigator）闭环。该模型能够自主拆解复杂科研任务、编排多个子智能体并行调研，并触发校验机制识别证据缺口、修正研究假设。书生-A1.5 已覆盖脑科学、电...
DeepInfer – DeepSeek 开源的生产级推理框架深度评测
DeepInfer 是 DeepSeek 开源的生产级大模型推理框架，源自 vLLM 代码库，专为 DeepSeek-V4.1-Flash 模型设计，同时支持英伟达 SM100 GPU 与华为昇腾 950 NPU 两大算力生态。该框架通过 PD 分离部署架构，将 Prefill 与 Decode 阶段部署在不同硬件上，并依托 3FS 分布式缓存集群实现 96% 的输入缓存命中率，使 Prefill...
FLUX 3 Image Klein – Black Forest Labs 开源的AI图像模型
FLUX 3 Image Klein 是由 Black Forest Labs 开源的 AI 图像生成模型，以仅 5.6B 参数的轻量级体量实现了此前需要数十亿参数乃至闭源大模型才能达成的能力。该模型同时支持文生图、指令式图编辑以及最多 10 张参考图的多图生成，具备原生 4K 输出、像素级精确编辑和坐标框布局控制等差异化功能。官方内部盲测显示，其在中文生图、编辑、多参考三项任务中均排名第一，超越...
DMAD – 字节联合德州农工开源的扩散模型少步蒸馏技术
DMAD（Distribution Matching as Adversarial Distillation）是由字节跳动与德州农工大学联合开源的少步蒸馏框架，核心目标是显著加速扩散模型的生成过程。该方法通过训练二分类判别器直接学习目标分布与学生分布之间的差异，省去传统蒸馏方法中辅助扩散模型的依赖，在ImageNet-64数据集上实现了FID低至1.04的一步生成效果，并将50步教师模型高效压缩为...
HelixWorld – Noiz AI 联合港科大开源的实时交互世界模型
HelixWorld 是 Noiz AI 与香港科技大学联合开源的实时交互式音视频世界模型，代表了生成式 AI 在空间智能领域的重要进展。该模型以单张静态图片和文字描述为输入，能够生成一个可供用户通过 WASD 键和方向键自由行走、转动视角的沉浸式三维世界，画面与立体空间音效同步实时生成，且声像随视角变化自然转换。基于 LTX-2.3 架构，HelixWorld 采用"双向教师 + 因果蒸馏"训练...
VoxMem – 墨尔本大学等开源的音频大模型记忆基准
VoxMem是由墨尔本大学与新南威尔士大学研究团队联合推出的音频大模型记忆基准（Benchmark）。该基准首创"4类声学证据×4种记忆操作"的二维评测框架，将语音语义、说话人身份、副语言线索与环境声四类信息维度，同信息抽取、跨会话推理、时序追踪与拒答四种记忆操作深度交叉，构建覆盖8K至64K token多会话历史的标准化评测体系。对15个主流模型的系统性测试显示，在32K上下文长度下，没有任何模...
Startlux-Decision – StartLux Labs 开源的决策模型家族深度评测
StartLux-Decision 是 StartLux Labs 推出的开源决策模型家族，涵盖从 0.8B 至 27B 的五个稠密模型以及 35B-A3B 混合专家模型，专为类型化决策任务设计。该模型家族接收文本、JSON 或图片形式的状态输入，针对选择、是非、评分等结构化问题，通过单次前向推理直接返回每个选项的概率分布，天然可作为置信度使用。模型原生支持 256K token 超长上下文，具备...
SemIf – 开源的 AI 决策模型，复现 Jev 语义决策模式
SemIf（原 OpenJev）是一个开源的 AI 决策模型，旨在通过开源手段复现 TypeSafe 闭源服务 Jev 的语义决策接口模式。该模型采用单次前向传播机制，直接读取候选选项对应的 logits 进行打分，由服务端构造结构化结果，从而规避了传统自回归生成后再解析文本的复杂流程。在多个问题共享相同状态时，SemIf 还可复用前缀计算，吞吐量提升近一个数量级。该模型在单张 RTX 3090 ...
