TAG:开源模型
谷歌深化医疗AI开源布局：MedGemma 1.5提升医学影像性能，发布语音转写模型MedASR
谷歌发布新一代开源医疗大模型MedGemma 1.5和语音识别模型MedASR，强化医学影像分析能力并优化临床语音转写。MedGemma 1.5支持多模态数据，辅助筛查诊断；MedASR提升病历录入效率。两者均基于合规数据开源发布，推动医疗AI普惠应用。
0 
0 
千寻智能开源Spirit v1.5 重塑国产具身模型发展规则
千寻智能开源Spirit v1.5具身智能大模型，在RoboChallenge基准测试中以66.09分超越Pi0.5夺冠，标志着国产模型在真实任务操作上取得关键突破。该模型已应用于宁德时代生产线，并通过开源推动产业生态发展，实现从实验室演示到真实场景可用的跨越。
百川智能发布Baichuan-M3 医疗AI应用迎突破
百川智能发布新一代开源医疗增强大语言模型Baichuan-M3，在问诊能力、医疗幻觉控制等四项核心评测中超越GPT-5.2，表现优于人类医生，标志着医疗AI正式进入应用主战场。
开源模型评测超越GPT-4 具身智能迎来突破时刻
文章报道了自变量开源端到端具身智能基础模型WALL-OSS在RoboChallenge评测中超越pi0，排名第二，并在多个单动作任务中位列第一。文章探讨了开源模型在推动具身智能产业生态繁荣、降低行业创新成本以及加速技术落地方面的关键作用，分析了其彻底开源策略对行业发展的深远意义。
Lightricks 开源AI视频模型LTX-2 支持20秒音视频一体化合成
以色列科技公司Lightricks开源了其最新AI视频模型LTX-2，该系统能够根据文本描述直接生成长达20秒的高清视频，并实现音画完全同步。通过双流并行计算架构和190亿参数，LTX-2突破了传统音画解耦流程，合成速度最高可达竞品的18倍，为内容创作者提供了高效、自主的视听内容生成工具。
中国具身大模型发展路径初探：自变量探索可复制模式
文章探讨了中国具身大模型的发展路径，以自变量开源模型WALL-OSS在RoboChallenge基准测试中的优异表现为例，分析了开源策略如何推动行业协同与商业化进程。文章指出，开源模型通过提供完整解决方案，赋能全球开发者，加速具身智能从实验室走向现实应用，并强调了统一评测标准对行业发展的关键作用。
30B开源模型性能超越1T巨头，MiroThinker 1.5大幅降低AI推理成本
MiroThinker 1.5是一款仅30亿参数的开源AI模型，通过创新的交互式扩展技术，实现了媲美万亿参数模型的性能，同时将推理成本降低至原来的1/20。它采用多轮推理与自我纠错机制，在复杂任务中表现出色，标志着AI从参数规模竞争转向智能密度竞争的重要里程碑。
开源版Veo 3登场：LTX-2发布，20秒4K音画同步AI视频本地可生成
Lightricks团队开源LTX-2模型，这是一个支持一次性生成长达20秒4K高清视频的完整音视频基础模型，实现了画面、声音与口型的完美同步。模型权重和代码已全部开源，支持本地部署，在消费级显卡上即可流畅运行，大幅降低了AI视频创作的门槛。
Liquid AI 发布 LFM2.5：一款面向边缘设备的小型 AI 模型家族
Liquid AI 发布了 LFM2.5 小型基础模型家族，专为边缘设备和本地部署设计。该系列包括文本、视觉语言和音频语言变种，在 GPQA、MMLU Pro 等基准测试中表现优异，超越了同类开源模型。模型采用高效架构，支持多模态任务和区域优化，适用于文档理解、实时语音对话等多种边缘计算场景。
英伟达发布物理AI新成果 黄仁勋称迎来ChatGPT时刻
英伟达在CES 2025上宣布开源其首个推理VLA模型Alpamayo 1，为自动驾驶领域带来突破。该模型通过类人思维方式处理复杂驾驶场景，提供可解释的决策过程，旨在加速安全自动驾驶技术开发。黄仁勋表示，物理AI的ChatGPT时刻已到来，机器开始理解、推理并在真实世界中行动。
多模态大模型最新评测结果公布 Gemini-3-Pro稳居榜首 国产模型豆包、商汤表现亮眼 Qwen3-VL成为首个开源高分模型
SuperCLUE-VLM发布2025年12月多模态视觉语言模型评测榜单，谷歌Gemini-3-Pro以83.64分断层领先。国产模型中，商汤SenseNova V6.5Pro和字节豆包大模型表现亮眼，分别位列第二、第三。阿里Qwen3-VL成为首个总分突破70分的开源模型，推动技术民主化。榜单揭示了多模态竞赛进入实用化新阶段，视觉推理仍是关键瓶颈。
腾讯混元1.5开源 手机端侧AI实现实时多语互译
腾讯发布并开源混元翻译模型1.5版，支持33种语言互译，专为移动端侧部署优化。其轻量级1.8B版本仅需1GB内存即可实现手机离线实时翻译，性能媲美主流闭源模型。模型具备自定义术语库和优秀上下文理解能力，已在腾讯会议等产品中应用，为多语种实时翻译带来突破。
Resemble AI 开源旗舰 TTS 模型 防伪水印助力商业应用
Resemble AI开源旗舰级TTS模型Chatterbox Turbo，仅需5秒参考音频即可精准克隆语音，延迟低至150毫秒，性能超越闭源竞品。模型内置防伪水印功能，支持商业化应用，旨在重塑语音合成市场格局。
Liquid AI发布LFM2-2.6B-Exp实验模型 性能超越百亿级巨兽
Liquid AI发布仅2.6B参数的实验性模型LFM2-2.6B-Exp，该模型通过纯强化学习优化，在指令跟随、知识问答和数学推理等基准测试中表现卓越，甚至超越数百亿参数的大型模型。专为边缘设备设计，支持高效本地部署，已完全开源，加速高性能AI向设备端普及。
阿里通义开源语音交互大模型Fun-Audio-Chat-8B 超低延迟情绪识别
阿里通义实验室开源Fun-Audio-Chat-8B语音交互大模型，采用端到端S2S架构实现超低延迟对话，具备情感感知与语音函数调用能力，性能领先开源竞品并媲美顶级闭源模型，适用于情感陪伴、智能控制等多场景。
