ModelScope魔搭：开源模型、数据集与体验应用一网打尽

Ornith-1.5系列模型

开源团队推出了Ornith-1.5系列模型，包含三个规格：397B MoE旗舰版本、35B-A3B MoE（每token仅激活3B参数）以及9B Dense（含移动端量化版本），全部采用MIT开源协议。该系列的核心创新是端到端自改进训练框架：模型可自主生成训练任务、搭建评测脚手架、产出解题轨迹，通过GRPO联合优化形成闭环，无需依赖人工策划的训练任务与固定评测流程。

性能表现方面：397B版本在Terminal-Bench 2.1上达到86.1的得分，接近顶级模型表现；35B-A3B仅激活3B参数，就在全编码与智能体基准测试中超越了稠密架构的同级别模型；9B Dense版本在多项任务上的表现甚至超过参数量更大的同类模型。

模型合集链接：https://开源社区平台/collections/ornith-ai/Ornith-15

部署示例：

modelscope download --model ornith-ai/Ornith-1.5-35B-A3B --local_dir ./ornith-ai/Ornith-1.5-35B-A3B

vLLM部署命令：

vllm serve ornith-ai/Ornith-1.5-35B-A3B \
  --served-model-name Ornith-1.5-35B-A3B \
  --host 0.0.0.0 --port 8000 \
  --tensor-parallel-size 2 \
  --max-model-len 262144 \
  --gpu-memory-utilization 0.90 \
  --enable-prefix-caching \
  --enable-auto-tool-choice --tool-call-parser qwen3_xml \
  --reasoning-parser qwen3 \
  --trust-remote-code

SGLang部署命令：

python -m sglang.launch_server \
  --model-path ornith-ai/Ornith-1.5-35B-A3B \
  --served-model-name Ornith-1.5-35B-A3B \
  --host 0.0.0.0 --port 8000 \
  --tp 2 \
  --context-length 262144 \
  --mem-fraction-static 0.85 \
  --tool-call-parser qwen3_coder \
  --reasoning-parser qwen3

SenseNova U1.5正式版

国内AI团队正式开源了轻量级原生统一多模态大模型SenseNova U1.5 Lite正式版。相较于预览版，正式版更注重将原生多模态能力落地到真实视觉创作流程中，围绕真实视觉任务优化了训练数据、任务设计与后训练流程，重点强化了视觉生成质量、复杂指令遵循能力、文字与布局还原度、原生4K分辨率支持、图像编辑精度以及精细视觉控制等核心特性。

该模型提供了更高可控性、更高清画质与更高性价比的生成工具，推动AI视觉生成从原型验证阶段迈向稳定交付的实用阶段。

模型链接：https://开源社区平台/models/SenseNova/SenseNova-U1.5-8B-MoT

官方参考文档：https://github.com/OpenSenseNova/SenseNova-U1/blob/refs/heads/feat/u1.5/docs/u1.5_best_practices.md

Qwen3.8-27B系列变体模型

Qwen3.8-27B发布仅一周，其多个变体就迅速登上社区热榜。以下是值得关注的代表性变体：

• 本地量化版本：采用动态量化方案，在相同体积下提升精度保留能力，提供多档量化选项，最低仅需17GB内存即可运行，支持多种本地部署工具。
• 无损推理加速版本：为基础模型配套的推测解码草稿模型，通过并行预测多组token再交由原模型验证，在不改变最终输出分布的前提下提升解码吞吐，适配多种主流推理框架。
• 实验优化版本：通过权重调整移除模型的主要拒答方向，保留基础模型的推理、视觉与长上下文能力，适合模型行为与安全边界研究。
• 此外还有自带草稿头的加速版本、消费级显卡适配版本、面向不同内存档位的量化版本、经典量化路线版本、苹果芯片专属版本、Intel设备适配版本以及多芯片部署系列，覆盖从本地到企业级的全场景需求。