文章摘要
魔搭社区近期集中上新3207个模型、575个数据集、377个创新应用及9篇技术文章。上新资源覆盖高清图像生成、长程多模态、触觉感知、实时语音交互等多领域模型,及具身智能、3D城市、人形机器人相关数据集,还新增了AI决策类创新应用。

据行业观察,近期相关AI社区有多项技术成果上线:共上新3207个模型、575个数据集、377个创新应用,发布9篇相关技术文章。

模型推荐

MiniMax-H3-Image

某团队开源的图像生成模型,基于H3架构整合文生图、参考图生成与图像编辑功能,经6步蒸馏后可直接生成4096×4096像素(约1600万像素)的高清图像,无需超分辨率放大,支持多种宽高比及最多16张参考图。该模型具备三大核心优势:以合理计算成本生成16MP图像,细节丰富度远超常见1-4MP输出;图像质量接近真实视觉世界的细腻度与逼真度;指令遵循能力较强,支持多参考图辅助创作。更多部署、推理实战教程可查看相关技术内容。

LongCat-2.5

由相关团队开源的长程多模态智能体模型,总参数量达1.6万亿,每个token激活约480亿参数,支持百万token上下文,提供面向国产算力的W4A4量化版本,在原有基础上强化了原生视觉理解与智能体编程能力。该模型将真实Agent的失败轨迹转化为可复现的训练任务,结合长程强化学习提升复杂场景表现,主干统一处理文本与离散视觉Token,可根据参考图生成网页代码或构建3D场景。相关部署教程包含模型下载、环境安装及推理步骤。

Nex-N2.6

上海某学院开源的多模态Agent模型,基于GLM-5.3-Flash,面向电脑操作、编程与长程工具调用,开放约321B参数的FP8权重,支持256K上下文。相比前代,推理重复率从16.0%降至1.6%,工具列表遵循度达100%,在OSWorld测试中得分83.0,表现优于前代及基座模型。

LingBot-Touch

蚂蚁相关团队开源的触觉基础模型,基于近5000小时真实触觉数据预训练,覆盖磁触觉、视触觉、压阻式三类主流传感原理,可实现跨传感器、跨灵巧手、跨模型及跨任务的触觉表征复用。在26项真机测试中,接入该表征后四种动作模型的平均任务成功率较无触觉时提升14至26个百分点,相关模型合集可在相关平台获取。

Sophon-Realtime v1

AI相关团队开源的全双工实时语音交互模型,基于32B参数模型,支持持续监听、实时打断、话轮判断及情绪化语音生成,可识别犹豫、重音、笑声等语气特征,生成带自然表现的语音回复。提供三个版本,分别侧重语音表现力、高并发、低延迟,官方评测在多项指标中表现突出,支持vLLM-Omni部署,适用于实时语音助手、智能客服等场景。

Inkling-2-Small

某实验室发布的稀疏MoE架构模型,总参数594B,每Token激活17B,支持文本、图像输入及最高1M Token上下文,重点提升长程Agent、代码开发等能力。预训练数据经补充与强化学习后,在多项官方评测任务中表现优异,提供两种权重版本,支持多种推理框架,相关模型可在相关平台获取。

数据集推荐

Open-HumanWAM-50K

北京大学相关团队开源的具身智能与机器人学习数据集,包含5万小时视频、约3593万段精选片段,整合五类数据来源,覆盖家庭、商业服务及工业操作等场景,配有自然语言描述与手部运动标注,采用标准化双手末端执行器表示,提供多种训练子集,适用于机器人操作策略学习等研究。

plateau-city-glb

基于日本国土交通省三维城市数据整理的3D城市模型数据集,包含797个城市瓦片,覆盖东京23区及多个城市区域,经几何压缩和纹理优化后体积大幅减小,提供多种版本,适用于数字孪生、智慧城市可视化、3D地图等场景。

RoboMoCap

面向人形机器人学习的大规模多模态全身运动捕捉数据集,包含200余小时真实世界采集数据、14名参与者的293种动作,多设备采集全身运动数据,补充普通第一视角视频难以观测的腿部运动和足部落点信息,适用于人形机器人运动控制、全身动作重建等研究。

创新应用

Piccolo决策模型

相关团队推出的AI决策模型系列,提供4B、9B、27B三种参数规模,不同于传统聊天模型,该模型接收当前状态、问题和候选选项后,对各选项评分并输出决策概率,无需生成长文本,可用于了解AI Agent的工具调用审核、上下文筛选和任务决策过程。

社区精选文章

  • Inkling 2 Small开源:594B激活17B,部分任务表现超越同类模型
  • “自改不自批”!清华团队开源安全人工超级智能相关研究
  • MiniMax-H3-image 上线AI社区AIGC专区
  • Unsloth 发布Qwen3.8-27B GGUF:动态量化V3.1,同体积准确率提升5–10%
  • MiniMax-H3-Image:原生4K图像生成,相关平台量化模型支持24GB显存部署,附快速部署教程
  • 上海某学院开源Nex-N2.6!更省Token、更强电脑操控能力,Agent长程体验全新升级
  • 美团开源LongCat-2.5: 1.6T参数、48B激活,强化多模态理解与长程Agent编程
  • 蚂蚁相关团队开源LingBot-Touch:触觉基础模型,为通用大脑接入“手感”
  • AI降临派开源Sophon-Realtime v1:听得懂语气,也说得出语气的全双工语音模型
以上内容不代表本平台立场,仅供读者参考