AI教程
R1-Onevision – 开源多模态视觉推理模型，基于 Qwen2.5-VL 微调
R1-Onevision 是开源的多模态大语言模型，专注于复杂视觉推理任务。基于 Qwen2.5-VL 微调而成，通过整合视觉和文本数据，能精准地进行多模态信息解释。在数学、科学、深度图像理解和逻辑推理等领域表现出色，在多项推理基准测试中超越了 Qwen2.5-VL-7B 和 GPT-4V 等模型。
Phi-4-Mini – 微软推出专注于文本任务的小型语言模型
Phi-4-Mini 是微软 Phi-4 系列中最新推出的专注于文本任务的小型语言模型，参数量为 38 亿。基于密集的解码器-only Transformer 架构，结合分组查询注意力（Grouped-Query Attention）、20 万词汇量和共享输入输出嵌入，专为速度和效率设计。
IndexTTS – B 站推出的文本转语音模型，支持拼音纠正汉字发音
IndexTTS 是 B 站推出的工业级可控文本转语音（TTS）系统。基于 XTTS 和 Tortoise 模型开发，结合了 GPT 风格的生成技术，能将文本高效转化为自然流畅的语音。IndexTTS 的优势是对中文文本的处理能力，支持拼音纠正汉字发音，可通过标点符号精准控制停顿，有效解决了多音字和长尾字符的发音问题。
Scribe – ElevenLabs 推出的高精度语音转文本模型
Scribe 是 ElevenLabs 推出的高精度语音转文本模型，专为多语言和复杂音频环境设计。支持99种语言，英语和意大利语的转录准确率分别达到96.7%和98.7%，在小语种上也有出色表现。
VideoGrain – 悉尼科技大学和浙大推出的视频编辑框架
VideoGrain 是悉尼科技大学和浙江大学推出的零样本多粒度视频编辑框架，能实现类别级、实例级和部件级的精细视频修改。VideoGrain基于调节时空交叉注意力和自注意力机制，增强文本提示对目标区域的控制能力，且保持区域间的特征分离，解决现有扩散模型中语义错位和特征耦合的问题。
腾讯混元Turbo S – 腾讯推出的新一代快思考模型
腾讯混元Turbo S是腾讯推出的新一代快思考模型。模型采用创新的Hybrid-Mamba-Transformer融合架构，有效降低了传统Transformer的计算复杂度，减少了KV-Cache缓存占用，显著提升了训练和推理效率。
GPT-4.5 – OpenAI 推出的最强聊天模型
GPT-4.5 是 OpenAI 推出的最新大型语言模型，是目前规模最大、性能最强的聊天模型。基于扩展无监督学习，提升模式识别、知识广度和创意生成能力，减少了幻觉现象，让对话更自然、更符合人类交流习惯。GPT-4.5 的核心优势在于广泛的知识储备、更高的“情商”及对用户意图的精准理解，适合用于写作、编程、解决实际问题及创意设计等场景。
3FS – DeepSeek开源的高性能分布式文件系统
3FS（Fire-Flyer File System）是DeepSeek推出的高性能分布式文件系统，专为AI训练和推理任务设计。3FS用现代SSD和RDMA网络技术，基于分离式架构聚合数千个SSD的吞吐量和数百个存储节点的网络带宽，提供高达6.6 TiB s的读取吞吐量。3FS提供强一致性保障，提供通用文件接口，无需学习新的存储API。
CorrDiff – NVIDIA 推出的生成式 AI 模型，专注于全球气象数据
CorrDiff 是 NVIDIA 推出的生成式 AI 模型，用于将低分辨率的全球天气数据下采样为高分辨率数据，提高天气预测的准确性和效率。采用两步法处理数据：首先通过 UNet 架构预测大气变量的条件均值，然后基于扩散模型对预测结果进行精细化修正。
Smallpond – DeepSeek开源的轻量级数据处理框架
Smallpond是DeepSeek推出的基于 DuckDB 和 3FS 构建的轻量级数据处理框架，专为高性能和大规模数据处理设计。Smallpond支持处理 PB 级数据集，借助 DuckDB 的高性能分析能力和 3FS 的分布式存储优势，实现高效的数据加载、查询和转换。