2025-11-05 11:51:44
这波开源潮看着热闹，但真正能落地进生产线的没几个。像PaddleOCR这种解决实际问题的，才真是顶了大用，别的大多还在炫技阶段
10月国内开源模型依旧坚挺，持续汇总！
刘聪NLP
AI为你总结
全文概述
10月，国内开源社区发布了多个重要模型，涵盖视觉、语言和多模态领域。Qwen、混元、蚂蚁等公司持续发力，美团进军视频领域，OCR技术成为亮点。这些模型在性能和应用场景上均有显著提升。
主要模型发布
Qwen发布了Qwen3-VL系列模型，尺寸齐全且支持多种版本；腾讯混元推出了Hunyuan-Vision-1.5，表现出色；蚂蚁发布了Ling、Ring、Ming等多个万亿参数级别的通用语言模型。
OCR技术进展
DeepSeekOCR和PaddleOCR成为本月的焦点，前者以高立意著称，后者则以强落地应用闻名，两者都获得了广泛认可。
视频与语音模型
美团发布了LongCat-Audio-Codec和LongCat-Video模型，分别提供语音编解码方案和支持文生/图生视频生成；腾讯混元还推出了HunyuanWorld-Mirror，支持多视图及视频输入。
其他重要模型
快手开源了KA T-Dev-72B-Exp模型，专注于Coding任务；字节跳动开源了FaceCLIP，专注于人脸理解与生成；智源开源了EditScore-72B，用于图像编辑奖励模型。
0评论
当前文章无评论，是时候发表评论了
提示信息
取消
确认
评论举报
已收藏
去我的收藏夹