开源AI模型

模力方舟

模力方舟是Gitee推出的AI开发服务平台，聚焦大模型应用开发与落地全流程需求，为开发者及企业提供一站式AI能力支撑。平台核心功能包括多源大模型调用、低代码应用搭建、开源AI模型仓库服务，同时支持模型微调与部署运维一体化操作。主要面向AI应用开发者、企业技术团队、高校科研人员等群体，可满足快速搭建智能问答系统、行业专属AI工具、模型性能验证测试等不同场景的使用需求，助力降低AI开发的技术门槛与成本投入。

LEO

LEO是基于大型语言模型开发的多模态多任务具身智能代理项目官网，核心定位为面向3D环境交互的通用AI研究成果展示平台。平台支持3D视觉语言对齐技术演示、3D具身任务效果展示、相关训练数据集信息查询三类核心功能，主要面向AI研究人员、机器人开发从业者、高校计算机相关专业师生三类用户，可用于3D具身智能技术调研、多模态AI模型性能参考、机器人任务规划方案设计等场景。项目公开了两阶段训练框架的技术细节，以及在3D字幕生成、3D场景问答、具身导航、机器人操作等多个任务中的实验结果，为相关领域的技术研发提供参考依据。

CoTracker

CoTracker是面向视频点跟踪任务的开源Transformer模型官方站点，核心功能为支持视频序列的稠密点联合跟踪、长时遮挡场景下的轨迹预测、可扩展的大规模点跟踪部署，目标用户覆盖计算机视觉研究人员、视频内容开发从业者、机器人导航算法工程师等群体，可应用于视频动作捕捉、三维重建、运动分析、自动驾驶场景感知、视频特效制作等多个领域，区别于传统独立点跟踪方法，该模型通过建模点与点之间的空间关联，提升跟踪的精度与鲁棒性，适配长视频、遮挡场景下的跟踪需求。

Zamba2-mini

Zamba2-mini是Zyphra Technologies Inc.推出的面向设备端部署的小型开源语言模型站点，核心定位是为边缘设备AI应用提供低资源占用、高性能的大模型解决方案。核心功能包括模型技术文档查询、开源权重下载入口、性能对比数据展示、部署指南说明。目标用户覆盖AI研究者、嵌入式开发人员、消费电子厂商、移动端应用开发者等群体，适用于离线AI助手开发、边缘设备智能功能植入、低资源环境下大模型落地研究、端侧AI应用原型验证等多种场景。

Laion

Laion是面向全球AI研究者、开发者的非营利性开放机器学习资源平台，核心定位是推动AI资源的公共开放与可持续发展。平台提供多模态公开数据集下载、预训练AI模型共享、AI研究项目协作三类核心服务，目标用户覆盖学术机构研究者、AI行业开发者、计算机专业学生、AI教育工作者等群体，可应用于多模态AI模型训练、AI学术研究复现、AI入门学习实践、环保型AI开发等场景，同时倡导通过资源复用降低AI训练的能源消耗，推动绿色AI发展。

Stable Horde

Stable Horde是一个众包分布式AI生成平台，依托全球自愿贡献算力的工作者节点集群，为用户提供无需自建本地算力的图像与文本生成服务。平台核心功能包括多模型图像生成、自定义参数文本创作、算力贡献兑换生成额度机制，覆盖从普通内容创作者到AI技术爱好者的多类用户群体，可应用于创意设计草图输出、文案初稿撰写、AI艺术创作探索、批量内容生成等多种场景，用户无需部署复杂的本地运行环境，通过网页端或API即可调用分布式算力完成生成任务。

Sailor

Sailor是一套专为东南亚地区定制的开放语言模型项目官网，核心定位是为东南亚多语言场景提供适配性高的大语言模型解决方案。平台支持印尼语、泰语、越南语、马来语、老挝语等东南亚主流语种的文本理解与生成，提供从0.5B到7B不同参数规模的模型版本，还开放了模型训练相关的数据集说明与部署指引。该项目面向东南亚区域的AI开发者、企业技术团队、语言研究人员，可用于构建区域语言问答系统、多语言内容生成工具、区域语料语义分析服务等场景，助力降低东南亚本地语言AI应用的开发门槛。

Posterior-Mean Rectified Flow

Posterior-Mean Rectified Flow（简称PMRF）是面向计算机视觉领域的图像恢复算法项目官方网站，核心定位为学术研究与技术应用落地的展示载体。平台围绕后验均值整流流图像恢复算法，搭建了系统化的内容与资源体系，不仅提供完整的算法原理说明、论文原文下载、开源代码资源，还上线了多场景测试数据集、直观的效果对比演示工具，以及工业场景部署参考方案。平台既支持计算机视觉领域的研究人员快速复现实验结果、开展后续相关研究，也可为工程技术人员的算法落地应用提供参考，打通学术研究成果与产业实际需求的对接路径。

ACE: All-round Creator and Editor Following Instructions via Diffusion Transformer

ACE是由阿里通义实验室推出的基于扩散Transformer架构的多模态视觉生成与编辑工具，核心定位为支持多任务联合处理的全能创意内容生成平台。核心功能包括支持长上下文指令理解的统一条件输入、多场景图像生成与编辑能力、多模态指令自动生成服务。目标用户覆盖AI图像研发人员、内容创作者、产品设计师、高校计算机专业师生等群体，适用于多模态视觉模型研发测试、创意海报设计、图像内容二次编辑、AI生成应用原型搭建等多种场景，能够帮助用户简化视觉内容处理流程，提升生成任务的处理效率。

Any GPT

AnyGPT是一款面向多模态交互需求的统一大语言模型工具站，核心定位是通过离散表示技术实现语音、文本、图像、音乐等多模态的统一处理，无需改动现有大语言模型架构与训练范式即可完成稳定训练。核心功能包含多模态任意组合交互、多模态指令数据集支持、新模态无缝接入能力。目标用户覆盖AI研究人员、多模态应用开发者、内容创作者、高校计算机专业师生等群体，可用于多模态对话系统开发、跨模态内容生成、多模态模型学术研究、多模态交互产品原型测试等场景，为不同模态的统一处理提供可落地的技术方案。

nerfstudio

nerfstudio是面向神经辐射场（NeRF）领域的开源开发框架官方文档站点，核心定位是为NeRF研发与应用人员提供体系化的技术支撑资源。站点覆盖模块化框架接口说明、多场景数据预处理教程、训练过程可视化操作指引三类核心内容，目标用户包含计算机视觉领域研究人员、3D内容开发从业者、高校相关专业学生、NeRF技术爱好者等群体，可满足用户学习NeRF基础原理、复现前沿模型、开发自定义3D重建应用、调试模型训练参数等多类场景需求。

ROCKET-1

ROCKET-1是专注于开放世界具身决策场景的视觉-语言模型，核心定位是打通视觉语言大模型与具身策略模型的通信链路，提升智能体在开放交互环境中的任务完成能力。核心功能包括视觉-时间上下文提示协议构建、多帧观测对象分割引导、长序列复杂任务推理调度三类，主要面向人工智能研究人员、具身智能开发人员、开放世界游戏AI开发人员等群体，可应用于虚拟世界智能体训练、机器人具身决策算法验证、复杂开放环境任务推理研究等场景，为具身智能领域的视觉语言融合方案提供可参考的实现路径。

小狐狸GPT AI创作系统

小狐狸GPT AI创作系统是一款支持自主二次开发的AI创作平台源码产品，核心定位为帮助用户快速搭建属于自己的多模态AI创作服务站点。系统内置AI聊天、AI绘图、AI视频生成、SunoAI音乐创作等多个功能模块，兼容DeepSeek-R1版本大模型，采用PHP语言搭配MYSQL数据库开发，源代码完全开放。目标用户覆盖有站点搭建需求的开发者、希望推出自有AI创作服务的企业运营者、需要私有化部署AI创作工具的团队，以及想通过AI创作服务实现流量变现的创业者，可应用于个人站点搭建、企业内部AI工具部署、面向C端的AI创作服务平台运营等多种场景。

ELLA

ELLA（Efficient Large Language Model Adapter）是面向文本生成图像领域的技术适配工具，核心定位为轻量级的大语言模型适配组件，可对接现有基于CLIP的扩散模型，为其赋予大语言模型的语义理解能力。核心功能包含时间感知语义连接器（TSC）模块，可根据采样时间步动态调整语义特征输出，同时支持长文本提示解析，能够处理包含多对象、多属性、复杂关系的提示内容，还可实现对原有扩散模型U-Net结构的冻结适配，无需重新训练基础模型。该工具面向AIGC算法研发人员、文本生成图像模型开发者、AI艺术创作者、学术研究人员等群体，适用于优化现有文生图模型的提示跟随效果、提升长文本提示的图像生成准确率、开展文生图语义对齐相关的学术研究等场景。

DreamLLM

DreamLLM是专注于多模态大语言模型研发的开源学习框架，核心定位是打破传统多模态模型的技术瓶颈，实现理解与创作能力的协同提升。核心功能包括原生多模态空间采样生成、无外部特征依赖的语义理解、跨模态联合分布建模三类，支持研究人员快速复现多模态生成实验，也可供AI开发人员搭建跨模态内容生成系统。目标用户覆盖AI领域研究学者、大模型开发工程师、高校计算机相关专业师生等群体，适用于多模态模型技术研发、跨模态内容生成工具开发、大模型相关学术实验验证等场景。

VideoGigaGAN

VideoGigaGAN是基于大规模图像上采样器GigaGAN开发的视频超分辨率技术展示平台，核心定位为学术研究成果的可视化演示站点，面向视频处理相关从业者、学术研究人员及内容创作者提供8倍视频超分辨率效果展示与技术原理说明。平台核心功能包括8倍视频超分辨率效果对比展示、技术架构原理可视化讲解、公开数据集基准测试结果查询三个模块，用户可在线查看不同场景下模型处理前后的视频画质差异，了解时间注意力层、特征传播模块等组件的设计逻辑，也可通过基准测试数据对比该模型与同类视频超分辨率方案的性能差异，适合视频修复、影视内容画质提升、旧视频数字化等场景的相关人员参考使用。

Hyper-SD

Hyper-SD是聚焦于低步数高效图像合成的开源技术框架官方站点，核心面向AI图像生成领域的开发者、研究人员及应用开发者提供技术支持。站点核心功能包含完整的技术论文说明、开源代码仓库入口、不同步数推理效果的样例展示，同时提供模型部署的实操教程。目标用户覆盖AI计算机视觉领域研究人员、AIGC应用开发工程师、图像生成工具开发者等群体，可用于快速图像生成API开发、端侧AI图像生成功能落地、图像生成效率优化研究等场景。

Leonardo Labs

Leonardo Labs是总部位于美国加利福尼亚州、服务覆盖全球的知名AI自动化服务机构，核心定位是为创业团队提供定制化AI克隆及自动化解决方案，帮助企业减少重复性管理工作的人力投入。其核心功能包括定制AI克隆开发、专属个性化形象与声音适配、动态知识库持续更新服务，可根据企业业务需求打造适配内部管理流程的AI代理。服务目标用户覆盖各阶段创业公司、中小微企业管理者、业务扩张期的团队负责人，适合团队人力有限需要优化管理流程、需要将核心精力聚焦于客户拓展与业务增长、希望降低重复行政工作成本的场景使用。

FlagAI

FlagAI是北京智源人工智能研究院推出的开源大模型技术平台，核心定位为面向AI研发领域的大模型开发与应用支撑工具。平台集成全球主流大模型算法与并行训练加速技术，支持多模态大模型快速训练、微调与部署，内置多领域开源预训练模型资源库，同时同步智源悟道系列大模型的开源研究成果。目标用户覆盖AI科研人员、算法开发工程师、高校AI相关专业师生、企业AI技术团队等，可用于科研阶段的大模型技术验证、产业场景的大模型定制化开发、教学场景的大模型技术实践等多种场景，帮助降低大模型开发的技术门槛，提升研发效率。

DynamicControl

DynamicControl是专注于提升文本到图像扩散模型生成控制力的开源技术框架，核心定位是解决多控制信号组合下图像生成一致性不足的问题。其核心功能包括双循环控制器初始条件排序、多模态大语言模型条件评估优化、并行多控制适配器特征整合三大模块，支持用户灵活组合不同类型、数量的控制条件，实现更符合预期的图像生成效果。该框架面向AI图像生成领域的研究人员、算法工程师、AIGC应用开发者，可应用于可控图像生成算法研究、专业AI绘图工具开发、定制化图像生成系统搭建等场景，帮助使用者降低多条件控制下的图像生成偏差，提升生成结果与输入需求的匹配度。