LongWriter开源项目 – 超长文本生成AI模型

LLaVA-NeXT 是一个先进的多模态模型，基于 LLaVA-1.5 进行改进，于 2023 年 10 月发布基础版本，并于 2024 年 1 月推出 LLaVA-NeXT。该项目旨在提升图像处理和语言理解能力，特别是在视觉推理、OCR（光学字符识别）和多模态指令遵循方面。LLaVA-NeXT 通过增加输入图像分辨率（最高达 672x672、336x1344、1344x336）以及改进视觉指令调整数据集，显著增强了模型性能。它还支持更大的语言模型，如 Mistral-7B 和 Nous-Hermes-2-Yi-34B，进一步提升了其能力。LLaVA-NeXT 的训练成本低，仅需约 32 个 GPU 运行一天，使用不到 100 万视觉指令调整样本，总训练数据为 131.8 万样本，计算成本分别为 7B 模型 8x20 GPU 小时、13B 模型 16x24 GPU 小时、34B 模型 32x30 GPU 小时。这使其训练效率高于许多竞争对手，成本低至其他模型的 100-1000 倍。LLaVA-NeXT 的开放源代码特性使其广受研究者欢迎，代码、数据和模型均可公开访问，得到了 A16Z 开源 AI 资助计划的支持。

DeepSeek AI 是一家中国人工智能公司，专注于开发大型语言模型（LLM），成立于2023年7月，由High-Flyer对冲基金拥有和资助。其旗舰模型DeepSeek-R1于2025年1月发布，性能可与OpenAI的GPT-4和o1媲美，但训练成本显著降低。DeepSeek AI的核心创新包括混合专家（MoE）架构、多头潜注意力（MLA）和多令牌预测（MTP），这些技术显著减少了内存使用和训练成本。模型开源，供广泛用户和开发者使用，适用于聊天机器人和AI助手应用。

Ola是一个开源的全能多模态语言模型，旨在打破多模态理解的边界，支持文本、图像、视频和音频的全面理解。它采用渐进式模态对齐策略（PMA），通过三个阶段（文本-图像、语音、视频）逐步扩展模型能力，确保在不同模态间的性能平衡。Ola-7B版本在OpenCompass多模态排行榜上平均得分72.6，排名第一，是参数少于15B的模型中表现最佳的。此外，Ola支持实时流式解码功能，增强文本和语音交互的流畅性，适合需要高级交互体验的场景。

WALDO是一款基于YOLO-v8大模型和合成数据训练的AI检测模型，专为无人机领域的低空可识别目标检测而设计。它能够在高空和低空图像中高效检测多种目标，如轻型车辆、人员、建筑物、公用设施杆、船只、自行车、集装箱、卡车、储气罐、挖掘机、太阳能电池板、巴士等。该模型已成功应用于灾害评估中的失踪人员搜索、野生动物保护区中的入侵监测、停车场和交通流量管理中的人数和车辆计数、建筑工地和基础设施的远程监控等场景。

Orion-14B系列是OrionStarAI开发的开源多语言大型语言模型，拥有140亿参数，基于2.5T多语言语料库训练，支持中文、英语、日语、韩语等多种语言。该系列模型在自然语言处理任务中表现出色，特别在日语和韩语测试集上表现突出。模型支持长文本处理、高效推理，并可作为其他模型的预训练基础。

DeepSeek Chat 是由国内大型模型平台 DeepSeek 发布的聊天平台，基于 DeepSeek-R1-Lite 推理模型。该模型在数学、代码和复杂推理任务上表现出色，能生成数万字的推理流程，帮助用户深入理解模型生成内容的整个过程。平台目前免费提供每日 50 次深度思维推理服务，并计划开源。研究表明，DeepSeek-R1-Lite 在多项测试中表现可能优于 OpenAI 的 o1 预览版。

Mathstral-7B-v0.1 是由 Mistral AI 开发的一个 7B 参数的语言模型，专为数学推理和科学发现设计。该模型具有 32k 上下文窗口，擅长处理复杂的多步逻辑推理任务，如数学证明和科学计算。它在 MATH 和 MMLU 等基准测试中表现优异，显示出强大的数学和逻辑推理能力。模型基于 Mistral 7B 开发，使用 F32 张量类型，参数数量为 7.25B，支持通过 Hugging Face 下载和使用。

Planck Network 通过一个直观的应用程序，让用户利用闲置的计算能力赚钱，同时为开发者提供一个经济实惠的平台，开放源代码的 AI 模型，以构建最具创新性的 AI 应用。

SAM 2 是 Meta AI 团队开发的开源 AI 模型，专注于图像和视频中的对象分割任务。它是全球首个支持视频实时抠像的 AI 大模型，能够在零样本前提下实现精准的对象分割。Meta 还提供了基于网络的演示体验，并共享了用于构建 SAM 2 的数据集 SA-V，许可为 CC BY 4.0。SAM 2 的设计基于简单的 Transformer 架构，支持实时视频处理，并提供了一个模型在环的数据引擎，通过用户交互改进模型和数据。

Grok-1 是一个开源的AI模型，基于大量文本数据进行训练，未针对特定任务进行微调。

Evoke是一个平台，允许开发者和企业在云端托管AI模型，并通过API访问，省去昂贵的云设置成本。用户可以轻松上传AI模型，并高效地进行AI应用开发。

Phi-4 是微软研究院开源的一个小型语言模型，参数量仅140亿，但在多个基准测试中表现出色，可能超过OpenAI的GPT-4o以及同类顶级开源模型如Qwen 2.5-14B和Llama-3.3-70B。其训练数据包括高质量的合成数据，涵盖50多种数据集，生成约4000亿未加权tokens。采用监督微调（SFT）和直接偏好优化（DPO）技术，特别在数学竞赛相关任务中展现强大推理能力。

Aide.dev 是一款创新的AI工具，旨在提升开发者的编码体验，通过智能的代码补全和实时聊天支持，使编码过程更加高效和互动，同时确保代码隐私。

Cube Studio是Roblox平台的核心生成式人工智能系统，专注于3D和4D内容生成，主要用于游戏开发。 它支持机器学习、深度学习和大型模型开发，提供从数据管理到模型部署的全流程支持，包括在线开发、分布式训练和推理服务。 该系统于2025年3月16日发布，目前处于beta阶段，每日活跃用户超过8500万。 它通过文本提示生成3D模型和环境，未来计划支持图像输入，成为多模态模型。

Cargoship是一个开源平台，允许用户轻松将人工智能集成到他们的应用程序中。它提供了一系列用于各种AI任务的预训练模型，如图像识别、语言处理、文本生成和音频转录。用户只需从其开源集合中选择一个模型，该模型以Docker容器的形式打包，便于托管或通过个人端点和API密钥访问，无需具备机器学习知识即可将模型整合到软件中。