快手开源 KuaiMod，多模态 AI 专治各种劣质内容

在2024世界人工智能大会上，快手高级副总裁、主站业务与社区科学负责人盖坤宣布，快手文生图大模型可图（Kolors）正式开源。该模型基于数十亿图文对进行训练，支持256的上下文token数，支持中英双语，技术细节参考技术报告

！本周爆火的文生图模型 FLUX.1 系列，支持中文提示词的快手生图，还有 SenseVoice 语音识别，都在本版本得到支持。 图一、图二：由FLUX.1-dev生成 - 新增内置支持模型 📦   - flux.1-schnell 和 flux.1-dev 🌟   - llama-3.1-instruct 4

处理和推理图像、视频和文本的等多模态内容的框架）的开源复制品。 其数据集 OpenFlamingo-9B 的 Demo 页面展示了训练结果，用户可以上传图片让该模型进行识别。 小编浅试了一下，一张简单的图片耗时 11 秒，可以相当精准地

Mistral AI 现已开源发布全新轻量级 AI 模型 Mistral Small 3.1。Mistral Small 3.1 能够处理文本和图像，参数仅为 240 亿。该模型提高了文本能力和多模态理解能力，并具备 128K 上下文窗口。 核心特性 轻量级部署：可在 单个 RTX 4090

中国电信宣布将自研星辰 AI 大型模型全面开源，公开其底层代码、算法逻辑及其预制的各种基础大模型、开发模块、训练工具等核心产品能力。 用户既可以直接调用大模型，也可以根据自身业务需求对大模型进行微调或个性化

苹果近日发布多模态大模型 MM1.5，旨在增强对文本丰富的图像的理解、视觉指代和接地，以及多图像推理的能力。 据悉， MM1.5在在 MM1 架构的基础上训练而成，MM1.5 采用了以数据为中心的模型训练方法，在整个模型训练生命周

，并将为各种AI实际应用奠定坚实基础。PonderV2代码同时开源。 PonderV2具有深度理解和感知三维真实世界的能力，并为广泛的三维应用提供强大支持。在预训练方面，该预训练与模型具备以下四项核心优势。 统一的预训练方式

上海报业集团、上海文广集团等语料数据联盟成员，共同开源发布“书生·万卷” 1.0多模态预训练语料。 “书生·万卷” 1.0目前包含文本数据集、图文数据集、视频数据集三部分，本次开源的数据总量超过2TB。集合语料数据联

Jina AI 正式发布jina-reranker-m0，一款多模态、多语言重排器（reranker），核心能力在于 对包含丰富视觉元素的文档进行重排和精排，同时兼容跨语言场景。 根据介绍，当用户输入一个查询（query）以及一堆包含文本、图表

上海人工智能实验室（上海 AI 实验室）升级并开源了通用多模态大模型书生·万象3.0（InternVL3）。 根据介绍，通过采用创新的多模态预训练和后训练方法，InternVL3 多模态基础能力全面提升，在专家级基准测试、多模态性能全面

LLaSM 是一个开源可商用的中英文双语语音 - 语言助手，其相关论文“LLaSM: Large Language and Speech Model”与最近正式在 arXiv 上发布。论文的署名组织包括：LinkSoul.AI、北京大学和 01.ai (零一万物)，其中共同一作 Yu Shu 和 Siwei Dong 均

动。经2个月集中攻关，开发出FlagOpen（飞智）大模型技术开源体系，旨在打造全面支撑大模型技术发展的开源算法体系和一站式基础软件平台，支持协同创新和开放竞争，共建共享大模型时代的“新Linux”开源开放生态。 北京

令遵循、电影质感及艺术风格表现等方面显著提升。 快手高级副总裁、社区科学线负责人盖坤透露，自去年6月发布以来，可灵AI已累计完成超20次迭代。 截至目前，可灵AI全球用户规模突破2200万，过去的10个月里，其月活用

工程化等关键优势，集成360GPT大模型、360CV大模型、360多模态大模型技术能力，具备生成创作、多轮对话、逻辑推理等十大核心能力、数百项细分功能，重塑人机协作新范式。 360智绘 “全能、极简”的AI图片创作平台。基于36