# ai-opensource.com > 用通俗的语言讲清最新的开源与开放权重 AI 模型:每个模型是什么、有多大、许可证允许做什么,以及需要什么样的硬件才能运行。 所有事实均对照一手资料核实:模型卡、许可证原文和官方公告。除非特别说明,基准测试数据均为开发方自报。 文字与数据以 CC BY 4.0 发布。 数据更新于 2026年11月11日. English: https://ai-opensource.com/llms.txt ## 模型 - [MiniMax H3-Image](https://ai-opensource.com/zh/models/minimax-h3-image/): MiniMax 的 33B 开放图像模型,六步生成 1600 万像素图片,最多 16 张参考图编辑,但有地区限制。 参数量: 33.1B; 许可证: MiniMax H3-Image Community; 发布时间: 2026-11-10. - [Nex-N2.6](https://ai-opensource.com/zh/models/nex-n2-6/): Nex-AGI 面向计算机使用和编程的智能体模型,以基于 GLM-5.3-Flash 的 N2.6(321B,FP8)和 N2.5 的 mini、Pro、Max 系列为主。 参数量: 35.1B–1.6T; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-11-10. - [LongCat-2.5](https://ai-opensource.com/zh/models/longcat-2-5/): 美团 1.6T 多模态混合专家模型,激活 48B,上下文 100 万,采用宽松的 MIT 许可证;官方只提供 NPU 服务器的部署说明。 参数量: 1.6T (激活 48B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-11-09. - [ZONOS3-Mini](https://ai-opensource.com/zh/models/zonos3-mini/): 紧凑的 8 亿参数混合专家声音克隆模型,激活参数 1 亿。Apache 2.0,支持 43 种语言,可在浏览器标签页里运行。 参数量: 800M (激活 100M); 许可证: Apache 2.0; 发布时间: 2026-11-09. - [Sophon-Realtime](https://ai-opensource.com/zh/models/sophon-realtime/): Adventists AI 的开放全双工语音模型:32B 思考模块、三种发声版本,在一张 80 GB 显卡上首音频约 0.25 到 0.6 秒。 参数量: 32B; 许可证: Apache 2.0; 发布时间: 2026-11-08. - [Arete-27B](https://ai-opensource.com/zh/models/arete-27b/): Nous Research 重新训练的 Qwen3.8-27B,改变了它回答政治敏感问题的方式,Apache 2.0,数据和评测均已公开。 参数量: 27.4B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-11-06. - [Mirage](https://ai-opensource.com/zh/models/mirage/): 只有 51M 参数、22 MB 的开放视觉模型:能在手机上描述照片、找出物体、读取文字并填写表单。 参数量: 51M; 许可证: Apache 2.0; 发布时间: 2026-11-06. - [ERNIE 5.5 Flash Base](https://ai-opensource.com/zh/models/ernie-5-5-flash-base/): 百度 280B 基座模型,激活 14B,上下文 100 万,可免费试用。许可证不覆盖欧盟、英国和韩国。 参数量: 280B (激活 14B); 上下文窗口: 1M; 许可证: ERNIE 5.5 Flash Base; 发布时间: 2026-11-05. - [PLaMo 3 Translate](https://ai-opensource.com/zh/models/plamo-3-translate/): PFN 的翻译模型,有 0.8B 到 31B 多种尺寸,支持 53 种语言,0.57 GB 的 GGUF 版本,社区许可证设有营收上限。 参数量: 890M–31.8B; 上下文窗口: 32K; 许可证: PLaMo Community; 发布时间: 2026-11-05. - [HyperFlow H3 Flash](https://ai-opensource.com/zh/models/hyperflow-h3-flash/): Video Rebirth 压缩的 14B 版 MiniMax H3:4 到 8 步生成带声音的视频,9.1 GB 的 GGUF 可跑在 24 GB 显卡上,沿用 H3 的地区限制。 参数量: 13.7B–13.9B; 许可证: MiniMax H3 Community; 发布时间: 2026-11-04. - [Ripple-65B Preview](https://ai-opensource.com/zh/models/ripple-65b/): 来自芯片设计实验室的 65B 稠密纯文本模型。Apache 2.0,擅长智能体编程,另有可放进 DGX Spark 的 NVFP4 版本。 参数量: 64.8B; 上下文窗口: 1M; 许可证: Apache 2.0; 发布时间: 2026-11-04. - [P-H3-Image](https://ai-opensource.com/zh/models/p-h3-image/): Pruna 从 MiniMax-H3 蒸馏出的 8 步图像生成和编辑模型,ComfyUI 4 位文件仅 20 GB,许可证有地区限制。 参数量: 20B–33.1B; 许可证: MiniMax H3 Community; 发布时间: 2026-11-03. - [Sarvam Prism](https://ai-opensource.com/zh/models/sarvam-prism/): Sarvam 的 105B 决策模型:针对一个情境的带类型问题,一次推理给出每个选项的概率,在 B200 上中位耗时 44 毫秒。 参数量: 105B (激活 10.3B); 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-11-03. - [Hydrogen-1.0](https://ai-opensource.com/zh/models/hydrogen-1-0/): 深度原理基于 GLM-5.3 后训练的 753B 科学模型:MIT 许可证,1M 上下文,提供面向 Blackwell 和 AMD 的 4 位版本。 参数量: 753B (激活 40B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-11-02. - [Kimi K3.1 Pro](https://ai-opensource.com/zh/models/kimi-k3-1-pro/): 月之暗面改进后的 2.8T 参数模型:开放权重、100 万 token 上下文、支持图像输入,面向编程和智能体任务。 参数量: 2.8T (激活 104B); 上下文窗口: 1M; 许可证: Kimi K3 License; 发布时间: 2026-11-02. - [S5-nano](https://ai-opensource.com/zh/models/s5-nano/): Maritaca AI 面向巴西葡萄牙语的 4B 模型,基于 Qwen3.5-4B,有思考和直答两种模式,256K 上下文,Apache 2.0。 参数量: 4.66B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-11-02. - [Raon-1 nano](https://ai-opensource.com/zh/models/raon-1-nano/): KRAFTON 的 3.1B 端侧模型(有效 1.5B),由 Raon-1 mini preview 蒸馏而来,支持韩语和英语,可调用工具。 参数量: 3.1B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-11. - [Mage-VL-Cowork](https://ai-opensource.com/zh/models/mage-vl-cowork/): 微软的 4B 计算机操作智能体,自己决定何时点击、何时运行代码。OSWorld-Verified 得分 66.0%,Apache 2.0。 参数量: 4.74B; 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2026-10-30. - [SenseNova-Loop-9B-Preview](https://ai-opensource.com/zh/models/sensenova-loop-9b/): 9B 视觉语言模型,32 层中有 24 层会运行两遍。Apache 2.0,256K 上下文,但需要自定义代码。 参数量: 9.66B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-30. - [Mistral Large 4](https://ai-opensource.com/zh/models/mistral-large-4/): 欧洲最大的开放权重模型:1T 参数多模态混合专家、100 万上下文,采用修改版 MIT 许可证。 参数量: 1.05T (激活 52B); 上下文窗口: 1M; 许可证: Mistral Open-Weight; 发布时间: 2026-10-29. - [Pika H3 Flex](https://ai-opensource.com/zh/models/pika-h3-flex/): Pika 对 MiniMax H3 做的六步后训练版本,能从文字、帧或 12 个参考生成带声音的视频,但沿用了 H3 的地区限制。 参数量: 33.1B; 许可证: MiniMax H3 Community; 发布时间: 2026-10-29. - [Nemotron 3.5 Transcribe](https://ai-opensource.com/zh/models/nemotron-3-5-transcribe/): NVIDIA 开放的语音转文字模型:40 种语言、说话人标注、翻译,以及可用提示词控制的转写风格。 参数量: 34B (激活 4.3B); 上下文窗口: 64K; 许可证: OpenMDW-1.1; 发布时间: 2026-10-28. - [LFM3](https://ai-opensource.com/zh/models/lfm3/): Liquid AI 新一代 2B 级家族:1.7B 文本模型,256K 上下文,只需 1 GB,另有视觉、音频和全模态版本。 参数量: 1.73B–2.17B; 上下文窗口: 256K; 许可证: LFM Open 1.0; 发布时间: 2026-10-27. - [LFM3-Audio-2B](https://ai-opensource.com/zh/models/lfm3-audio/): Liquid AI 的 2B 端侧语音模型:语音输入输出,支持 18 种语言的转写、合成和翻译。 参数量: 2B; 上下文窗口: 32K; 许可证: LFM Open 1.0; 发布时间: 2026-10-27. - [MiniCPM-OCR 1.0](https://ai-opensource.com/zh/models/minicpm-ocr/): OpenBMB 的 1.3B、Apache 2.0 OCR 模型,面向中英文文档,附带 SDK、版面检测阶段,支持 iOS 和 llama.cpp。 参数量: 1.3B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-27. - [Smaug-Decisions](https://ai-opensource.com/zh/models/smaug-decisions/): Abacus.AI 面向音频、图像和文本的决策模型,基于 Gemma 4 E4B 微调,另有 3.45 GB 的手机版本。Apache 2.0。 参数量: 740M–8.61B; 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-10-26. - [Maya 2 Native](https://ai-opensource.com/zh/models/maya-2-native/): Maya Research 的 2.5B 流式文字转语音模型,支持 11 种印度语言和英语,带 20 个声音和克隆,Apache 2.0。 参数量: 2.5B; 许可证: Apache 2.0; 发布时间: 2026-10-25. - [Nanbeige4.3-33B](https://ai-opensource.com/zh/models/nanbeige-4-3-33b/): BOSS 直聘的 33B 稠密智能体模型:512K 上下文,标注 Apache 2.0,另有用量化感知训练得到的 INT4 版本。 参数量: 33.1B; 上下文窗口: 512K; 许可证: Apache 2.0; 发布时间: 2026-10-24. - [Hy-Nomas](https://ai-opensource.com/zh/models/hy-nomas/): 腾讯的 Apache 2.0 交互式世界模型,根据文字和镜头指令,一段一段地接着生成视频世界。 参数量: 8.55B; 许可证: Apache 2.0; 发布时间: 2026-10-21. - [Phonon 31M](https://ai-opensource.com/zh/models/phonon-31m/): Gradium 的 3100 万参数英语语音模型,文件只有 64.5 MB。Apache 2.0,流式输出,手机、浏览器和普通 CPU 都能跑。 参数量: 31M; 许可证: Apache 2.0; 发布时间: 2026-10-21. - [Phonon 40M](https://ai-opensource.com/zh/models/phonon-40m/): Gradium 的 40M 端侧语音模型,支持英语、法语、德语、西班牙语和葡萄牙语,文件约 75 MB。CC BY-NC,需申请访问。 参数量: 40M; 许可证: CC BY-NC; 发布时间: 2026-10-21. - [Raon-1 mini preview](https://ai-opensource.com/zh/models/raon-1-mini-preview/): KRAFTON 从零训练的 28.8B 混合专家模型(激活 4.3B),韩语能力突出,上下文 262K,另有 17.6 GB 的 NVFP4 版本。 参数量: 28.8B (激活 4.3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-21. - [Granite Speech 5.0](https://ai-opensource.com/zh/models/granite-speech-5/): IBM 的 Apache 2.0 语音转文字组合:能转写和翻译的 2B 模型,以及为速度和端侧设备打造的 470M CTC 模型。 参数量: 470M–2.31B; 许可证: Apache 2.0; 发布时间: 2026-10-20. - [Nemotron 3.5 Embed](https://ai-opensource.com/zh/models/nemotron-3-5-embed/): NVIDIA 的多模态检索模型:用 8B 或 1B 嵌入模型搜索文档页面图像和文本,另有配套的 8B 重排序模型。 参数量: 1.55B–8.38B; 上下文窗口: 32K; 许可证: OpenMDW-1.1; 发布时间: 2026-10-20. - [Nemotron 3.5 Rerank 8B](https://ai-opensource.com/zh/models/nemotron-3-5-rerank/): NVIDIA 采用 OpenMDW 许可证的 8B 重排序模型,面向文本和文档页面图像,文本在 34 种语言上评估过。 参数量: 8.38B; 上下文窗口: 32K; 许可证: OpenMDW-1.1; 发布时间: 2026-10-20. - [Spark-X2.6](https://ai-opensource.com/zh/models/spark-x2-6/): TokenSpark 的 1.7B 和 4B 端侧智能体模型,可切换思考模式,位置上限 100 万 token。Apache 2.0。 参数量: 1.71B–4.11B; 上下文窗口: 1M; 许可证: Apache 2.0; 发布时间: 2026-10-19. - [Flint](https://ai-opensource.com/zh/models/flint/): Recursive 的 39.8B 混合专家编程模型,每个 token 激活约 2.5B 参数,为快速的本地智能体而设计。Apache 2.0。 参数量: 39.8B (激活 2.5B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-18. - [MiniMax M3.1 Flash](https://ai-opensource.com/zh/models/minimax-m3-1-flash/): MiniMax 紧凑的 428B 多模态混合专家:激活 23B、100 万上下文,按 4 位运行训练,许可证需要仔细阅读。 参数量: 428B (激活 23B); 上下文窗口: 1M; 许可证: MiniMax Community; 发布时间: 2026-10-17. - [Nemotron 3.5 Parse](https://ai-opensource.com/zh/models/nemotron-3-5-parse/): NVIDIA 的 631M 页面解析模型,输出文本、表格、图表数据、阅读顺序和边界框。ParseBench 75.20,OpenMDW-1.1。 参数量: 631M; 许可证: OpenMDW-1.1; 发布时间: 2026-10-17. - [Dory 1.0](https://ai-opensource.com/zh/models/dory-1-0/): NVIDIA 的 4B 循环模型,把同一个共享模块重复运行 1 到 4 次,部署时自己设定深度。OpenMDW-1.1,上下文 256K。 参数量: 4B; 上下文窗口: 256K; 许可证: OpenMDW-1.1; 发布时间: 2026-10-16. - [MOSS-Image](https://ai-opensource.com/zh/models/moss-image/): OpenMOSS 的 5B 图像模型,能画出大段中英文文字并遵循 JSON 版面,采用 Apache 2.0,约 4 GB 显存即可运行。 参数量: 5.08B; 许可证: Apache 2.0; 发布时间: 2026-10-16. - [Reflection Beam](https://ai-opensource.com/zh/models/reflection-beam/): Reflection 的首个开放模型:501B 纯文本混合专家,Apache 2.0 许可证,主打推理时的高效率。 参数量: 501B (激活 23.4B); 上下文窗口: 1M; 许可证: Apache 2.0; 发布时间: 2026-10-16. - [FLUX 3 Image Klein](https://ai-opensource.com/zh/models/flux-3-image-klein/): Black Forest Labs 的 5.6B 开放图像模型,可生成和编辑图像,支持最多 10 张参考图和布局框;8 GB 显存即可运行。 参数量: 5.6B; 许可证: FLUX Kommunity; 发布时间: 2026-10-15. - [Hy-Memory](https://ai-opensource.com/zh/models/hy-memory/): 腾讯 30B 混合专家模型(3B 激活),专为 Mem0、MemOS 和 Hy-Memory 写长期记忆而训练。Apache 2.0。 参数量: 30.1B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-15. - [Jais 3](https://ai-opensource.com/zh/models/jais-3/): IFM 以阿拉伯语为核心的智能体模型,基于 K2 Horizon,六个规格从 0.9B 到 375B-A23B,采用 Apache 2.0,上下文 512K。 参数量: 1.08B–379B (激活 23B); 上下文窗口: 512K; 许可证: Apache 2.0; 发布时间: 2026-10-15. - [Jais-ASR](https://ai-opensource.com/zh/models/jais-asr/): IFM 的 Apache 2.0 阿拉伯语语音识别模型,识别真实口语:覆盖 19 个国家的方言,支持语码转换和可选的变音符号。 参数量: 5.72B; 许可证: Apache 2.0; 发布时间: 2026-10-15. - [MemT-1.0](https://ai-opensource.com/zh/models/memt-1-0/): MemTensor 的原生记忆模型,把固定大小的记忆状态做进模型内部,Nano 基于 Qwen3.6,Flash 基于 DeepSeek-V4-Flash。 参数量: 35.1B–288B (激活 17B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-15. - [Muse Spark Open](https://ai-opensource.com/zh/models/muse-spark-open/): Meta 开放权重的 816B 多模态混合专家:激活 42B、100 万上下文,支持文字、图像、视频和音频输入。 参数量: 816B (激活 42B); 上下文窗口: 1M; 许可证: Muse Model License; 发布时间: 2026-10-15. - [Nemotron 3.5](https://ai-opensource.com/zh/models/nemotron-3-5/): NVIDIA 开放的 Nemotron 3.5:120B 的 Super VL、压缩进 24 GB 的 74B Bolt,以及小型 E4B。OpenMDW 许可证。 参数量: 8B–120B (激活 12B); 上下文窗口: 1M; 许可证: OpenMDW-1.1; 发布时间: 2026-10-15. - [Sage-A1.5](https://ai-opensource.com/zh/models/sage-a1-5/): 上海人工智能实验室基于 Qwen3.6 的 35B-A3B 智能体模型,支持并行子智能体和自我检查模式。Apache 2.0。 参数量: 4.54B–36B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-15. - [Step 5 Preview](https://ai-opensource.com/zh/models/step-5-preview/): 阶跃星辰的 600B 智能体模型:激活 27B 参数,1M 上下文,支持图像输入,采用对硬件和托管有条款的自定义许可证。 参数量: 604B (激活 27B); 上下文窗口: 1M; 许可证: StepFun 1.0; 发布时间: 2026-10-15. - [TwIL](https://ai-opensource.com/zh/models/twil/): webAI 的推理模型:TwIL-8B 面向竞赛数学和代码,另有两个 3B 级形式逻辑模型,全部仅限非商业使用。 参数量: 3.08B–8.79B; 上下文窗口: 128K; 许可证: webAI Non-Commercial; 发布时间: 2026-10-14. - [Drama 3](https://ai-opensource.com/zh/models/drama-3/): Fish Audio 的 360 亿参数混合专家文字转语音模型,擅长“导演式”表演。支持 83 种语言,年营收 50 万美元以下可免费商用。 参数量: 35.9B (激活 3B); 许可证: Fish Audio Community 1.0; 发布时间: 2026-10-13. - [LFM2.5-24B-A2B](https://ai-opensource.com/zh/models/lfm2-5-24b-a2b/): Liquid AI 的 24B 推理模型,仅激活 2.45B:为快速的端侧智能体打造,128K 上下文,年营收低于 1000 万美元可免费商用。 参数量: 24B (激活 2.45B); 上下文窗口: 128K; 许可证: LFM Open 1.0; 发布时间: 2026-10-13. - [Ling-3.1-flash](https://ai-opensource.com/zh/models/ling-3-1-flash/): 蚂蚁集团开放的 560B 文本模型,面向智能体和编程:激活 25B、100 万上下文、以线性注意力为主,MIT 许可证。 参数量: 560B (激活 25B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-10-13. - [MiniCPM-V 4.7](https://ai-opensource.com/zh/models/minicpm-v-4-7/): OpenBMB 适合手机的视觉语言模型:35B-A3B 混合专家和 1B 模型,支持图像和视频,Apache 2.0。 参数量: 1.55B–35.2B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-12. - [LightOnOCR-3](https://ai-opensource.com/zh/models/lightonocr-3/): LightOn 的 Apache 2.0 OCR 家族,有 4B、1B 和 0.8B 三种尺寸:输出 Markdown 转写,并给出边界框、图片描述和图表数据。 参数量: 853M–4.54B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-08. - [Mellum2.1](https://ai-opensource.com/zh/models/mellum2-1/): JetBrains 的 12B 混合专家编程智能体模型,激活 2.5B 参数,上下文 128K,采用 Apache 2.0 许可证。 参数量: 12.2B (激活 2.5B); 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-10-08. - [Liquid d1](https://ai-opensource.com/zh/models/liquid-d1/): Liquid AI 的开放决策模型:给它一个情境和若干问题,一次推理就得到校准后的答案,不生成 token。 参数量: 587M–3.12B; 上下文窗口: 128K; 许可证: LFM Open 1.0; 发布时间: 2026-10-07. - [EmbeddingGemma 2](https://ai-opensource.com/zh/models/embeddinggemma-2/): Google DeepMind 的 740M Apache 2.0 嵌入模型,把文本、代码、图像、视频和音频放进同一个检索空间;可在设备端运行。 参数量: 270M–740M; 上下文窗口: 8K; 许可证: Apache 2.0; 发布时间: 2026-10-06. - [Kandinsky 6.0 Video](https://ai-opensource.com/zh/models/kandinsky-6-video/): Kandinsky Lab 的 3B 和 29B 模型,生成带同步 44 kHz 音频和口型同步的五秒视频。MIT 许可证。 参数量: 3B–29B; 许可证: MIT; 发布时间: 2026-10-06. - [Kolibri 1](https://ai-opensource.com/zh/models/kolibri-1/): Aleph Alpha 的英德双语推理模型:78B 混合专家、仅激活 3.5B,100 万上下文,Apache 2.0。 参数量: 78B (激活 3.5B); 上下文窗口: 1M; 许可证: Apache 2.0; 发布时间: 2026-10-03. - [Whistle](https://ai-opensource.com/zh/models/whistle/): 只有 16.9 MB 的开放语音识别模型,支持七种语言,普通 CPU 即可运行,带词级时间戳,首个 token 约 11 ms。 参数量: 55M; 许可证: Apache 2.0; 发布时间: 2026-10-02. - [Clef](https://ai-opensource.com/zh/models/clef/): Cloudflare 的开放决策模型:给它一个情境和若干问题,一次推理就返回每个选项的概率。 参数量: 9.41B–27.4B; 上下文窗口: 64K; 许可证: Apache 2.0; 发布时间: 2026-10-01. - [pplx-decider](https://ai-opensource.com/zh/models/pplx-decider/): Perplexity 基于 Qwen3.8-27B 和 4B Flash 的开放决策模型:对某个状态提带类型的问题,给每个选项返回概率。Apache 2.0。 参数量: 4.54B–26.1B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-10-01. - [FIBO 2.0](https://ai-opensource.com/zh/models/fibo-2/): Bria 的 8B 图像模型,根据结构化 JSON 提示词生成和编辑图像,训练数据均为授权数据。权重仅限非商业使用。 参数量: 8.13B; 许可证: CC BY-NC; 发布时间: 2026-10. - [KittenTTS 2](https://ai-opensource.com/zh/models/kitten-tts-2/): 17 亿参数的三值文本转语音模型,面向 CPU,提供 115 种声音、声音克隆和情绪标签。Stellon Labs 社区许可证。 参数量: 1.7B; 许可证: Stellon Labs Community; 发布时间: 2026-10. - [Xiaomi-OCR-0](https://ai-opensource.com/zh/models/xiaomi-ocr-0/): 小米 0.9B、Apache 2.0 的 OCR 模型,基于 Qwen3.5-0.8B,用于解析、抽取和 OCR 问答;按自家对比表,Real5-OmniDocBench 排第一。 参数量: 873M; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-09-30. - [AREX-2](https://ai-opensource.com/zh/models/arex-2/): 智源研究院基于 Qwen3.8 的 27B 智能体,能多轮改进自己的答案。MLE-Bench Lite 81.8,BrowseComp 84.0。 参数量: 27.4B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-09-29. - [AutoTrust Decider](https://ai-opensource.com/zh/models/autotrust-decider/): AutoTrust 基于 Qwen 和 Gemma 的开放决策模型,9B 到 35B:给出情境和带类型的问题,返回每个选项的概率。Apache 2.0。 参数量: 8.95B–36B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-09-23. - [MiMo-V2.6](https://ai-opensource.com/zh/models/mimo-v2-6/): 小米的全模态智能体模型:1T 的 Pro、310B 的 Flash 和 9B 研究检查点,100 万上下文,标注为 MIT。 参数量: 9.4B–1.02T (激活 42B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-09-21. - [Qwen-Image-2.1](https://ai-opensource.com/zh/models/qwen-image-2-1/): 阿里的 7B 图像模型,可生成、编辑,并能输出真正透明的 PNG,最多支持 10 张参考图。仅限研究的许可证。 参数量: 7.1B; 许可证: Qwen Research License; 发布时间: 2026-09-20. - [Ming-Image 0.1 Design](https://ai-opensource.com/zh/models/ming-image-design/): inclusionAI 的一对 6B 模型:生成文字密集的设计稿和 UI,并把平面设计图拆成可编辑的透明图层。MIT 许可证。 参数量: 6.2B; 许可证: MIT; 发布时间: 2026-09-17. - [Ternary Bonsai 2](https://ai-opensource.com/zh/models/ternary-bonsai-2/): 把 Qwen 模型压缩成三值权重:27B 级模型只要 5.95 GB,2B 模型只要 0.43 GB,全部支持图像。 参数量: 2.21B–27.4B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-09-17. - [DeepSeek V4.1 Flash](https://ai-opensource.com/zh/models/deepseek-v4-1-flash/): 552B 混合专家模型:KV 缓存极小,原生支持图像输入,100 万上下文,采用 MIT 许可证。 参数量: 552B (激活 16B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-09-10. - [AuK](https://ai-opensource.com/zh/models/auk/): 腾讯的 1.5B 指令驱动语音模型:生成、编辑、增强和分离,另有 4 步的 Flash 版本。MIT 许可证。 参数量: 1.5B; 许可证: MIT; 发布时间: 2026-09-09. - [YuE2](https://ai-opensource.com/zh/models/yue-2/): 3.6B 的开源歌曲生成模型,先写出可编辑的乐谱,再渲染人声和伴奏。CC BY-NC,24 GB 显卡。 参数量: 3.63B; 许可证: CC BY-NC; 发布时间: 2026-09-09. - [MiniCPM5-2B](https://ai-opensource.com/zh/models/minicpm5-2b/): OpenBMB 面向手机和笔记本的稠密 2B 模型:128K 上下文,会用工具、能写代码,Apache 2.0,并开放了训练数据。 参数量: 1.08B–2.52B; 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-09-07. - [K2 Horizon](https://ai-opensource.com/zh/models/k2-horizon/): IFM 的完全开放系列:六个 Apache 2.0 模型,从 0.9B 到 375B-A23B,上下文 512K,并公开代码、数据配方和检查点。 参数量: 1.08B–379B (激活 23B); 上下文窗口: 512K; 许可证: Apache 2.0; 发布时间: 2026-09-03. - [Confucius4-R2T2](https://ai-opensource.com/zh/models/confucius4-r2t2/): 网易有道的流式语音识别模型,已确认的文字不会再被修改,基于 Qwen3-ASR-1.7B 改造。 参数量: 2.04B; 许可证: NetEase Youdao Model Use; 发布时间: 2026-09. - [Index-Translate](https://ai-opensource.com/zh/models/index-translate/): 哔哩哔哩的 Apache 2.0 翻译模型,有 2B、9B 和 35B-A3B 三种尺寸,支持 150 种语言,能翻译图片并遵循术语表。 参数量: 2.27B–36B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-09. - [Needle 3](https://ai-opensource.com/zh/models/needle-3/): 只有 1.21 亿参数的开放模型,在小设备上只做一件事:把一句普通请求变成工具调用或结构化数据。 参数量: 121M; 上下文窗口: 8K; 许可证: Apache 2.0; 发布时间: 2026-09. - [GLM-5.3](https://ai-opensource.com/zh/models/glm-5-3/): 智谱 Z.ai 的纯文本 753B 编程模型:40B 激活、100 万上下文,许可证只限制超大型托管企业。 参数量: 753B (激活 40B); 上下文窗口: 1M; 许可证: GLM-5.3 License; 发布时间: 2026-08-28. - [Hy4 preview](https://ai-opensource.com/zh/models/hy4-preview/): 腾讯 7700 亿参数 MoE 预览版,490 亿激活,百万上下文,稀疏注意力,Apache 2.0 许可证;仍是早期版本,话比较多。 参数量: 770B (激活 49B); 上下文窗口: 1M; 许可证: Apache 2.0; 发布时间: 2026-08-28. - [GLM-5.3-Flash](https://ai-opensource.com/zh/models/glm-5-3-flash/): 采用 MIT 许可证的多模态 GLM:总参数 320B、激活 18B,能看图和视频,100 万上下文,主打低成本长上下文服务。 参数量: 320B (激活 18B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-08-26. - [Qwen3.8-Flash-Next](https://ai-opensource.com/zh/models/qwen-3-8-flash-next/): 总参数 180B、每个 token 只用 6B 的混合专家模型,同时是 Qwen4 架构的预览版。 参数量: 180B (激活 6B); 上下文窗口: 256K; 许可证: Qwen Community 1.0; 发布时间: 2026-08-26. - [Breeze TTS 2](https://ai-opensource.com/zh/models/breeze-tts-2/): BreezeBlue 的 3.5B 实时中英文 TTS,支持声音克隆、声音设计和语气指令。权重仅限非商业使用。 参数量: 3.5B; 许可证: BreezeBlue Non-Commercial; 发布时间: 2026-08-25. - [Granite 4.2](https://ai-opensource.com/zh/models/granite-4-2/): IBM 首个稠密推理版 Granite 家族:3B、8B、30B,可切换思考模式,支持工具调用,Apache 2.0,面向企业使用。 参数量: 3.7B–29.3B; 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-08-25. - [SenseNova-U1.5](https://ai-opensource.com/zh/models/sensenova-u1-5/): 商汤的 8B 原生统一模型:能读图、最高生成 4K、改图,还能图文混排输出。Apache 2.0。 参数量: 17.5B; 许可证: Apache 2.0; 发布时间: 2026-08-20. - [Ornith 1.5](https://ai-opensource.com/zh/models/ornith-1-5/): 基于 Qwen3.5 后训练的智能体编程模型,有 9B、35B-A3B、122B 和 397B 四种尺寸,MIT 许可证。所有基准均为官方自报。 参数量: 9.65B–403B (激活 17B); 上下文窗口: 256K; 许可证: MIT; 发布时间: 2026-08-19. - [Qwen3.8-27B](https://ai-opensource.com/zh/models/qwen-3-8-27b/): 27B 稠密多模态模型,Apache 2.0 许可证,能读图和视频、分步推理,一张显卡就能跑。 参数量: 27.8B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-08-14. - [MiniMax Music 3](https://ai-opensource.com/zh/models/minimax-music-3/): MiniMax 的开放权重歌曲生成模型:根据歌词和风格描述,生成最长五分钟、带人声的完整歌曲。 参数量: 11.1B; 许可证: MiniMax Music3 Community; 发布时间: 2026-08-13. - [Qwen3.8-Max](https://ai-opensource.com/zh/models/qwen-3-8-max/): 阿里首个开放权重的 Max 级模型:2.4T 参数、95B 激活、100 万 token 上下文,支持文字、图像和视频输入。 参数量: 2.45T (激活 95B); 上下文窗口: 1M; 许可证: Qwen3.8-Max License; 发布时间: 2026-08-12. - [LTX-2.5](https://ai-opensource.com/zh/models/ltx-2-5/): LTX 的 22B 开放模型,同时生成视频和同步音频,原生多镜头场景;年营收低于 1000 万美元免费。 参数量: 22B; 许可证: LTX-2.x Community; 发布时间: 2026-08-11. - [Nemotron 3.5 Lightning](https://ai-opensource.com/zh/models/nemotron-3-5-lightning/): NVIDIA 为单张 H100 设计的 30B-A3B 混合 MoE:3B 激活、百万上下文、NVFP4 预训练、OpenMDW 许可证;它自己的表格里 Qwen3.6-35B-A3B 分数更高。 参数量: 31.6B (激活 3B); 上下文窗口: 1M; 许可证: OpenMDW-1.1; 发布时间: 2026-08-11. - [IndexTTS-2.5](https://ai-opensource.com/zh/models/indextts-2-5/): Bilibili 的 0.8B 零样本声音克隆 TTS:支持中、英、日、西、阿五种语言,可控情感和语速,约 6 GB 显存。 参数量: 800M; 许可证: Bilibili Model Use; 发布时间: 2026-08-10. - [Muse Glimmer](https://ai-opensource.com/zh/models/muse-glimmer/): Meta 的 30B 稠密多模态本地智能体模型:由 Muse Spark 蒸馏而来,Apache 2.0,量化后可放进 24 GB 显卡。 参数量: 29.6B; 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-08-10. - [MiniMax H3](https://ai-opensource.com/zh/models/minimax-h3/): MiniMax 的 33B 开放视频模型,一次生成视频和立体声,最长 15 秒,但许可证不覆盖美国、欧盟、英国和韩国。 参数量: 33.1B; 许可证: MiniMax H3 Community; 发布时间: 2026-08-03. - [Motif 3](https://ai-opensource.com/zh/models/motif-3/): Motif Technologies 的 314B 混合专家模型,仅激活 13.2B,上下文 256K。MIT 许可证,面向智能体和终端任务。 参数量: 314B (激活 13.2B); 上下文窗口: 256K; 许可证: MIT; 发布时间: 2026-08. - [K-EXAONE 2.0](https://ai-opensource.com/zh/models/k-exaone-2-0/): LG 的 750B 混合专家模型,激活 37B,上下文 262K,支持十种语言,现已采用 Apache 2.0。韩国最大的模型。 参数量: 750B (激活 37B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-07-31. - [A.X K2](https://ai-opensource.com/zh/models/a-x-k2/): SK 电讯的 688B 混合专家模型,激活 33B,原生 FP8 权重,上下文 256K。Apache 2.0,数学和韩语最强。 参数量: 688B (激活 33B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-07-29. - [Giga-Embeddings](https://ai-opensource.com/zh/models/giga-embeddings/): Sber 的 MIT 许可证俄语和英语文本嵌入模型,有 480M、3B 和 10B 混合专家三种规格。 参数量: 480M–10.5B (激活 1.8B); 上下文窗口: 8K; 许可证: MIT; 发布时间: 2026-07-29. - [Kimi K3](https://ai-opensource.com/zh/models/kimi-k3/): 首个 3 万亿参数级的开放权重模型:2.8T 混合专家、100 万 token 上下文,支持文字、图像和视频输入。 参数量: 2.8T (激活 104B); 上下文窗口: 1M; 许可证: Kimi K3 License; 发布时间: 2026-07-27. - [Mage-VL](https://ai-opensource.com/zh/models/mage-vl/): 微软的 4B 视觉语言模型,像视频编解码器那样读视频,视觉 token 减少 75% 以上,还带有直播流触发门。 参数量: 4.74B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-07-25. - [Apertus 1.5](https://ai-opensource.com/zh/models/apertus-1-5/): 瑞士完全开放的 8B 和 70B 模型,新增图像和音频输入、262K 上下文和可选思考模式,采用 Apache 2.0。 参数量: 8B–70B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-07-24. - [Solar Open 2](https://ai-opensource.com/zh/models/solar-open-2/): Upstage 的 250B 混合专家模型,激活 15B,上下文 100 万,支持英语、韩语和日语。Apache 2.0 外加一条命名规则。 参数量: 250B (激活 15B); 上下文窗口: 1M; 许可证: Upstage Solar; 发布时间: 2026-07-22. - [Laguna S 2.1](https://ai-opensource.com/zh/models/laguna-s-2-1/): Poolside 的 118B 编程模型,激活 8B,上下文 1M,采用 OpenMDW-1.1 许可证。96 GB 的 Q4 文件适合 128 GB 内存的机器。 参数量: 118B (激活 8B); 上下文窗口: 1M; 许可证: OpenMDW-1.1; 发布时间: 2026-07-21. - [Nanbeige4.2-3B](https://ai-opensource.com/zh/models/nanbeige-4-2-3b/): 4.2B 的循环 Transformer 智能体模型,22 层会运行两遍。标注 Apache 2.0,256K 上下文,但需要南北阁自己的分支。 参数量: 4.17B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-07-21. - [Inkling](https://ai-opensource.com/zh/models/inkling/): Thinking Machines 的首个开放模型:975B 多模态混合专家,Apache 2.0 许可证,定位为可定制的基座。 参数量: 276B–975B (激活 41B); 上下文窗口: 1M; 许可证: Apache 2.0; 发布时间: 2026-07-15. - [GigaAM Multilingual](https://ai-opensource.com/zh/models/gigaam-multilingual/): Sber 的 220M 和 600M 语音识别模型,面向俄语、哈萨克语、吉尔吉斯语和乌兹别克语,在 70 多种语言的 200 万小时语音上预训练。MIT。 参数量: 220M–600M; 许可证: MIT; 发布时间: 2026-07-14. - [Jina Reranker v3.5](https://ai-opensource.com/zh/models/jina-reranker-v3-5/): Jina 的 0.6B 列表式重排序模型,一次处理整个候选列表,上下文 131K,采用非商业许可证。 参数量: 597M; 上下文窗口: 128K; 许可证: CC BY-NC; 发布时间: 2026-07-14. - [MOSS-Transcribe-Diarize](https://ai-opensource.com/zh/models/moss-transcribe-diarize/): OpenMOSS 的 0.9B、Apache 2.0 模型,能把最长 90 分钟的多人音频转成带说话人标签和时间戳的一份转写稿。 参数量: 910M; 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-07-09. - [HunyuanOCR](https://ai-opensource.com/zh/models/hunyuanocr/): 腾讯 1.1B 的端到端 OCR 模型:解析、定位、信息抽取和图像翻译,带 DFlash 解码;许可证不适用于欧盟、英国和韩国。 参数量: 1.12B; 上下文窗口: 128K; 许可证: Tencent Hunyuan; 发布时间: 2026-07-07. - [GigaChat 3.5 Ultra](https://ai-opensource.com/zh/models/gigachat-3-5/): Sber 的 432B 混合专家模型(激活 28B),上下文 262K,有 Instruct 和 Reasoning 两个版本,采用 MIT 许可证。 参数量: 434B–438B (激活 28B); 上下文窗口: 256K; 许可证: MIT; 发布时间: 2026-07-06. - [Hy3](https://ai-opensource.com/zh/models/hy3/): 腾讯 2950 亿参数 MoE,210 亿激活,256K 上下文;在带地域限制许可证的预览版之后,改用 Apache 2.0 发布。 参数量: 295B (激活 21B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-07-06. - [Laguna XS 2.1](https://ai-opensource.com/zh/models/laguna-xs-2-1/): Poolside 的 33B 编程模型,激活 3B,上下文 256K,小到可在 36 GB 的 Mac 上运行。OpenMDW-1.1 许可证。 参数量: 33.4B (激活 3B); 上下文窗口: 256K; 许可证: OpenMDW-1.1; 发布时间: 2026-07-02. - [Krea 2](https://ai-opensource.com/zh/models/krea-2/): Krea 从零训练的 12.8B 图像模型,分 Raw 基础版和 8 步 Turbo 版。仅在营收低于 100 万美元时可免费商用。 参数量: 12.8B; 许可证: Krea 2 Community; 发布时间: 2026-06-22. - [Unlimited-OCR](https://ai-opensource.com/zh/models/unlimited-ocr/): 百度 3.3B、MIT 许可证的 OCR 模型,一次解析几十到上百页文档,注意力内存保持有界。 参数量: 3.34B; 许可证: MIT; 发布时间: 2026-06-22. - [Laguna M.1](https://ai-opensource.com/zh/models/laguna-m-1/): Poolside 的 225B 编程模型,激活 23B,上下文 256K。Apache 2.0,2026 年 6 月起开放权重,附带基座检查点。 参数量: 226B (激活 23.4B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-06-18. - [GLM-5.2](https://ai-opensource.com/zh/models/glm-5-2/): 智谱 Z.ai 的 MIT 许可证 7530 亿参数旗舰,100 万 token 上下文,无地域限制;后继者是 GLM-5.3。 参数量: 753B (激活 40B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-06-16. - [Kimi K2.7 Code](https://ai-opensource.com/zh/models/kimi-k2-7-code/): 月之暗面的 1T 参数编程智能体模型:32B 激活、256K 上下文、原生 INT4、支持图像和视频输入,改良版 MIT 许可证。 参数量: 1.03T (激活 32B); 上下文窗口: 256K; 许可证: Modified MIT; 发布时间: 2026-06-12. - [Chatterbox](https://ai-opensource.com/zh/models/chatterbox/): Resemble AI 的 MIT 许可 0.5B 声音克隆 TTS,Multilingual V3 带 6 个语言包。2026 年 8 月已退役:仅存档,不再更新。 参数量: 500M; 许可证: MIT; 发布时间: 2026-06-10. - [DiffusionGemma](https://ai-opensource.com/zh/models/diffusiongemma/): 谷歌实验性的 26B MoE 文本扩散模型:并行生成 256 个 token 的块,输出最高快 4 倍,但质量低于 Gemma 4。 参数量: 25.2B (激活 3.8B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-06-10. - [VieNeu-TTS v3](https://ai-opensource.com/zh/models/vieneu-tts-v3/): 131M 的越南语和英语文本转语音模型,48 kHz 输出,有 23 个预设声音,支持克隆和 CPU 推理。Apache 2.0。 参数量: 48M–131M; 许可证: Apache 2.0; 发布时间: 2026-06-05. - [Higgs TTS 3](https://ai-opensource.com/zh/models/higgs-tts-3/): Boson AI 的 4.65B 语音对话文字转语音模型:100 多种语言、声音克隆、内联情绪和音效标签,仅限非商业使用。 参数量: 4.65B; 许可证: Boson Higgs Non-Commercial; 发布时间: 2026-06-04. - [Magenta RealTime 2](https://ai-opensource.com/zh/models/magenta-realtime-2/): 谷歌的开放实时音乐模型:在 MacBook 上持续演奏,约 200 毫秒内响应文字、音频和 MIDI。 参数量: 230M–2.4B; 许可证: CC BY 4.0; 发布时间: 2026-06-04. - [Nemotron 3.5 ASR](https://ai-opensource.com/zh/models/nemotron-3-5-asr/): NVIDIA 的流式语音转文字模型:一个 0.6B 模型支持 40 种语言区域,延迟可按请求在 80 ms 到 1.12 s 之间设置。 参数量: 638M; 许可证: OpenMDW-1.1; 发布时间: 2026-06-04. - [Nemotron 3 Ultra](https://ai-opensource.com/zh/models/nemotron-3-ultra/): NVIDIA 最大的开放模型:5500 亿参数 Mamba-Transformer 混合 MoE,550 亿激活,百万上下文,NVFP4 训练,OpenMDW 许可证。 参数量: 550B (激活 55B); 上下文窗口: 1M; 许可证: OpenMDW-1.1; 发布时间: 2026-06-04. - [Ideogram 4](https://ai-opensource.com/zh/models/ideogram-4/): Ideogram 的首个开放权重图像模型:9.3B 参数,文字渲染出色,用 JSON 提示词,原生 2K 输出。仅限非商业使用。 参数量: 9.3B; 许可证: Ideogram Non-Commercial; 发布时间: 2026-06-03. - [MiniMax M3](https://ai-opensource.com/zh/models/minimax-m3/): MiniMax 的 428B 多模态混合专家,激活 23B:稀疏注意力撑起 100 万上下文,支持图像和视频输入,采用社区许可证。 参数量: 428B (激活 23B); 上下文窗口: 1M; 许可证: MiniMax Community; 发布时间: 2026-06-01. - [Ornith 1.0](https://ai-opensource.com/zh/models/ornith-1-0/): Ornith 的首个智能体编程家族,2026 年 6 月基于 Qwen3.5 和 Gemma 4 后训练,MIT 许可证。已被 Ornith 1.5 取代。 参数量: 9.41B–397B (激活 17B); 上下文窗口: 256K; 许可证: MIT; 发布时间: 2026-06. - [Cosmos 3](https://ai-opensource.com/zh/models/cosmos-3/): NVIDIA 面向机器人和自动驾驶的开放世界模型,有 4B、16B 和 64B 三种尺寸,可读写文本、图像、视频和动作。 参数量: 3.86B–64.6B; 许可证: OpenMDW-1.1; 发布时间: 2026-05-31. - [Step 3.7 Flash](https://ai-opensource.com/zh/models/step-3-7-flash/): 阶跃星辰的 Apache 2.0 视觉语言智能体模型:198B 参数,激活 11B,256K 上下文,111.5 GB 的 GGUF 适合 128 GB 内存的机器。 参数量: 201B (激活 11B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-05-29. - [PaddleOCR-VL](https://ai-opensource.com/zh/models/paddleocr-vl/): 百度飞桨的 0.9B、Apache 2.0 文档解析模型:自报 OmniDocBench v1.6 得 96.33%,支持表格、公式、图表和印章。 参数量: 960M; 许可证: Apache 2.0; 发布时间: 2026-05-28. - [Surya OCR 2](https://ai-opensource.com/zh/models/surya-ocr-2/): Datalab 的 650M OCR 模型:支持 91 种语言的文字、版面、阅读顺序和表格。研究和营收低于 500 万美元的组织可免费使用。 参数量: 690M; 上下文窗口: 256K; 许可证: OpenRAIL-M (Datalab Surya); 发布时间: 2026-05-27. - [LocateAnything-3B](https://ai-opensource.com/zh/models/locateanything-3b/): NVIDIA 的 3B 视觉语言模型,为物体、GUI 元素和文字返回框和点,最高快 2.5 倍,仅限研究。 参数量: 3.83B; 许可证: NVIDIA Non-Commercial; 发布时间: 2026-05-26. - [MOSS-TTS](https://ai-opensource.com/zh/models/moss-tts/): OpenMOSS 的 8B 和 4B Apache 2.0 文字转语音模型,支持 31 种语言、声音克隆、拼音和 IPA 输入以及精确停顿。 参数量: 4.55B–8.49B; 许可证: Apache 2.0; 发布时间: 2026-05-26. - [MOSS-SoundEffect v2.0](https://ai-opensource.com/zh/models/moss-soundeffect-v2/): OpenMOSS 的 Apache 2.0 文字转音效模型:根据中英文提示生成环境音、生物声和动作声,最长 30 秒、48 kHz。 参数量: 1.3B; 许可证: Apache 2.0; 发布时间: 2026-05-25. - [Hy-MT2](https://ai-opensource.com/zh/models/hy-mt2/): 腾讯的 Apache 2.0 翻译模型,有 1.8B、7B 和 30B-A3B 三种尺寸,支持 33 种语言,另有 440 MB 的端侧版本。 参数量: 2.04B–30.1B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-05-21. - [Command A+](https://ai-opensource.com/zh/models/command-a-plus/): Cohere 开放的 218B 企业模型:激活 25B,48 种语言,支持图像和工具,Apache 2.0,4 位版本两张 H100 即可运行。 参数量: 218B (激活 25B); 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-05-20. - [Stable Audio 3](https://ai-opensource.com/zh/models/stable-audio-3/): Stability AI 的开放器乐和音效模型:最长 6 分 20 秒,从可在 CPU 上运行的 Small 到 8 GB 显卡可用的 Medium。 参数量: 460M–1.4B; 许可证: Stability Community; 发布时间: 2026-05-20. - [NuExtract3](https://ai-opensource.com/zh/models/nuextract3/): NuMind 的 4B、Apache 2.0 视觉语言模型,能按模板把文档转成 JSON,或转成 Markdown,推理可开关。 参数量: 4.54B; 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-05-19. - [Anima](https://ai-opensource.com/zh/models/anima/): CircleStone Labs 与 Comfy Org 合作的 2B 动漫和插画图像模型,Turbo 版本 8 到 12 步出图。权重仅限非商业使用。 参数量: 2.09B; 许可证: CircleStone Non-Commercial; 发布时间: 2026-05-14. - [Jina Embeddings v5 Omni](https://ai-opensource.com/zh/models/jina-embeddings-v5-omni/): Jina AI 的非商业嵌入模型,把文本、图像、视频和音频放进同一个空间,有 small 和 nano 两种规格。 参数量: 990M–1.63B; 上下文窗口: 32K; 许可证: CC BY-NC; 发布时间: 2026-05-11. - [HiDream-O1-Image](https://ai-opensource.com/zh/models/hidream-o1-image/): HiDream 的 8B 图像模型,不用常规的自编码器和文本编码器,同时支持文生图、编辑和多参考图主体。MIT 许可证。 参数量: 8.8B; 许可证: MIT; 发布时间: 2026-05-08. - [Supertonic 3](https://ai-opensource.com/zh/models/supertonic-3/): 99M 参数的端侧语音模型,支持 31 种语言,通过 ONNX Runtime 运行。OpenRAIL-M 权重;2026 年已停止开发。 参数量: 99M; 许可证: OpenRAIL-M; 发布时间: 2026-05. - [Granite Embedding R2](https://ai-opensource.com/zh/models/granite-embedding-r2/): IBM 的 Apache 2.0 ModernBERT 嵌入模型:47M 到 311M 参数,8K 到 32K 上下文,支持英语或 52 种重点语言加代码。 参数量: 48M–312M; 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2026-04-29. - [Laguna XS.2](https://ai-opensource.com/zh/models/laguna-xs-2/): Poolside 的第一个开放模型:33B 编程智能体模型,激活 3B,Apache 2.0。已被 XS 2.1 取代,但下载量仍然很高。 参数量: 33.4B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-04-28. - [Nemotron 3 Nano Omni](https://ai-opensource.com/zh/models/nemotron-3-nano-omni/): NVIDIA 的 31B 混合专家模型,激活 3B,能读视频、音频、图像和文本,上下文 256K,采用允许商用的开放协议。 参数量: 31B (激活 3B); 上下文窗口: 256K; 许可证: NVIDIA Open Model; 发布时间: 2026-04-28. - [DeepSeek V4](https://ai-opensource.com/zh/models/deepseek-v4/): DeepSeek 采用 MIT 许可证的 100 万上下文混合专家双模型:1.6T 的 Pro 和 284B 的 Flash,面向长上下文智能体。 参数量: 284B–1.6T (激活 49B); 上下文窗口: 1M; 许可证: MIT; 发布时间: 2026-04-24. - [OpenAI Privacy Filter](https://ai-opensource.com/zh/models/privacy-filter/): OpenAI 的 Apache 2.0 词元分类模型,能找出并遮盖文本中的个人信息:15 亿参数,激活 5000 万,上下文 128K。 参数量: 1.4B (激活 50M); 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-04-22. - [Kimi K2.6](https://ai-opensource.com/zh/models/kimi-k2-6/): 月之暗面 2026 年 4 月发布的 1T 参数多模态编程和智能体模型:32B 激活、256K 上下文、原生 INT4、改良版 MIT。 参数量: 1.03T (激活 32B); 上下文窗口: 256K; 许可证: Modified MIT; 发布时间: 2026-04-20. - [Qwen3.6](https://ai-opensource.com/zh/models/qwen-3-6/): 阿里的 Apache 2.0 Qwen3.6 双模型:35B 混合专家(激活 3B)和 27B 稠密模型,针对智能体编程调优。 参数量: 27.8B–36B (激活 3B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-04-16. - [MiniMax-M2.7](https://ai-opensource.com/zh/models/minimax-m2-7/): MiniMax 2026 年 3 月发布的 230B-A10B 智能体模型,参与了自身的改进,权重采用仅限非商业的许可证。 参数量: 229B (激活 10B); 上下文窗口: 200K; 许可证: MiniMax M2.7 NC; 发布时间: 2026-04-12. - [MOSS-TTS-Nano](https://ai-opensource.com/zh/models/moss-tts-nano/): OpenMOSS 的 100M 文字转语音模型,面向 CPU,支持声音克隆、约 20 种语言和 48 kHz 立体声输出。Apache 2.0。 参数量: 100M; 许可证: Apache 2.0; 发布时间: 2026-04-10. - [GLM-5.1](https://ai-opensource.com/zh/models/glm-5-1/): 智谱 Z.ai 2026 年 4 月发布的 MIT 许可证 754B 智能体编程模型,主打数百轮持续改进;其后有 GLM-5.2 和 5.3。 参数量: 754B (激活 40B); 上下文窗口: 198K; 许可证: MIT; 发布时间: 2026-04-07. - [Gemma 4](https://ai-opensource.com/zh/models/gemma-4/): 谷歌以 Apache 2.0 许可证发布的开放模型家族,从手机级 E2B 到 31B 旗舰,支持推理、视觉和工具调用。 参数量: 5.1B–30.7B; 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-04-02. - [OmniVoice](https://ai-opensource.com/zh/models/omnivoice/): 小米 Next-gen Kaldi 团队的 TTS,支持 600 多种语言、克隆和音色设计。代码是 Apache 2.0,但权重是 CC BY-NC。 参数量: 613M; 许可证: CC BY-NC; 发布时间: 2026-04-01. - [VoxCPM2](https://ai-opensource.com/zh/models/voxcpm2/): 面壁智能 2B 参数、Apache 2.0 的 TTS:30 种语言、文字描述设计音色、克隆,约 8 GB 显存即可输出 48 kHz。 参数量: 2.29B; 许可证: Apache 2.0; 发布时间: 2026-04. - [Harrier OSS v1](https://ai-opensource.com/zh/models/harrier-oss-v1/): 微软的 MIT 许可证多语言文本嵌入家族,有 270M、0.6B 和 27B 三种规格,输入最长 32K token。 参数量: 270M–27B; 上下文窗口: 32K; 许可证: MIT; 发布时间: 2026-03-30. - [Cohere Transcribe](https://ai-opensource.com/zh/models/cohere-transcribe/): Cohere 的首个开放语音模型:面向 14 种语言的 2B 转写专用模型,采用 Apache 2.0 许可证。 参数量: 2.07B; 许可证: Apache 2.0; 发布时间: 2026-03-26. - [GigaChat 3.1 Lightning](https://ai-opensource.com/zh/models/gigachat-3-1-lightning/): Sber 的 10B 混合专家模型,激活 1.8B 参数,俄语表现强,提供 FP8、BF16 和 GGUF 文件,采用 MIT 许可证。 参数量: 11.5B (激活 1.8B); 上下文窗口: 256K; 许可证: MIT; 发布时间: 2026-03-24. - [Voxtral TTS](https://ai-opensource.com/zh/models/voxtral-tts/): Mistral 的 4B 开放权重语音合成模型:支持 9 种语言,可用短音频适配音色,采用非商业的 CC BY-NC 许可证。 参数量: 4.09B; 许可证: CC BY-NC; 发布时间: 2026-03-23. - [Chandra OCR 2](https://ai-opensource.com/zh/models/chandra-ocr-2/): Datalab 的 OCR 模型,支持 90 多种语言,输出带版面的 Markdown、HTML 或 JSON。研究和小团队免费,竞争对手不可用。 参数量: 5.3B; 上下文窗口: 256K; 许可证: OpenRAIL-M (Datalab); 发布时间: 2026-03-18. - [Nemotron 3 Nano 4B](https://ai-opensource.com/zh/models/nemotron-3-nano-4b/): NVIDIA 的 4B 端侧模型,由 Nano 9B v2 压缩而来的 Mamba-Transformer 混合结构,推理可开关,面向 RTX 电脑和 Jetson。 参数量: 3.97B; 上下文窗口: 256K; 许可证: NVIDIA Nemotron; 发布时间: 2026-03-16. - [Nemotron 3](https://ai-opensource.com/zh/models/nemotron-3/): NVIDIA 开放的 Mamba-Transformer 混合 MoE 双子星:Nano 30B-A3B 与 Super 120B-A12B,百万上下文,宽松许可证,开放数据。 参数量: 31.6B–120B (激活 12B); 上下文窗口: 1M; 许可证: NVIDIA Nemotron; 发布时间: 2026-03-11. - [S2 Pro](https://ai-opensource.com/zh/models/s2-pro/): Fish Audio 的 4.6B 文字转语音模型,支持自由形式的行内标签,凭 10 到 30 秒音频克隆声音。仅限研究和非商业。 参数量: 4.56B; 许可证: Fish Audio Research; 发布时间: 2026-03-09. - [Sarvam 30B and 105B](https://ai-opensource.com/zh/models/sarvam-30b-105b/): 印度从零训练的开放推理模型:激活 10.3B 的 105B 混合专家模型和激活 2.4B 的 30B 模型,128K 上下文,Apache 2.0。 参数量: 32.1B–106B (激活 10.3B); 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-03-06. - [LTX-2.3](https://ai-opensource.com/zh/models/ltx-2-3/): LTX 的上一代 22B 视频与音频模型,下载量仍居视频模型前列。年营收低于 1000 万美元免费。 参数量: 22B; 许可证: LTX-2 Community; 发布时间: 2026-03-05. - [Jina Embeddings v5](https://ai-opensource.com/zh/models/jina-embeddings-v5/): Jina AI 的 v5 嵌入模型一对:677M 和 239M 多语言模型,从 Qwen3-Embedding-4B 蒸馏而来,仅限非商业使用。 参数量: 239M–677M; 上下文窗口: 32K; 许可证: CC BY-NC; 发布时间: 2026-02-18. - [Qwen3.5](https://ai-opensource.com/zh/models/qwen-3-5/): 阿里的 Apache 2.0 家族,从 0.8B 到 397B:原生支持图像和视频输入,201 种语言,256K 上下文,采用混合线性注意力设计。 参数量: 873M–403B (激活 17B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-02-16. - [GLM-5](https://ai-opensource.com/zh/models/glm-5/): 智谱 Z.ai 2026 年 2 月发布的 MIT 许可证 744B-A40B 旗舰,让 GLM 从编程走向工程;此后已有三个更新的后继者。 参数量: 754B (激活 40B); 上下文窗口: 198K; 许可证: MIT; 发布时间: 2026-02-12. - [MiniMax-M2.5](https://ai-opensource.com/zh/models/minimax-m2-5/): MiniMax 2026 年 2 月发布的 230B-A10B 编程和智能体模型,采用宽松风格的许可证;之后有 M2.7 和 M3。 参数量: 229B (激活 10B); 上下文窗口: 192K; 许可证: MiniMax Model; 发布时间: 2026-02-12. - [MOSS-TTSD](https://ai-opensource.com/zh/models/moss-ttsd/): OpenMOSS 的 8B 口语对话模型:一次最多 5 位说话人、60 分钟,支持声音克隆。Apache 2.0。 参数量: 8.36B; 许可证: Apache 2.0; 发布时间: 2026-02-10. - [Voxtral Realtime](https://ai-opensource.com/zh/models/voxtral-realtime/): Mistral 的 Apache 2.0 4B 流式语音转文字模型:支持 13 种语言,延迟可在 80 毫秒到 2.4 秒之间自行设置。 参数量: 4.43B; 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2026-02-04. - [MiniCPM-o 4.5](https://ai-opensource.com/zh/models/minicpm-o-4-5/): OpenBMB 的 9B 模型,同时能看、能听、能说,支持全双工实时流、中英文语音,采用 Apache 2.0。 参数量: 9.37B; 上下文窗口: 40K; 许可证: Apache 2.0; 发布时间: 2026-02-03. - [GLM-OCR](https://ai-opensource.com/zh/models/glm-ocr/): Z.ai 的 0.9B、MIT 许可证文档 OCR 模型:自报 OmniDocBench V1.5 得 94.62,带 SDK,支持表格、公式和表单抽取。 参数量: 900M; 许可证: MIT; 发布时间: 2026-02-02. - [Step 3.5 Flash](https://ai-opensource.com/zh/models/step-3-5-flash/): 阶跃星辰 2026 年 2 月发布的 196B Apache 2.0 智能体模型,激活 11B 参数,上下文 256K。已是旧版,但下载量仍然很高。 参数量: 199B (激活 11B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2026-02-01. - [Qwen3-ASR](https://ai-opensource.com/zh/models/qwen3-asr/): 阿里的 Apache 2.0 语音转文字双模型(1.7B 与 0.6B):30 种语言加 22 种中文方言,支持歌声、流式识别和词级时间戳。 参数量: 918M–2.35B; 许可证: Apache 2.0; 发布时间: 2026-01-29. - [DeepSeek-OCR 2](https://ai-opensource.com/zh/models/deepseek-ocr-2/): DeepSeek 的 3.4B、Apache 2.0 文档 OCR 模型,新编码器按语义重排视觉 token,而不是按扫描顺序读取。 参数量: 3.39B; 许可证: Apache 2.0; 发布时间: 2026-01-27. - [Kimi K2.5](https://ai-opensource.com/zh/models/kimi-k2-5/): 月之暗面 2026 年 1 月发布的 1T 参数原生多模态智能体模型,带 Agent Swarm:32B 激活、256K 上下文、改良版 MIT。 参数量: 1.03T (激活 32B); 上下文窗口: 256K; 许可证: Modified MIT; 发布时间: 2026-01-27. - [ACE-Step 1.5](https://ai-opensource.com/zh/models/ace-step-1-5/): MIT 许可证的音乐基础模型:几秒钟生成完整歌曲,约 4 GB 显存即可运行,支持翻唱、局部重绘和 50 多种语言。 参数量: 2B–4B; 许可证: MIT; 发布时间: 2026-01-23. - [Qwen3-TTS](https://ai-opensource.com/zh/models/qwen3-tts/): 阿里的 Apache 2.0 文本转语音模型,1.7B 和 0.6B 两种规格:10 种语言,3 秒克隆声音,流式延迟约 97 毫秒。 参数量: 910M–1.92B; 许可证: Apache 2.0; 发布时间: 2026-01-22. - [VibeVoice-ASR](https://ai-opensource.com/zh/models/vibevoice-asr/): 微软的 MIT 许可 8.7B 语音转文字模型:一次处理一小时音频,输出说话人标签和时间戳,支持 50 多种语言。 参数量: 2.81B–8.67B; 上下文窗口: 64K; 许可证: MIT; 发布时间: 2026-01-21. - [GLM-4.7-Flash](https://ai-opensource.com/zh/models/glm-4-7-flash/): 智谱 Z.ai 的 MIT 许可证 30B-A3B 模型,面向本地编程和智能体,2026 年 1 月发布,月下载量仍约 100 万次。 参数量: 31.2B (激活 3B); 上下文窗口: 198K; 许可证: MIT; 发布时间: 2026-01-19. - [TranslateGemma](https://ai-opensource.com/zh/models/translategemma/): 谷歌基于 Gemma 3 的翻译模型,有 4B、12B、27B 三种尺寸,支持 55 种语言,还能翻译图片里的文字。 参数量: 4.3B–27.4B; 上下文窗口: 2K; 许可证: Gemma Terms; 发布时间: 2026-01-15. - [voyage-4-nano](https://ai-opensource.com/zh/models/voyage-4-nano/): Voyage AI 的第一个开放权重嵌入模型:346M 参数,Apache 2.0,向量与托管的 Voyage 4 模型共用同一空间。 参数量: 346M; 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2026-01-15. - [HeartMuLa](https://ai-opensource.com/zh/models/heartmula/): HeartMuLa 团队的 Apache 2.0 开放歌曲模型:输入歌词和风格标签,输出最长四分钟的歌曲。 参数量: 3.94B; 许可证: Apache 2.0; 发布时间: 2026-01-14. - [pplx-embed](https://ai-opensource.com/zh/models/pplx-embed/): Perplexity 采用 MIT 许可证的嵌入模型家族:稠密、上下文和后期交互三种,0.6B 到 9B,v2 支持图像。 参数量: 590M–8.4B; 上下文窗口: 32K; 许可证: MIT; 发布时间: 2026-01-14. - [Pocket TTS](https://ai-opensource.com/zh/models/pocket-tts/): Kyutai 的 1 亿参数声音克隆语音模型,在笔记本 CPU 上比实时更快。六种语言,CC BY 4.0 权重,需先同意使用声明。 参数量: 18M–100M; 许可证: CC BY 4.0; 发布时间: 2026-01-13. - [Qwen3-VL-Reranker](https://ai-opensource.com/zh/models/qwen3-vl-reranker/): 阿里巴巴的 Apache 2.0 多模态重排序模型(2B 和 8B),对照查询给文本、图像、截图和视频打分。 参数量: 2.13B–8.77B; 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2026-01-08. - [Qwen3-VL-Embedding](https://ai-opensource.com/zh/models/qwen3-vl-embedding/): 阿里的 Apache 2.0 多模态嵌入模型(2B 和 8B),把文本、图像、截图和视频放进同一个检索空间。 参数量: 2.13B–8.14B; 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2026-01. - [Fun-CosyVoice 3](https://ai-opensource.com/zh/models/fun-cosyvoice3/): 阿里通义的 Apache 2.0 0.5B 零样本语音合成:9 种语言、18 种以上中文方言、声音克隆,流式延迟低至 150 毫秒。 参数量: 500M; 许可证: Apache 2.0; 发布时间: 2025-12-15. - [Olmo 3.1](https://ai-opensource.com/zh/models/olmo-3-1/): Ai2 的完全开放 32B 和 7B 模型:权重、训练数据、代码和检查点全部公开,Apache 2.0。 参数量: 7.3B–32.2B; 上下文窗口: 64K; 许可证: Apache 2.0; 发布时间: 2025-12-12. - [DeepSeek-V3.2](https://ai-opensource.com/zh/models/deepseek-v3-2/): DeepSeek 的 MIT 许可证 6850 亿参数推理模型,用稀疏注意力降低长上下文成本;V4 系列已取代它。 参数量: 685B (激活 37B); 上下文窗口: 160K; 许可证: MIT; 发布时间: 2025-12-01. - [Z-Image](https://ai-opensource.com/zh/models/z-image/): 阿里通义的 6B Apache 2.0 图像模型;Turbo 只需 8 步,在 16 GB GPU 上画出含中英文文字的写实图像。 参数量: 6.15B; 许可证: Apache 2.0; 发布时间: 2025-11-26. - [GigaAM-v3](https://ai-opensource.com/zh/models/gigaam-v3/): Sber 的 220M 到 240M 俄语语音识别模型,e2e 版本直接输出带标点的文字。MIT 许可证。 参数量: 220M–240M; 许可证: MIT; 发布时间: 2025-11-19. - [DeepSeek-OCR](https://ai-opensource.com/zh/models/deepseek-ocr/): DeepSeek 的 3B、MIT 许可证 OCR 模型,把页面文字装进少量视觉 token:压缩不到 10 倍时解码精度约 97%。 参数量: 3.34B (激活 570M); 许可证: MIT; 发布时间: 2025-10-20. - [Qwen3-VL](https://ai-opensource.com/zh/models/qwen3-vl/): 阿里的 Apache 2.0 视觉语言模型家族,2B 到 235B,256K 上下文。已被 Qwen3.5 取代,但仍被广泛使用。 参数量: 2.13B–236B (激活 22B); 上下文窗口: 256K; 许可证: Apache 2.0; 发布时间: 2025-09-23. - [Qwen3-Omni](https://ai-opensource.com/zh/models/qwen3-omni/): 阿里巴巴的 30B-A3B 全模态模型,能读文本、图像、音频和视频,并用 10 种语言以文本或语音作答。Apache 2.0。 参数量: 31.7B–35.3B (激活 3B); 上下文窗口: 64K; 许可证: Apache 2.0; 发布时间: 2025-09-22. - [VibeVoice-TTS](https://ai-opensource.com/zh/models/vibevoice-tts/): 微软的 MIT 许可 VibeVoice 语音合成:1.5B 模型最长 90 分钟、4 位说话人,另有 0.5B 实时模型。仅限研究使用。 参数量: 1.02B–2.7B; 上下文窗口: 64K; 许可证: MIT; 发布时间: 2025-08-25. - [Parakeet TDT 0.6B v3](https://ai-opensource.com/zh/models/parakeet-tdt-0-6b-v3/): NVIDIA 的紧凑多语言语音转文字模型:0.6B 参数覆盖 25 种欧洲语言,带时间戳,采用 CC BY 4.0 许可证。 参数量: 627M; 许可证: CC BY 4.0; 发布时间: 2025-08-14. - [gpt-oss](https://ai-opensource.com/zh/models/gpt-oss/): OpenAI 2025 年发布的 Apache 2.0 推理模型:117B 和 21B 混合专家,分别适合一张 80 GB 显卡或 16 GB 的机器。 参数量: 21B–117B (激活 5.1B); 上下文窗口: 128K; 许可证: Apache 2.0; 发布时间: 2025-08-05. - [Wan 2.2](https://ai-opensource.com/zh/models/wan-2-2/): 阿里的 Apache 2.0 视频模型:两专家 27B 的文生视频和图生视频家族,外加可在 24 GB 显卡上运行的 5B 模型。 参数量: 5B–27B (激活 14B); 许可证: Apache 2.0; 发布时间: 2025-07-28. - [Qwen3-Embedding](https://ai-opensource.com/zh/models/qwen3-embedding/): 阿里的 Apache 2.0 文本嵌入模型,0.6B、4B、8B 三种规格:100 多种语言,32K 上下文,向量长度可调。 参数量: 600M–7.57B; 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2025-06-05. - [Qwen3-Reranker](https://ai-opensource.com/zh/models/qwen3-reranker/): 阿里巴巴的 Apache 2.0 指令感知重排序模型(0.6B、4B、8B):100 多种语言,32K 上下文,基于 Qwen3。 参数量: 596M–8.19B; 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2025-06-05. - [Qwen3](https://ai-opensource.com/zh/models/qwen3/): 阿里 2025 年的 Apache 2.0 模型家族,0.6B 到 235B,可切换思考模式。已是旧版,但下载量依然极高。 参数量: 752M–235B (激活 22B); 上下文窗口: 32K; 许可证: Apache 2.0; 发布时间: 2025-04-29. - [Kokoro](https://ai-opensource.com/zh/models/kokoro/): 只有 8200 万参数的 Apache 2.0 语音模型,54 种预设音色、8 种语言。极受欢迎、速度快,但不能克隆声音。 参数量: 82M; 许可证: Apache 2.0; 发布时间: 2025-01-27. - [Whisper large-v3-turbo](https://ai-opensource.com/zh/models/whisper-large-v3-turbo/): OpenAI 的 MIT 许可语音转文字模型:turbo 版比 large 快约 8 倍,大约 6 GB 显存就能运行。 参数量: 810M–1.54B; 许可证: MIT; 发布时间: 2024-10-01. - [BGE Reranker v2 m3](https://ai-opensource.com/zh/models/bge-reranker-v2-m3/): BAAI 的 Apache 2.0 多语言重排序模型(5.68 亿参数),基于 BGE-M3,是本站收录的下载量最高的重排序模型。 参数量: 568M; 上下文窗口: 8K; 许可证: Apache 2.0; 发布时间: 2024-03-18. - [BGE-M3](https://ai-opensource.com/zh/models/bge-m3/): 智源的 MIT 许可嵌入模型,支持 100 多种语言和 8,192 token 输入,一个模型同时提供稠密、稀疏和多向量检索。 参数量: 568M; 上下文窗口: 8K; 许可证: MIT; 发布时间: 2024-01-30. ## 精选榜单 - [2026 年最佳开源大模型](https://ai-opensource.com/zh/best/best-open-source-llms/): 2026 年 11 月领先的开放权重语言模型,附参数规模、上下文窗口、许可证和所需硬件。 - [笔记本就能运行的最佳小型开源模型](https://ai-opensource.com/zh/best/small-models-for-laptops/): 参数规模从 1B 到 30B、能在笔记本或一张游戏显卡上运行的开放权重模型,附内存需求和许可证。 - [最适合编程和 AI 智能体的开源模型](https://ai-opensource.com/zh/best/coding-and-agents/): 为编程和智能体任务打造的开放权重模型,从手机就能运行的 121M 工具调用模型到万亿参数系统,附许可证和内存需求。 - [最佳开源图像和视频生成模型](https://ai-opensource.com/zh/best/image-and-video/): 可以在自己的 GPU 上运行的开放权重图像和视频生成模型,从 FLUX 到 Wan、LTX,对比内存需求和许可证。 - [最佳开源语音模型:语音转文字与文字转语音](https://ai-opensource.com/zh/best/speech-models/): 可以自己运行的开放权重语音转文字和文字转语音模型,对比语言、内存需求和许可证。 - [按显存和硬件查找开源 AI 模型](https://ai-opensource.com/zh/best/models-by-vram/): 找到适合你硬件的开放 AI 模型:按所需内存分组,从笔记本、游戏显卡到服务器和集群。 - [可以商用的开源 AI 模型](https://ai-opensource.com/zh/best/commercial-use/): 按许可证类型分组的开放权重模型:宽松、有条件和非商用。看看哪些可以放进产品,以及每个许可证对你有什么要求。 - [2026 年最佳开源 OCR 与文档解析模型](https://ai-opensource.com/zh/best/ocr-and-document-models/): 2026 年 11 月的开放 OCR 和文档解析模型,从 0.8B 的端侧模型到 5B 的多语言解析模型,附许可证和各自的设计目标。 - [2026 年最佳开源文字转语音(TTS)模型](https://ai-opensource.com/zh/best/text-to-speech-models/): 2026 年 11 月的开放文字转语音模型:声音克隆、长篇语音、流式输出和微型端侧模型,并明确标出哪些许可证允许商用。 - [2026 年最佳开源语音识别(语音转文字)模型](https://ai-opensource.com/zh/best/speech-recognition-models/): 2026 年 11 月的开放语音转文字模型,从 Whisper 到流式、长音频和微型端侧模型,附各自的语言、延迟和许可证。 - [2026 年最佳开源嵌入(Embedding)模型](https://ai-opensource.com/zh/best/embedding-models/): 2026 年 11 月用于搜索和 RAG 的开放嵌入模型:纯文本和多模态,参数从 47M 到 27B,附语言、上下文长度和许可证。 - [2026 年最佳开源多模态模型(图像、视频和音频)](https://ai-opensource.com/zh/best/multimodal-models/): 除文本之外还能读图像、视频和音频的开放模型,从 1B 的端侧模型到万亿参数系统,附各自的许可证和上下文长度。 - [欧洲研发的开放权重 AI 模型](https://ai-opensource.com/zh/best/open-models-made-in-europe/): 来自法国、德国、瑞士和荷兰开发者的开放权重模型,涵盖语言、图像、语音、OCR 和嵌入,附各自的许可证。 - [韩国研发的开放权重 AI 模型](https://ai-opensource.com/zh/best/open-models-made-in-korea/): 来自韩国开发者的开放权重模型:为政府自主 AI 项目打造的四个语言模型、KRAFTON 的两个 Raon 模型,以及一个端侧语音模型。 - [2026 年最佳开源翻译模型](https://ai-opensource.com/zh/best/translation-models/): 2026 年 11 月的开放翻译模型:从 0.8B 到 36B 的文本翻译模型、一个还能读取图片文字的模型,以及能翻译音频的语音模型,附许可证。 - [2026 年最佳开源重排序(Reranker)模型](https://ai-opensource.com/zh/best/reranker-models/): 2026 年 11 月用于搜索和 RAG 的开放重排序模型:纯文本和多模态,参数从 0.6B 到 8B,附语言、上下文长度、许可证和大小。 - [2026 年最佳开源音乐与音效生成模型](https://ai-opensource.com/zh/best/music-and-sound-generation/): 2026 年 11 月的开放音乐与音效模型:带人声的歌曲、实时乐器和音效,并写明硬件要求和许可证限制。 ## 模型对比 - [ACE-Step 1.5 与 MiniMax Music 3 对比:该选哪个开源歌曲模型?](https://ai-opensource.com/zh/compare/ace-step-1-5-vs-minimax-music-3/): ACE-Step 1.5 是 MIT 许可证的歌曲模型,约 4 GB 显存即可运行;MiniMax Music 3 是 11.1B 模型,能写出最长五分钟的歌曲,需要 24 GB 的 GPU。 - [Apertus 1.5 与 OLMo 3.1 对比:该用哪个完全开放的模型?](https://ai-opensource.com/zh/compare/apertus-1-5-vs-olmo-3-1/): Apertus 1.5 能读文本、图像和音频,上下文 262K;OLMo 3.1 只处理文本,上下文 64K,有 32B 模型。两者都是采用 Apache 2.0 的完全开放模型。 - [BGE-M3 与 Granite Embedding R2 对比:该选哪个嵌入模型?](https://ai-opensource.com/zh/compare/bge-m3-vs-granite-embedding-r2/): BGE-M3 是单个 568M 多语言模型,支持稠密、稀疏和多向量检索;Granite Embedding R2 是四个小模型,上下文最长 32K。对比规模和适用场景。 - [Cosmos 3 与 Wan 2.2 对比:该选哪个开放视频模型?](https://ai-opensource.com/zh/compare/cosmos-3-vs-wan-2-2/): Cosmos 3 是 NVIDIA 面向机器人和自动驾驶的世界模型,有 4B 的 Edge 尺寸;Wan 2.2 是阿里的 Apache 2.0 文生视频和图生视频家族,5B 模型适合 24 GB 显卡。 - [DeepSeek V4 与 Hy3 对比:该选哪个大型开放模型?](https://ai-opensource.com/zh/compare/deepseek-v4-vs-hy3/): DeepSeek V4 采用 MIT 许可证,上下文 1M token,有 1.6T 和 284B 两种规格;Hy3 是单个 295B 的 Apache 2.0 模型,上下文 256K。对比规模、上下文和许可证。 - [FLUX 3 Klein 与 Krea 2 对比:该选哪个图像模型?](https://ai-opensource.com/zh/compare/flux-3-image-klein-vs-krea-2/): FLUX 3 Image Klein 能编辑图像,INT8 版本 8 GB 即可运行;Krea 2 只能文生图,画面更多样。两者都需授权下载,营收上限分别为 500 万美元和 100 万美元。 - [FLUX 3 Image Klein 与 Qwen-Image-2.1 对比:许可证、内存与功能](https://ai-opensource.com/zh/compare/flux-3-image-klein-vs-qwen-image-2-1/): FLUX 3 Image Klein 和 Qwen-Image-2.1 都能根据参考图生成和编辑图像。对比它们的许可证、内存需求和各自的强项。 - [FLUX.3 Image Klein 与 Z-Image 对比:该选哪个开源图像模型?](https://ai-opensource.com/zh/compare/flux-3-image-klein-vs-z-image/): FLUX.3 Image Klein 可根据最多 10 张参考图编辑图像,许可证有营收限制;Z-Image 是 Apache 2.0 的文生图模型。对比编辑能力、许可证和内存。 - [Gemma 4 与 Qwen3.8-27B 对比:单张 GPU 该运行哪个开源模型?](https://ai-opensource.com/zh/compare/gemma-4-vs-qwen-3-8-27b/): Google 的 Gemma 4 与阿里的 Qwen3.8-27B 都是一张 GPU 就能容纳的 Apache 2.0 模型。对比规格、输入类型、内存需求和各自适合的场景。 - [GLM-5.3 Flash 与 MiniMax M3 对比:该选哪个多模态智能体模型?](https://ai-opensource.com/zh/compare/glm-5-3-flash-vs-minimax-m3/): GLM-5.3 Flash 为 320B、MIT 许可证,为低成本长上下文设计;MiniMax M3 为 428B,带推理模式,采用社区许可证。对比规模和许可证。 - [GLM-5.3 与 DeepSeek V4.1 Flash 对比:两款编程智能体开源模型](https://ai-opensource.com/zh/compare/glm-5-3-vs-deepseek-v4-1-flash/): Z.ai 的 GLM-5.3 与 DeepSeek V4.1 Flash 都是面向编程和智能体、上下文 1M token 的开放权重模型。对比规模、内存需求和许可证。 - [GLM-OCR 与 PaddleOCR-VL 对比:该选哪个小型文档解析模型?](https://ai-opensource.com/zh/compare/glm-ocr-vs-paddleocr-vl/): 两个 0.9B 文档解析模型:GLM-OCR(MIT,带 SDK,支持表单提取)和 PaddleOCR-VL(Apache 2.0,支持图表和印章)。对比工具链、许可证和分数。 - [Index-Translate 与 TranslateGemma 对比:该选哪一个?](https://ai-opensource.com/zh/compare/index-translate-vs-translategemma/): Index-Translate 覆盖 150 种语言,采用 Apache 2.0,能遵循术语表和语气指令;TranslateGemma 覆盖 55 种语言,适用 Gemma 条款,下载量大得多。我们没有找到独立的对比。 - [K-EXAONE 2.0 与 A.X K2 对比:该运行哪个韩国自主 AI 模型?](https://ai-opensource.com/zh/compare/k-exaone-2-0-vs-a-x-k2/): K-EXAONE 2.0(750B、十种语言、262K 上下文)还是 A.X K2(688B、五种语言、数学和韩语最强)?两者都采用 Apache 2.0。对比规模、硬件和适用场景。 - [Kimi K3.1 Pro 与 Qwen3.8-Max 对比:哪个超大开源模型更适合你?](https://ai-opensource.com/zh/compare/kimi-k3-1-pro-vs-qwen-3-8-max/): Kimi K3.1 Pro 和 Qwen3.8-Max 是目前可下载的最大的开放权重模型。并排对比规模、输入类型、内存需求和许可证。 - [Kokoro 与 Pocket TTS 对比:该用哪个微型开源文字转语音模型?](https://ai-opensource.com/zh/compare/kokoro-vs-pocket-tts/): Kokoro 有 8 种语言的 54 个固定音色,采用 Apache 2.0;Pocket TTS 用 5 秒音频就能克隆声音,支持 6 种语言,采用 CC BY 4.0。两者都能在 CPU 上运行。 - [LTX-2.5 与 Wan 2.2 对比:开源视频生成模型](https://ai-opensource.com/zh/compare/ltx-2-5-vs-wan-2-2/): LTX-2.5 可生成带同步声音的视频,Wan 2.2 采用 Apache 2.0 且能在 24 GB GPU 上运行。对比内存需求、许可证和功能。 - [MiniCPM-OCR 与 LightOnOCR-3 对比:该选哪个 Apache 2.0 OCR 模型?](https://ai-opensource.com/zh/compare/minicpm-ocr-vs-lightonocr-3/): MiniCPM-OCR 是面向中英文页面的单个 1.3B 模型;LightOnOCR-3 有 4B、1B 和 0.8B 三种规格,带边界框和图表数据。对比工具链和适用场景。 - [Mistral Large 4 与 Muse Spark Open 对比:两款超大开放权重模型](https://ai-opensource.com/zh/compare/mistral-large-4-vs-muse-spark-open/): Mistral Large 4 和 Muse Spark Open 都发布于 2026 年 10 月。对比规模、输入类型、内存需求和各自的许可证条件。 - [MOSS-Image 与 Z-Image 对比:该用哪个 Apache 2.0 图像模型?](https://ai-opensource.com/zh/compare/moss-image-vs-z-image/): MOSS-Image 能画出大段中英文文字并遵循 JSON 版面;Z-Image Turbo 在 16 GB GPU 上 8 步生成写实图像。两者都采用 Apache 2.0。 - [Nemotron 3.5 Lightning 与 Qwen3.6 对比:该选哪个激活 3B 的模型?](https://ai-opensource.com/zh/compare/nemotron-3-5-lightning-vs-qwen-3-6/): Nemotron 3.5 Lightning 是适合一张 H100 的 30B-A3B 混合模型,上下文 1M;Qwen3.6 是 35B-A3B 加 27B 稠密的组合,支持图像输入。对比适用场景和成绩。 - [Nemotron 3 Nano Omni 与 MiniCPM-o 4.5 对比:该选哪个开源全模态模型?](https://ai-opensource.com/zh/compare/nemotron-3-nano-omni-vs-minicpm-o-4-5/): NVIDIA 的 31B 全模态模型能读视频、音频和图像并用文本作答;OpenBMB 的 9B MiniCPM-o 4.5 还会说话。对比显存、语言和许可证。 - [OmniVoice 与 VoxCPM2 对比:该选哪个开源文字转语音模型?](https://ai-opensource.com/zh/compare/omnivoice-vs-voxcpm2/): OmniVoice 覆盖 600 多种语言,但权重仅限非商业使用;VoxCPM2 覆盖 30 种语言,采用 Apache 2.0。对比语言、声音设计和许可证。 - [Ornith 1.5 与 Qwen3.6 对比:该选哪个智能体编程模型?](https://ai-opensource.com/zh/compare/ornith-1-5-vs-qwen-3-6/): Ornith 1.5 是 MIT 许可证、基于 Qwen3.5 的衍生模型,有四种规格;Qwen3.6 是阿里的 Apache 2.0 组合,支持图像输入。对比规格、许可证和证据。 - [Parakeet TDT 0.6B v3 与 Cohere Transcribe 对比:该用哪个模型?](https://ai-opensource.com/zh/compare/parakeet-tdt-0-6b-v3-vs-cohere-transcribe/): Parakeet v3 支持 25 种欧洲语言并带时间戳,采用 CC BY 4.0;Cohere Transcribe 支持包括中文、日语和韩语在内的 14 种语言,采用 Apache 2.0。 - [PLaMo 3 Translate 与 Hy-MT2 对比:该用哪个开放翻译模型?](https://ai-opensource.com/zh/compare/plamo-3-translate-vs-hy-mt2/): PLaMo 3 Translate 覆盖 53 种语言,许可证设有营收上限;Hy-MT2 覆盖 33 种语言,采用朴素的 Apache 2.0,社区也大得多。PFN 自己的图表更看好 PLaMo。 - [Qwen3-ASR 与 Voxtral Realtime 对比:该选哪个流式语音转文字模型?](https://ai-opensource.com/zh/compare/qwen3-asr-vs-voxtral-realtime/): Qwen3-ASR 覆盖 30 种语言和 22 种中文方言,带时间戳;Voxtral Realtime 是单个 4B 模型,延迟可设 80 毫秒到 2.4 秒。对比语言和延迟。 - [Qwen3-Embedding 与 EmbeddingGemma 2 对比:该选哪个开源嵌入模型?](https://ai-opensource.com/zh/compare/qwen3-embedding-vs-embeddinggemma-2/): Qwen3-Embedding 处理文本和代码,有三种规格;EmbeddingGemma 2 把文本、图像、音频和视频放进同一个空间。对比上下文、规模和许可证。 - [Ripple-65B 与 Nanbeige4.3-33B 对比:该选哪个新的智能体模型?](https://ai-opensource.com/zh/compare/ripple-65b-vs-nanbeige-4-3-33b/): Ripple-65B Preview 是 65B 稠密模型,上下文 1M,采用 Apache 2.0;Nanbeige4.3-33B 是 33B 模型,上下文 512K,INT4 版本约 23 GB。 - [S2 Pro 与 Higgs TTS 3 对比:该选哪个非商业文字转语音模型?](https://ai-opensource.com/zh/compare/s2-pro-vs-higgs-tts-3/): Fish Audio 的 S2 Pro 和 Boson 的 Higgs TTS 3 都是 4.6B 的文字转语音模型,支持行内标签和声音克隆,都只能非商业使用。对比许可证和硬件。 - [Solar Open 2 与 Motif 3 对比:该运行哪个韩国智能体模型?](https://ai-opensource.com/zh/compare/solar-open-2-vs-motif-3/): Solar Open 2 有 250B 参数、100 万上下文和一条命名规则;Motif 3 有 314B、256K 上下文和原版 MIT 许可证。对比硬件、语言和许可证。 - [Stable Audio 3 与 MOSS-SoundEffect v2.0 对比:该选哪个开源音效模型?](https://ai-opensource.com/zh/compare/stable-audio-3-vs-moss-soundeffect-v2/): Stable Audio 3 八步就能生成最长 6 分 20 秒的音乐和音效,年营收低于 100 万美元时免费;MOSS-SoundEffect v2.0 以 Apache 2.0 生成最长 30 秒的音效。 - [Whisper large-v3-turbo 与 Nemotron 3.5 Transcribe 对比](https://ai-opensource.com/zh/compare/whisper-large-v3-turbo-vs-nemotron-3-5-transcribe/): Whisper large-v3-turbo 体积小、支持广泛;Nemotron 3.5 Transcribe 增加了说话人标注和由提示词控制的风格。对比内存、语言和许可证。 - [ZONOS3-Mini 与 Drama 3 对比:该选哪个新的开源文字转语音模型?](https://ai-opensource.com/zh/compare/zonos3-mini-vs-drama-3/): ZONOS3-Mini 是 8 亿参数的 Apache 2.0 模型,支持 43 种语言,可在浏览器里运行;Drama 3 是 360 亿参数模型,支持 83 种语言,仅年营收低于 50 万美元时可免费商用。 ## 指南 - [什么是开源 AI 模型?通俗易懂的入门指南](https://ai-opensource.com/zh/guides/what-is-an-open-source-ai-model/): 开放 AI 模型是你可以下载并自己运行的模型。了解“开放权重”和“开源”的含义、这些模型能做什么,以及如何安全地开始使用。 - [开放权重与开源 AI:到底有什么区别?](https://ai-opensource.com/zh/guides/open-weights-vs-open-source/): 开放权重指模型训练好的参数可以下载。按 OSI 的定义,开源 AI 还需要公开代码和训练数据信息。本文讲清两者的区别,以及为什么它很重要。 - [AI 模型许可证详解:开放模型可以商用吗?](https://ai-opensource.com/zh/guides/ai-licenses-explained/): 用通俗的语言讲解开放 AI 模型的许可证:Apache 2.0、MIT、带营收上限的社区许可证、仅限研究的条款和需要授权的下载,并附发布产品前的检查清单。 - [运行 AI 模型需要多少内存?一份简明指南](https://ai-opensource.com/zh/guides/how-much-memory-do-i-need/): 估算开放 AI 模型所需的显存或内存:参数量乘以字节数的规则、量化能省多少、为什么上下文长度和混合专家很重要,并附计算示例表。 - [如何在自己的电脑上运行 AI 模型](https://ai-opensource.com/zh/guides/how-to-run-ai-models-locally/): 面向新手的本地运行开放语言模型教程,使用 Ollama 或 LM Studio:查看内存、选择模型、运行模型,并让其他应用连接到它。 - [量化详解:Q4、FP8、GGUF,以及你要付出的代价](https://ai-opensource.com/zh/guides/quantization-explained/): 量化是用更少的位数存储模型权重来缩小模型。了解 FP8、INT4、Q4_K_M、GGUF、MXFP4 和 NVFP4 的含义、能省多少内存,以及如何选择。 - [如何选择开放 AI 模型:实用决策指南](https://ai-opensource.com/zh/guides/choosing-an-open-model/): 按任务、硬件、许可证和能力来选择开放模型。分步骤的决策指南,附聊天、编程、文档、图像、视频、语音、音乐、翻译和检索的精选清单。 - [开放模型微调入门:LoRA、QLoRA,以及什么时候需要微调](https://ai-opensource.com/zh/guides/fine-tuning-for-beginners/): 了解什么时候该微调开放 AI 模型,而不是只改提示词或使用 RAG;LoRA 和 QLoRA 如何降低成本,需要什么数据,以及要在许可证里检查什么。 - [如何自己评估 AI 模型:别只盯着基准测试图表](https://ai-opensource.com/zh/guides/how-to-evaluate-models-yourself/): 模型发布公告里的基准分数大多是自己公布的。学会建立小型测试集、公平地比较模型,并针对你的任务评判质量、速度、内存和许可证。 - [在本地运行图像和视频 AI 模型:ComfyUI、内存与许可证](https://ai-opensource.com/zh/guides/running-image-and-video-models-locally/): 如何在自己的 GPU 上运行 FLUX、Z-Image、Krea 2、MOSS-Image、Anima、Wan、LTX 和 Cosmos 3 等开放图像和视频生成模型:ComfyUI 入门、内存需求、卸载、LoRA 和许可证检查。 - [如何选择开源 OCR 模型:PDF 与扫描件的文档解析](https://ai-opensource.com/zh/guides/how-to-choose-an-ocr-model/): 按规模、许可证、语言和工具链对比开源 OCR 与文档解析模型,帮你判断发票、长 PDF、中文页面或笔记本电脑分别该选哪一个。 - [如何选择开源嵌入模型:搜索与 RAG 选型指南](https://ai-opensource.com/zh/guides/how-to-choose-an-embedding-model/): 按语言、输入长度、模态、规模和许可证挑选开放嵌入模型,并对比 BGE-M3、Qwen3-Embedding、EmbeddingGemma 2、Granite Embedding R2 等。 - [如何选择开源文字转语音(TTS)模型](https://ai-opensource.com/zh/guides/how-to-choose-a-text-to-speech-model/): 按语言、延迟、声音克隆和许可证对比开放的文字转语音模型:Qwen3-TTS、VoxCPM2、Fun-CosyVoice3、OmniVoice、Voxtral TTS、Chatterbox,以及 Kokoro 这类在 CPU 上运行的微型模型。 - [如何选择开源语音转文字(ASR)模型](https://ai-opensource.com/zh/guides/how-to-choose-a-speech-to-text-model/): 按语言、实时流式、说话人标签、内存和许可证对比开放的语音转文字模型:Whisper large-v3-turbo、Qwen3-ASR、Voxtral Realtime、VibeVoice-ASR 等。 - [如何选择开放模型的运行工具与推理引擎](https://ai-opensource.com/zh/guides/choosing-an-inference-engine/): 对比 Ollama、LM Studio、llama.cpp、MLX-LM、vLLM、SGLang、TensorRT-LLM 和 KTransformers:笔记本、Mac、手机、家用服务器和生产 API 分别该用哪个。 - [自托管开放模型还是使用 API:怎么选](https://ai-opensource.com/zh/guides/self-hosting-vs-api/): 自己运行开放模型,还是调用托管 API?对比隐私、成本结构、硬件、许可证和维护工作,附决策清单和真实的内存数据。 - [如何为编程智能体挑选开放模型](https://ai-opensource.com/zh/guides/open-models-for-coding-agents/): 为智能体编程选择开放模型:要检查什么(工具调用、上下文、内存、许可证),哪些模型适合单张 GPU 或服务器,以及如何在你自己的代码仓库上测试。 - [如何选择开源翻译模型](https://ai-opensource.com/zh/guides/how-to-choose-a-translation-model/): 按语言覆盖、许可证、规模和指令支持对比开源翻译模型,帮你判断文档、字幕、日语、图片或笔记本电脑分别该选哪一个。 - [如何选择开源音乐生成模型](https://ai-opensource.com/zh/guides/how-to-choose-a-music-generation-model/): 按生成内容、硬件要求和许可证对比开放的音乐与音效模型:MiniMax Music 3、YuE2、ACE-Step 1.5、HeartMuLa、Stable Audio 3、Magenta RealTime 2 和 MOSS-SoundEffect。 ## 许可证 - [Apache License 2.0](https://ai-opensource.com/zh/licenses/apache-2-0/): 最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。 - [bilibili Model Use License Agreement](https://ai-opensource.com/zh/licenses/bilibili-model-use/): Bilibili 为 IndexTTS 提供的许可证,IndexTTS-2.5 的模型卡和 GitHub 仓库都指向它。它允许你在全球范围内免版税地使用、修改、训练、分发模型并创建衍生模型。文本没有对商用的一般性禁令,但月活跃用户超过 1 亿或年营收超过 10 亿元人民币的使用者或其关联方,需要另行取得书面许可。 - [Boson Higgs TTS 3 Research and Non-Commercial License](https://ai-opensource.com/zh/licenses/boson-higgs-non-commercial/): Boson AI 为 Higgs TTS 3 权重提供的许可证,最后更新于 2026 年 7 月 8 日。它自称是源码可见许可证,不是开源许可证。研究和非商业使用免费,任何商业目的都需要向 Boson 另行申请书面许可。唯一的例外是“创作者使用授权”:数字创作者只要署名 Boson AI 的 Higgs Audio,就可以免费用该模型的音频制作并变现播客、视频、有声书和社交媒体帖子。 - [BreezeBlue Research and Non-Commercial License Agreement v1.1](https://ai-opensource.com/zh/licenses/breezeblue-non-commercial/): Breeze TTS 2 权重的许可证,版本 1.1,日期为 2026 年 9 月 1 日,由以 BreezeBlue 名义经营的 Resonia, Inc. 发布。它对研究和非商业使用免费,完全不授予商业权利,没有营收门槛,也没有创作者例外。用开放权重生成的音频同样受这些限制。 - [Creative Commons Attribution 4.0 (CC BY 4.0)](https://ai-opensource.com/zh/licenses/cc-by-4-0/): 一种知识共享许可证,只要署名,任何人都可以出于任何目的(包括商业用途)复制、分享和改编作品。它是为创作和数据类作品设计的,不是为软件设计的,但一些语音和数据发布也把它用在模型权重上。 - [Creative Commons Attribution-NonCommercial (CC BY-NC)](https://ai-opensource.com/zh/licenses/cc-by-nc/): 一种知识共享许可证,允许任何人在署名的前提下复制、分享和改编作品,但仅限非商业用途。有些模型卡只写 CC BY-NC 而不注明版本,目前的版本是 4.0。 - [CircleStone Labs Non-Commercial License v1.2](https://ai-opensource.com/zh/licenses/circlestone-non-commercial/): CircleStone Labs 为其 Anima 图像模型提供的许可证。权重只免费用于非商业用途,但你生成的图片可以商用。把模型托管起来收费,或嵌入变现的产品,需要另向 CircleStone Labs 申请商业许可。 - [AI Pubs Open RAIL-M License (Modified, Datalab)](https://ai-opensource.com/zh/licenses/datalab-openrail-m/): 修改版的 Open RAIL-M 许可证。研究和个人使用免费;商用仅限上一年营收低于 200 万美元、累计融资也低于 200 万美元的组织。它还禁止用模型与 Datalab 竞争,并要求衍生作品和输出沿用同一许可证。 - [AI Pubs Open RAIL-M License (Modified, Datalab Surya)](https://ai-opensource.com/zh/licenses/datalab-surya-openrail-m/): 与 Datalab 的 Chandra 模型相同的修改版 Open RAIL-M 许可证,只是限额更高。研究和个人使用免费;商用仅限上一年营收低于 500 万美元、累计融资也低于 500 万美元的组织。它还禁止用模型与 Datalab 竞争,并要求衍生作品和输出沿用同一许可证。 - [ERNIE 5.5 Flash Base Model License Agreement v1.0](https://ai-opensource.com/zh/licenses/ernie-5-5-flash-base/): 非商业使用免费;相关产品或服务年营收不超过 5000 万美元时,只要显示“Powered by ERNIE”并向百度发送一次性通知,也可免费商用,但仅限欧盟、英国和韩国以外的地区。年营收超过 5000 万美元需要百度的书面授权。 - [Fish Audio Community License Agreement 1.0](https://ai-opensource.com/zh/licenses/fish-audio-community/): 研究和非商业用途免费;你和关联方的年营收低于 50 万美元时,商用也免费。超过这个数额,或者无论规模大小向他人提供文字转语音、声音克隆或推理服务,都需要 Fish Audio 的单独书面授权。你必须标示“Built with Fish Audio”,不得未经同意克隆真人声音,也不得用该模型或其音频训练其他语音模型或基础模型。 - [Fish Audio Research License Agreement](https://ai-opensource.com/zh/licenses/fish-audio-research/): Fish Audio 为 S2 Pro 权重提供的许可证,最后更新于 2026 年 3 月 7 日。研究和非商业用途免费,包括个人爱好项目、评估和测试。任何商业用途,包括你自己组织的内部运营,都需要 Fish Audio 的单独书面授权。如果你分享权重或衍生模型,需要附上协议,保留署名 39 AI, Inc. 的声明,并标示“Built with Fish Audio”。 - [FLUX Kommunity License v1.0](https://ai-opensource.com/zh/licenses/flux-kommunity/): Black Forest Labs 为其开放的 FLUX 3 权重提供的许可证。个人和非商业使用免费;只有“合格用户”(你和关联方年营收低于 500 万美元)才可免费商用。更大的公司需要商业许可证或付费 API。 - [Gemma Terms of Use](https://ai-opensource.com/zh/licenses/gemma-terms/): 谷歌为 Gemma 4 之前发布的 Gemma 模型(包括 TranslateGemma)设定的自定义许可证。它允许商用、修改和再分发,没有营收上限,但每一份副本和每个衍生作品都必须带上同样的使用限制,谷歌认为你违反条款时可以限制你的使用。 - [GLM-5.3 License](https://ai-opensource.com/zh/licenses/glm-5-3/): 接近 MIT。唯一的额外条件针对超大型托管业务:营收超过 100 亿美元的“模型即服务”运营方,须通过 Z.AI 的安全审查。其他人可以当作 MIT 使用。 - [Ideogram Non-Commercial Model Agreement](https://ai-opensource.com/zh/licenses/ideogram-non-commercial/): Ideogram 为 Ideogram 4 权重提供的许可证,最后更新于 2026 年 6 月 3 日。权重只对非商业用途免费,文本对“非商业”的界定很窄:公司可以测试和做原型,但不能部署,为产生收入的产品生成图像也被排除在外。商业使用需要另行签订协议,Ideogram 可以自行决定是否授予。 - [Kimi K3 License](https://ai-opensource.com/zh/licenses/kimi-k3/): 类 MIT 的许可证,附带两条与规模相关的条件。多数公司无需申请即可商用,但大型托管服务商需要另行签约,超大规模产品必须署名。Kimi K3.1 Pro 采用相同条款,只是名称不同。 - [Krea 2 Community License Agreement v1](https://ai-opensource.com/zh/licenses/krea-2-community/): Krea 为 Krea 2 Raw 和 Turbo 权重提供的许可证,日期为 2026 年 6 月 22 日。你可以使用、修改和分享模型并创建衍生模型,但只有你和关联方年营收低于 100 万美元时才可商用。更大的组织需要向 Krea 申请企业许可证。 - [LFM Open License v1.0](https://ai-opensource.com/zh/licenses/lfm-open-1-0/): Liquid AI 提供的 Apache 2.0 风格许可证,但有一个关键限制:只有当你的公司(含关联方)年营收低于 1000 万美元时,才获准商用。超过这条线就不在授权范围内,需要另行签订协议。 - [LTX-2 Community License Agreement](https://ai-opensource.com/zh/licenses/ltx-2-community/): LTX-2 和 LTX-2.3 使用的自定义许可证,日期为 2026 年 1 月 5 日。年营收低于 1000 万美元的组织可以出于任何目的使用、修改和托管模型,但要遵守一份禁止用途清单;营收达到或超过该数额的组织需要付费的商业协议。LTX-2.5 使用的是更新的 LTX-2.x 许可证。 - [LTX-2.x Community License Agreement](https://ai-opensource.com/zh/licenses/ltx-2x-community/): LTX 视频模型使用的自定义许可证。年营收低于 1000 万美元的组织可以出于任何目的使用、修改和托管模型;营收达到或超过该数额的组织,需要付费的商业许可证,但仍可在非生产环境中评估。 - [MiniMax Community License](https://ai-opensource.com/zh/licenses/minimax-community/): 许可证先授予非商业用途的权利,再规定商用的步骤:标注署名、发送通知,产品年营收超过 2000 万美元则需书面授权。禁止军事用途。基于它发布产品前,建议先咨询法律意见。 - [MiniMax H3 Community License Agreement](https://ai-opensource.com/zh/licenses/minimax-h3-community/): 一份社区许可证,允许你使用、修改和分发 MiniMax H3,但只限于“适用地区”:除欧盟、英国、韩国和美国之外的全世界。年营收超过 2000 万美元的商业产品需要 MiniMax 书面授权,所有商业产品都必须在界面中显示“MiniMax H3”,并且不得用该模型或其输出去训练其他 AI 模型。建议先咨询法律意见,尤其是你或你的用户位于被排除的地区时。 - [MiniMax-H3-Image Community License Agreement](https://ai-opensource.com/zh/licenses/minimax-h3-image-community/): 在 MiniMax H3 许可证的基础上,把商用门槛大幅降低。你只能在“适用地区”(欧盟、英国、韩国和美国之外的全世界)使用、修改和分发 MiniMax-H3-Image。如果你及关联方年营收超过 100 万美元,或你向他人提供托管服务,就需要 MiniMax 书面授权。基于它搭建业务之前,建议先咨询法律意见。 - [MiniMax M2.7 Non-Commercial License](https://ai-opensource.com/zh/licenses/minimax-m2-7-non-commercial/): MIT 风格、但只涵盖非商业用途的许可证。个人使用(包括为编程和构建自己的工具而自托管),以及非营利、学术和研究用途都是免费的。任何商用都需要事先获得 MiniMax 的单独书面授权,获得授权后还必须标注“Built with MiniMax M2.7”。 - [MiniMax Model License (M2.5)](https://ai-opensource.com/zh/licenses/minimax-model-license/): MiniMax 的宽松风格有限许可证,版本日期为 2026 年 2 月 13 日。它授予全球范围、免版税的权利,可以使用、复制、分发、修改模型并制作衍生作品,文本中没有营收上限。你必须随附协议、标明修改过的文件、保留 MiniMax 的署名声明,并遵守《禁止用途政策》。模型卡和 Hugging Face 元数据称它为 Modified-MIT,但仓库里的许可证文件标题是 MiniMax Model License。 - [MiniMax-Music3 Community License](https://ai-opensource.com/zh/licenses/minimax-music3-community/): 带有商用条件的 MIT 风格许可证。你可以使用、修改和分发 MiniMax Music 3,但商业产品必须在界面上显示“MiniMax-Music3”,使用它的产品年营收超过 2000 万美元的企业需要书面授权。把模型提供给他人使用的一方,还必须保留防止侵权输出的保障措施。许可证附有一份很长的可接受使用政策。 - [Mistral Ecosystem Open-Weight License](https://ai-opensource.com/zh/licenses/mistral-open-weight/): 修改版 MIT 许可证。你可以自由使用并基于模型开发,但任何出售托管访问服务的业务,都需要另行获得 Mistral 的商业许可,且没有营收门槛。 - [MIT License](https://ai-opensource.com/zh/licenses/mit/): 最简短、最宽松的许可证。只要保留版权和许可声明,你几乎可以对模型做任何事。 - [Modified MIT License (Moonshot AI)](https://ai-opensource.com/zh/licenses/moonshot-modified-mit/): 标准 MIT 许可证,只多了一句话。任何人都可以使用、修改和销售该模型,只有超大型产品(月活用户超过 1 亿,或月营收超过 2000 万美元)需要在界面上显示模型名称。 - [Muse Model License](https://ai-opensource.com/zh/licenses/muse-model-license/): Meta 为 Muse Spark Open 提供的许可证。多数公司可以商用,但营收超过 2000 万美元、出售托管访问服务的企业需要另行签约,所有人都必须标注“Built with Muse Spark Open”。下载需要申请。 - [NetEase Youdao Model Use License Agreement](https://ai-opensource.com/zh/licenses/netease-youdao-model-use/): 网易有道 Confucius4-R2T2 语音识别模型的许可证。除非你或关联方的月活跃用户超过 1 亿,或年营收超过 10 亿元人民币,否则允许商用,超过则需要另行获得许可。它还禁止用该模型改进其他 AI 模型(非商业模型除外),并禁止高风险用途。 - [NVIDIA License (non-commercial)](https://ai-opensource.com/zh/licenses/nvidia-license-non-commercial/): NVIDIA 随 LocateAnything-3B 提供的简短的仅限研究的许可证。你可以使用、复制、修改和分享作品,但只能非商业使用,文本把非商业定义为仅限研究或评估目的。NVIDIA 及其关联公司保留商业使用的权利。 - [NVIDIA Nemotron Open Model License](https://ai-opensource.com/zh/licenses/nvidia-nemotron-open-model/): NVIDIA 的宽松许可证,风格接近 Apache。允许商用、制作衍生作品和再分发,NVIDIA 不主张输出内容的所有权,主要义务是随附许可证并保留声明。 - [NVIDIA Open Model Agreement](https://ai-opensource.com/zh/licenses/nvidia-open-model/): NVIDIA 的宽松协议,风格接近 Apache,2026 年 4 月 2 日发布。NVIDIA 确认其作品可以商用,你可以制作和分发衍生作品,NVIDIA 不主张输出内容的所有权。主要义务是随附协议并保留声明。 - [OpenMDW License Agreement 1.1](https://ai-opensource.com/zh/licenses/openmdw-1-1/): 由 Linux 基金会和 PyTorch 基金会为机器学习模型撰写的简短宽松许可证。它把模型、数据、文档和软件作为整体一并授权,且不限制你如何使用模型的输出。 - [BigScience Open RAIL-M License](https://ai-opensource.com/zh/licenses/openrail-m/): BigScience 在 2022 年 8 月撰写的标准 Open RAIL-M 许可证。它免费授予全球范围的版权和专利权利,包括把模型作为服务托管,但要求每一份副本和每个衍生作品都带上一份禁止用途清单,例如违法、未经同意冒充他人、提供医疗建议,以及对人的法律权利做全自动决策。 - [PLaMo Community License Agreement](https://ai-opensource.com/zh/licenses/plamo-community/): 一份用于 PLaMo 模型的日本社区许可证。个人和学术使用免费。商业使用只有在向 Preferred Networks 登记之后、且你和关联方年营收或销售额不超过 10 亿日元时才免费,超过则需要另行签订协议。如果你把模型或衍生模型交给他人,必须标明“Built with PLaMo”,并在你创建的模型名称中保留“PLaMo”。 - [Qwen3.8-Max License](https://ai-opensource.com/zh/licenses/qwen-3-8-max/): 阿里 Qwen 团队为旗舰模型提供的类 MIT 许可证。对几乎所有人免费,超大规模产品需要标注模型名称,大型托管服务和 AI 工作助手业务需要另行获得授权。 - [Qwen Community License 1.0](https://ai-opensource.com/zh/licenses/qwen-community-1-0/): 类 MIT 的许可证,但托管条款比 Qwen3.8-Max 许可证更严格。你可以自由地用模型做产品,但经营“模型即服务”或“AI 工作助手”业务的,无论营收多少,都需要另行获得授权。 - [Qwen Research License Agreement](https://ai-opensource.com/zh/licenses/qwen-research/): 阿里的仅限研究许可证。你可以为研究或评估目的使用、修改和分享模型,但任何商业用途都需要向 Qwen 另行申请许可。阿里的托管 API 是常见的商用途径。 - [Stability AI Community License](https://ai-opensource.com/zh/licenses/stability-ai-community/): Stability AI 为其开放模型制定的许可证。研究和非商业使用免费,你和关联方年营收低于 100 万美元时商用也免费,但商业用户必须向 Stability AI 登记,并显示“Powered by Stability AI”。超过 100 万美元后许可证终止,需要申请企业许可证。在法律允许的范围内,输出归你所有。 - [Stellon Labs Community License Agreement](https://ai-opensource.com/zh/licenses/stellon-labs-community/): KittenML 发布的 KittenTTS 2 权重的许可证,文本日期为 2024 年 7 月 5 日。研究、非商业和有限的商业使用都免费。商业用户必须向 Stellon Labs 登记,一旦你或你的关联方的年营收或累计融资超过 100 万美元,商业授权就会终止。 - [StepFun Model License 1.0](https://ai-opensource.com/zh/licenses/stepfun-model-1-0/): 一份自定义许可证,允许你免费使用、修改、分发和再授权 Step 5 Preview,包括商用。把模型做进手机、汽车、眼镜、可穿戴设备、机器人或智能家居设备的硬件厂商,需要另行取得商业许可;年营收超过 2000 万美元、运营“模型即服务”业务的企业同样需要。活跃用户超过 1 亿,或单月营收超过 2000 万美元的产品,必须显示“Powered by StepFun AI”。在很大程度上用该模型的输出训练出的模型,会被视为衍生作品。 - [Tencent Hunyuan Community License](https://ai-opensource.com/zh/licenses/tencent-hunyuan-community/): 免版税但限制实在的许可证。它只在欧盟、英国和韩国以外有效;月活超过 1 亿的大型服务需要先向腾讯申请;不能用模型或其输出去改进其他 AI 模型。 - [Upstage Solar License](https://ai-opensource.com/zh/licenses/upstage-solar/): 在 Apache 2.0 的基础上增加了一条规定。你可以商用该模型并自由地在其上开发,但用它创建并分发的 AI 模型,名称必须以“Solar”开头,并且必须显示“Built with Solar”字样。 - [webAI Non-Commercial License ver. 1.0](https://ai-opensource.com/zh/licenses/webai-non-commercial/): webAI, Inc. 用在 TwIL 系列模型上的简短许可证。它授予永久、全球范围、免版税的版权许可,可以使用、修改和分享权重,但仅限非商业的研究和教育用途。这一限制会随每个衍生作品一起传递。 ## 术语表 - [智能体记忆](https://ai-opensource.com/zh/glossary/agent-memory/): 智能体记忆让 AI 智能体在不同会话之间保留事实、偏好和过往经验,而不是每次都从空白上下文开始。 - [智能体编程(Agentic coding)](https://ai-opensource.com/zh/glossary/agentic-coding/): 智能体编程指模型像开发者一样处理软件:阅读代码库、编辑文件、运行命令和测试,并一直做到任务完成。 - [AI 智能体](https://ai-opensource.com/zh/glossary/ai-agent/): AI 智能体是指由模型规划并完成多步任务的系统,它通过调用工具来行动,例如运行代码、搜索网页或编辑文件。 - [基础模型(Base model)](https://ai-opensource.com/zh/glossary/base-model/): 基础模型是预训练的原始产物,还没有被教会遵循指令或对话,通常是微调的起点。 - [基准测试(Benchmark)](https://ai-opensource.com/zh/glossary/benchmark/): 基准测试是用来比较模型的标准化测试,例如一组数学、编程或知识问题;分数有参考价值,但很容易被过度解读。 - [无分类器引导(CFG)](https://ai-opensource.com/zh/glossary/classifier-free-guidance/): 无分类器引导,通常简称 CFG,是扩散模型里的一项设置,控制结果在多大程度上遵循你的提示词,代价是额外的计算。 - [计算机使用智能体](https://ai-opensource.com/zh/glossary/computer-use-agent/): 计算机使用智能体会查看屏幕截图,像人一样操作电脑:点击、输入、滚动,有时还会运行 shell 命令或代码。 - [上下文窗口](https://ai-opensource.com/zh/glossary/context-window/): 上下文窗口是模型一次最多能考虑的文本量,以 token 计量,其中包括你的提示词和模型自己的回答。 - [决策模型](https://ai-opensource.com/zh/glossary/decision-model/): 决策模型读取一个情境和一组问题,然后给每个允许的答案返回概率,而不是写出文字。 - [稠密模型](https://ai-opensource.com/zh/glossary/dense-model/): 稠密模型处理每个 token 时都会用到全部参数,而混合专家模型只激活其中的一部分。 - [扩散模型](https://ai-opensource.com/zh/glossary/diffusion-model/): 扩散模型从随机噪声出发,一步一步去除噪声,最终生成图像或视频。 - [蒸馏](https://ai-opensource.com/zh/glossary/distillation/): 蒸馏是训练一个较小的“学生”模型去模仿较大的“教师”模型,用很小的体积保留教师的大部分能力。 - [高效注意力(稀疏、线性与混合)](https://ai-opensource.com/zh/glossary/efficient-attention/): 高效注意力设计让模型用比标准注意力少得多的内存和算力读取超长输入,做法是少看一些 token,或压缩过去的内容。 - [嵌入模型](https://ai-opensource.com/zh/glossary/embedding-model/): 嵌入模型把文本、图像或其他数据转换成一串能够表达其含义的数字,使意思相近的内容在空间中彼此靠近。 - [微调](https://ai-opensource.com/zh/glossary/fine-tuning/): 微调是在你自己的示例上继续训练一个预训练模型,让它在特定任务、风格或领域里表现得更好。 - [需授权下载的模型(Gated)](https://ai-opensource.com/zh/glossary/gated-model/): Gated 模型是指在 Hugging Face 上下载前,必须先登录并接受条款或申请访问权限的开放模型。 - [GGUF](https://ai-opensource.com/zh/glossary/gguf/): GGUF 是 llama.cpp 及基于它的工具所使用的单文件模型格式,它把量化后的权重与运行所需的信息打包在一起。 - [幻觉](https://ai-opensource.com/zh/glossary/hallucination/): 幻觉是指 AI 模型信心十足地给出的虚假或编造的陈述。 - [Hugging Face](https://ai-opensource.com/zh/glossary/hugging-face/): Hugging Face 是发布大多数开放模型的网站:每个模型都有一个页面,列出文件、许可证、模型卡和下载量。 - [推理(Inference)](https://ai-opensource.com/zh/glossary/inference/): 推理是指运行已训练好的模型来得到输出,比如回答一个提示词,与“训练模型”相对。 - [KV 缓存](https://ai-opensource.com/zh/glossary/kv-cache/): KV 缓存是模型用来记住对话中此前 token 的内存,它会随上下文长度增长。 - [循环 Transformer](https://ai-opensource.com/zh/glossary/looped-transformer/): 循环 Transformer 会对每个 token 把自己的一部分层重复运行多次,因此不用存储更多参数,就能获得更多计算。 - [LoRA(低秩适配)](https://ai-opensource.com/zh/glossary/lora/): LoRA 是低秩适配的简称,它通过训练一小组新增的权重来微调模型,而不是改动模型的全部参数。 - [机器翻译](https://ai-opensource.com/zh/glossary/machine-translation/): 机器翻译是把文本、语音或图片里的文字从一种语言翻译成另一种语言的软件。如今的开放模型通常以通用模型为起点,再训练成只做翻译。 - [套娃嵌入(Matryoshka embeddings)](https://ai-opensource.com/zh/glossary/matryoshka-embeddings/): 套娃嵌入在训练时就让向量的前半部分也能单独使用,所以你可以把向量截短,以节省存储空间和搜索时间。 - [混合专家模型(MoE)](https://ai-opensource.com/zh/glossary/mixture-of-experts/): 混合专家模型包含许多专门的子网络,每个 token 只使用其中少数几个,因此可以做得很大,同时依然很快。 - [MTEB(嵌入模型基准)](https://ai-opensource.com/zh/glossary/mteb/): MTEB 即大规模文本嵌入基准(Massive Text Embedding Benchmark),在搜索、分类和聚类等众多任务上给嵌入模型打分,其公开排行榜是常用的比较方式。 - [多模态模型](https://ai-opensource.com/zh/glossary/multimodal-model/): 多模态模型能处理不止一种类型的数据,例如文本、图像、音频或视频,可以作为输入、输出,或两者兼有。 - [音乐生成](https://ai-opensource.com/zh/glossary/music-generation/): 音乐生成模型把文字描述(通常还有歌词)变成音频:带人声的完整歌曲、器乐、实时流式音乐或音效。 - [非商业许可证](https://ai-opensource.com/zh/glossary/non-commercial-license/): 非商业许可证允许你把模型用于研究、学习和个人项目,但不允许用它赚钱。 - [OCR 与文档解析](https://ai-opensource.com/zh/glossary/ocr/): OCR 把图片中的文字转成文本;文档解析则更进一步,重建表格、公式、图表和阅读顺序,通常输出 Markdown。 - [OmniDocBench](https://ai-opensource.com/zh/glossary/omnidocbench/): OmniDocBench 是文档解析基准:它给模型把各种类型的 PDF 页面转成文本、表格和公式的能力打分。 - [端侧 AI(On-device AI)](https://ai-opensource.com/zh/glossary/on-device-ai/): 端侧 AI 指模型在你自己的手机、笔记本或小型开发板上运行,而不是在云端,所以数据留在本地,也能离线使用。 - [开源 AI](https://ai-opensource.com/zh/glossary/open-source-ai/): 按开源促进会(OSI)的定义,开源 AI 是指你可以自由使用、研究、修改和分享的 AI 系统,其权重、代码以及训练数据的详细信息都必须公开。 - [开放权重](https://ai-opensource.com/zh/glossary/open-weights/): 开放权重模型是指公开了训练得到的参数(即权重)的 AI 模型,任何人都可以下载并运行,通常附带一份规定使用条件的许可证。 - [兼容 OpenAI 的 API](https://ai-opensource.com/zh/glossary/openai-compatible-api/): 兼容 OpenAI 的 API 是指能接受与 OpenAI API 相同请求的服务器,这样为 OpenAI 编写的应用就可以改用开放模型。 - [OpenRAIL(负责任 AI 许可证)](https://ai-opensource.com/zh/glossary/openrail/): OpenRAIL 是一类许可证:允许你使用、修改和分享模型,包括商用,但要求每一份副本和衍生模型都附带一份禁止用途清单。 - [参数](https://ai-opensource.com/zh/glossary/parameters/): 参数是模型内部在训练中被调整的数字,参数数量(如 7B 或 70B)是衡量模型规模的常用指标。 - [宽松许可证](https://ai-opensource.com/zh/glossary/permissive-license/): 宽松许可证(如 Apache 2.0 或 MIT)允许你使用、修改和销售模型,附加条件很少,通常只要求保留声明。 - [精度(BF16、FP8、INT4)](https://ai-opensource.com/zh/glossary/precision/): 精度指的是模型中每个数字用多少比特位来存储,例如 16 位的 BF16、8 位的 FP8 或 4 位的 INT4;位数越少,模型越小、越快。 - [量化](https://ai-opensource.com/zh/glossary/quantization/): 量化是用更少的比特位(例如 4 位而不是 16 位)来存储模型权重,以较小的质量代价减少内存占用并加快推理。 - [量化感知训练(QAT)](https://ai-opensource.com/zh/glossary/quantization-aware-training/): 量化感知训练让模型在训练阶段就适应低精度权重,所以在 4 位下的质量损失,比事后压缩的模型更小。 - [检索增强生成(RAG)](https://ai-opensource.com/zh/glossary/rag/): 检索增强生成让模型能够根据你自己的文档来回答问题:先检索出相关段落,再把它们加入提示词。 - [推理模型(Reasoning Model)](https://ai-opensource.com/zh/glossary/reasoning-model/): 推理模型在给出最终答案之前,会先经过一个可见或不可见的“思考”阶段,一步一步地解决问题。 - [强化学习(RL)](https://ai-opensource.com/zh/glossary/reinforcement-learning/): 强化学习通过奖励好的结果来训练模型,例如答对问题或通过测试,而不是让模型去模仿示例文本。 - [重排序模型(Reranker)](https://ai-opensource.com/zh/glossary/reranker/): 重排序模型把问题和每条搜索结果放在一起阅读,对一小批结果重新打分,比单用嵌入更准确,但更慢。 - [营收上限(Revenue cap)](https://ai-opensource.com/zh/glossary/revenue-cap/): 营收上限是一种许可证条件:收入低于某个数额时模型免费使用,超过之后需要另行签订协议。 - [采样步数](https://ai-opensource.com/zh/glossary/sampling-steps/): 采样步数是扩散模型把噪声变成图像或视频所经历的计算轮数。步数越少,结果越快,通常会损失一些细节或多样性。 - [自托管(Self-hosting)](https://ai-opensource.com/zh/glossary/self-hosting/): 自托管指在你能控制的硬件上运行模型,例如自己的电脑或租来的 GPU 服务器,而不是调用厂商的 API。 - [自主 AI(Sovereign AI)](https://ai-opensource.com/zh/glossary/sovereign-ai/): 自主 AI 指一个国家或机构可以在自己控制之下构建、托管和管理的 AI,从算力、数据到模型本身。 - [说话人分离(说话人标签)](https://ai-opensource.com/zh/glossary/speaker-diarization/): 说话人分离会判断录音中谁在什么时候说话,并给每一段语音标上说话人,例如说话人 1 和说话人 2。 - [推测解码与多 token 预测](https://ai-opensource.com/zh/glossary/speculative-decoding/): 推测解码用一个便宜的草稿模型先猜出后面的若干个 token,再让完整模型一次性检查,以此加快文本生成。 - [语音识别(ASR、语音转文字)](https://ai-opensource.com/zh/glossary/speech-recognition/): 语音识别又称 ASR 或语音转文字,把说出的音频转成书面文字。 - [三值权重(Ternary weights,1.58 位)](https://ai-opensource.com/zh/glossary/ternary-weights/): 三值权重把每个模型权重限制为 -1、0 或 +1 三个值之一,所以每个权重只需不到 2 位,而不是 16 位。 - [地域限制(Territory restriction)](https://ai-opensource.com/zh/glossary/territory-restriction/): 地域限制规定许可证在哪些地方有效:在被排除的国家或地区使用该模型,就没有获得许可。 - [文本编码器](https://ai-opensource.com/zh/glossary/text-encoder/): 在图像或视频生成模型里,文本编码器是一个独立的语言模型,负责把你的提示词变成生成器能用的数字。它会增加下载量和内存占用。 - [文字转语音(TTS)](https://ai-opensource.com/zh/glossary/text-to-speech/): 文字转语音模型把文字转成语音,许多模型还能用一小段样音复制某个声音。 - [Token(词元)](https://ai-opensource.com/zh/glossary/token/): Token(词元)是语言模型读写的最小文本片段,通常是一个词或词的一部分;模型用 token 来衡量长度和速度。 - [工具调用(Function calling)](https://ai-opensource.com/zh/glossary/tool-calling/): 工具调用让模型请求你的程序运行某个函数,例如搜索或计算器,然后在回答中使用函数返回的结果。 - [翻译评测指标](https://ai-opensource.com/zh/glossary/translation-metrics/): 翻译评测指标是模型卡用来给译文打分的数值。有的统计与人工参考译文的重合度,有的用训练过的模型或人工评审,它们的刻度不能直接比较。 - [统一内存](https://ai-opensource.com/zh/glossary/unified-memory/): 统一内存是 Apple 芯片和其他一些芯片采用的设计,CPU 和 GPU 共用同一块内存,因此大模型可以使用其中的大部分。 - [视觉语言模型(VLM)](https://ai-opensource.com/zh/glossary/vision-language-model/): 视觉语言模型能同时读取图像(通常还有视频)和文本,所以你可以针对一张图片、一张截图或一页文档提问。 - [声音克隆](https://ai-opensource.com/zh/glossary/voice-cloning/): 声音克隆让文字转语音模型用某个人的声音说话,往往只需几秒钟的录音。 - [显存(VRAM)](https://ai-opensource.com/zh/glossary/vram/): 显存是显卡上的内存,它决定了一块 GPU 能容纳哪些模型,因为权重必须装得进内存,模型才能快速运行。 - [词错误率(WER)](https://ai-opensource.com/zh/glossary/word-error-rate/): 词错误率是语音识别的标准评分:转写稿中与正确参考稿相比,错误、缺失或多余的词所占的比例。 ## 工具 - [AI Toolkit](https://ai-opensource.com/zh/tools/ai-toolkit/): Ostris 出品的一体化训练套件,覆盖图像、视频和音频扩散模型,有网页界面和命令行两种用法。 - [AnythingLLM](https://ai-opensource.com/zh/tools/anythingllm/): 一体化应用:与你的文档对话、构建智能体、运行本地模型,既有桌面版,也有多用户的 Docker 服务器版。 - [Axolotl](https://ai-opensource.com/zh/tools/axolotl/): 免费的微调框架,由一个 YAML 文件驱动,支持 LoRA、QLoRA、偏好微调,以及面向 MoE 模型的 NVFP4 和专家并行训练。 - [ComfyUI](https://ai-opensource.com/zh/tools/comfyui/): 面向开放图像、视频、音频和 3D 模型的节点式工作室:搭建可视化工作流,并在自己的 GPU 上运行。 - [DiffSynth-Studio](https://ai-opensource.com/zh/tools/diffsynth-studio/): ModelScope 社区的开源扩散模型引擎,可在配置不高的 GPU 上运行和训练图像、视频和音频模型。 - [Diffusers](https://ai-opensource.com/zh/tools/diffusers/): Hugging Face 的 Python 库,用于运行和训练图像、视频和音频的扩散模型。 - [ExLlamaV3](https://ai-opensource.com/zh/tools/exllamav3/): 面向消费级 GPU 的 CUDA 推理库,带自有的 EXL3 量化、张量并行和针对 MoE 模型的 CPU 卸载。 - [InvokeAI](https://ai-opensource.com/zh/tools/invokeai/): 自托管的 AI 图像生成创作工作室,带分层画布、基于节点的工作流和模型管理器。 - [Jan](https://ai-opensource.com/zh/tools/jan/): 免费开源的桌面版 ChatGPT 替代品,可下载并离线运行开放模型,也能连接云端 API。 - [KoboldCpp](https://ai-opensource.com/zh/tools/koboldcpp/): 单文件应用,用内置网页界面运行 GGUF 模型,还能生成图像、视频、语音和音乐。 - [KTransformers](https://ai-opensource.com/zh/tools/ktransformers/): 研究型框架,让 GPU 和 CPU 内存分担工作,来运行超大的混合专家模型。 - [LightX2V](https://ai-opensource.com/zh/tools/lightx2v/): 面向图像和视频生成的轻量推理框架,提供蒸馏模型、量化和多种硬件后端。 - [llama.cpp](https://ai-opensource.com/zh/tools/llama-cpp/): 本地 AI 背后的 C/C++ 引擎:几乎能在任何硬件上运行量化模型,提供命令行工具和兼容 OpenAI 的服务器。 - [LLaMA-Factory](https://ai-opensource.com/zh/tools/llama-factory/): 用零代码的命令行或网页界面微调 100 多个模型,涵盖 LoRA、QLoRA、DPO 和多模态训练。 - [LM Studio](https://ai-opensource.com/zh/tools/lm-studio/): 一款精致的桌面应用,用来下载、对话和托管本地模型,内置智能体和离线语音转写。 - [LocalAI](https://ai-opensource.com/zh/tools/localai/): 自托管服务器,把语言、视觉、语音、图像和视频模型放在兼容 OpenAI、Anthropic 和 ElevenLabs 的 API 后面。 - [MLC LLM](https://ai-opensource.com/zh/tools/mlc-llm/): 基于编译器的引擎,用同一个模型部署到手机、浏览器、笔记本和 GPU 上,并提供兼容 OpenAI 的 API。 - [MLX LM](https://ai-opensource.com/zh/tools/mlx-lm/): Apple 推出的 Python 包,用 MLX 框架在 Apple 芯片 Mac 上生成文本并微调语言模型。 - [Ollama](https://ai-opensource.com/zh/tools/ollama/): 在自己电脑上下载并运行开放模型的最简单方式:一条命令即可对话,还提供本地 API 供其他应用调用。 - [Open WebUI](https://ai-opensource.com/zh/tools/open-webui/): 可自行托管的聊天界面,支持 Ollama 和任何兼容 OpenAI 的 API,可完全离线运行。 - [SGLang](https://ai-opensource.com/zh/tools/sglang/): 面向语言、视觉和扩散模型的高速开源服务框架,针对智能体和大规模部署做了优化。 - [stable-diffusion.cpp](https://ai-opensource.com/zh/tools/stable-diffusion-cpp/): 仿照 llama.cpp 的 C/C++ 引擎,运行 FLUX、Qwen-Image、Z-Image 和 Wan 等图像与视频扩散模型。 - [TensorRT LLM](https://ai-opensource.com/zh/tools/tensorrt-llm/): NVIDIA 的推理引擎,在 NVIDIA GPU 上运行大语言模型和视觉生成模型,带优化内核和 Python API。 - [Text Embeddings Inference](https://ai-opensource.com/zh/tools/text-embeddings-inference/): Hugging Face 的快速服务器,用于部署开放的文本嵌入、重排序和分类模型,以小型 Docker 镜像发布。 - [Hugging Face Transformers](https://ai-opensource.com/zh/tools/transformers/): 定义了大多数开放模型的 Python 库:在模型发布当天加载、运行和微调它的标准方式。 - [Unsloth](https://ai-opensource.com/zh/tools/unsloth/): 通过桌面应用、网页界面或代码运行和微调开放模型,支持导出 GGUF,并对许多新发布的模型首日适配。 - [vLLM](https://ai-opensource.com/zh/tools/vllm/): 使用最广泛的开源大规模语言模型服务引擎,以 PagedAttention 和连续批处理实现高吞吐,并提供兼容 OpenAI 的 API。 - [vLLM-Omni](https://ai-opensource.com/zh/tools/vllm-omni/): vLLM 项目推出的服务框架,面向不止处理文本的模型:语音、图像、视频和动作模型。 - [whisper.cpp](https://ai-opensource.com/zh/tools/whisper-cpp/): OpenAI Whisper 的无依赖 C/C++ 移植版,可在 CPU、Apple Silicon、GPU 和手机上转写语音。 ## 开发方 - [Abacus.AI](https://ai-opensource.com/zh/developers/abacusai/): 一家面向专业人士和企业提供 AI 助手平台的公司,也在 Hugging Face 上发布开放的 Smaug 模型,从 2024 年的 Smaug-72B 到 2026 年 10 月的 Smaug-Decisions 音频、图像和文本决策模型,后者采用 Apache 2.0。 - [ACE-Step](https://ai-opensource.com/zh/developers/ace-step/): ACE-Step 是由 ACE Studio 和阶跃星辰(StepFun)共同牵头的开源音乐生成项目。它的 ACE-Step 1.5 模型于 2026 年 1 月发布,4 月又推出 4B 的 XL 版本,采用 MIT 许可证,用授权、免版税和合成数据训练。 - [Adventists AI](https://ai-opensource.com/zh/developers/adventists-ai/): 一家语音智能体公司,中文名为 AI降临派,发布采用 Apache 2.0 的 Sophon-Realtime 全双工语音模型,以及直接从音频判断轮流说话和语气的 DuplexJev 模型,后者采用 CC BY-NC。 - [Allen Institute for AI (Ai2)](https://ai-opensource.com/zh/developers/ai2/): 美国的非营利研究机构。其 Olmo 模型是“完全开放”的:除权重外,还公开训练数据、代码和中间检查点,方便研究者复现和研究模型是如何构建的。 - [Aleph Alpha](https://ai-opensource.com/zh/developers/aleph-alpha/): 一家德国 AI 公司,为政府和受监管行业构建模型,强调“主权”供应链:在欧洲依据欧洲法律完成训练。其 Kolibri 1 模型以 Apache 2.0 发布。 - [Alibaba Qwen](https://ai-opensource.com/zh/developers/alibaba-qwen/): 阿里巴巴的 Qwen(通义千问)团队,开放权重模型家族最丰富的团队之一,从小型稠密模型到 2.4 万亿参数的旗舰一应俱全,许可证从 Apache 2.0 到自定义 Qwen 条款不等。 - [Alibaba Wan](https://ai-opensource.com/zh/developers/alibaba-wan/): 阿里巴巴的视频生成团队。其 Wan 2.1、Wan 2.2 以及基于它们的角色动画模型以 Apache 2.0 开放权重;更新的 Wan 版本只通过阿里的应用和 API 提供。 - [AutoTrust AI Lab](https://ai-opensource.com/zh/developers/autotrust/): 一个在 Hugging Face 上以 Apache 2.0 发布 Decider 决策模型的实验室,模型基于 Qwen 和 Gemma,同时上架 ModelScope,另有 news.guru.so 上的新闻推荐与搜索演示。除了 Hugging Face 和 ModelScope 的主页,我们没有找到该机构更多的公开信息,它的模型卡仍然使用旧名称 JEV 和 GEV。 - [BAAI](https://ai-opensource.com/zh/developers/baai/): 北京智源人工智能研究院,中国的研究机构。它通过 FlagOpen 这个 GitHub 组织发布的 BGE 嵌入和重排序模型,是 Hugging Face 上下载量最高的检索模型之一。2026 年 9 月以 Apache 2.0 许可证发布的 AREX-2 智能体模型基于 Qwen3.8-27B。 - [Baidu](https://ai-opensource.com/zh/developers/baidu/): 中国互联网与 AI 公司,文心(ERNIE)系列模型和飞桨(PaddlePaddle)深度学习框架的开发方。开放发布的模型包括采用 MIT 和 Apache 2.0 许可证的小型文档解析模型。 - [Bilibili](https://ai-opensource.com/zh/developers/bilibili/): 中国的视频平台。它的 Index 大模型团队以 IndexTeam 的名义在 Hugging Face 上发布开放权重模型,代表作是 Index-Translate 系列,涵盖文本、图像、语音和长文档翻译。 - [Black Forest Labs](https://ai-opensource.com/zh/developers/black-forest-labs/): 德国 AI 公司,由 Stable Diffusion 的研究者创立,开发 FLUX 图像模型。最大的模型通过 API 收费提供,较小的模型以自家的 FLUX 许可证开放权重。 - [Boson AI](https://ai-opensource.com/zh/developers/boson-ai/): Boson AI USA, Inc. 开发面向语音 AI 的 Higgs 音频模型,并通过托管 API 销售。它也在 Hugging Face 上发布权重,其中 Higgs TTS 3 采用自有的研究与非商业许可证,并对变现的创作者内容提供免费授权。 - [BreezeBlue](https://ai-opensource.com/zh/developers/breezeblue/): BreezeBlue 是 Resonia, Inc. 的商号,运营托管的语音平台和 API。它发布 Breeze TTS 2 文本转语音权重,仅限研究和非商业使用,推理代码采用 Apache 2.0,商业使用只能通过它自己的服务。 - [Bria AI](https://ai-opensource.com/zh/developers/bria/): 一家位于特拉维夫的公司,销售基于授权数据训练的视觉生成式 AI,提供托管 API 和商业许可。它以 FIBO 之名发布非商业的开放权重,代表作是 FIBO 2.0 图像模型。 - [Cactus Compute](https://ai-opensource.com/zh/developers/cactus-compute/): 总部在旧金山的创业公司,来自 Y Combinator 2025 年夏季批次。它开发极小的端侧 AI 模型,以及面向手机、可穿戴设备、机器人等低功耗硬件的开源 Cactus 推理引擎。Needle、Whistle 和 Mirage 模型采用 Apache 2.0 许可证。 - [CircleStone Labs](https://ai-opensource.com/zh/developers/circlestone-labs/): CircleStone Labs LLC 发布了 Anima,这是它与 Comfy Org 合作开发的 2B 动漫和插画文生图模型。权重采用它自己的非商用许可证,而你生成的图片可以商用。 - [Cloudflare](https://ai-opensource.com/zh/developers/cloudflare/): 美国的网络与云服务公司,运营托管 AI 模型的 Workers AI 服务。Clef 是一组基于 Qwen 后训练的决策模型,以 Apache 2.0 许可证发布,也是其 Workers AI 团队训练的第一个模型。 - [Cohere](https://ai-opensource.com/zh/developers/cohere/): 加拿大的企业 AI 公司,其研究部门 Cohere Labs 发布开放权重。其早期的 Command 模型以 CC BY-NC 许可仅限非商业使用;Command A+ 改用 Apache 2.0。 - [Datalab](https://ai-opensource.com/zh/developers/datalab/): 开发 Marker、Surya 和 Chandra 文档转换工具的美国公司。它公开发布 OCR 模型,采用修改版 Open RAIL-M 许可证,研究、个人使用和小型组织可免费使用。Surya OCR 2 的营收和融资上限是 500 万美元,Chandra OCR 2 是 200 万美元。 - [Deep Principle](https://ai-opensource.com/zh/developers/deep-principle/): 深度原理(Deep Principle)研发面向材料和化学研究的人工智能,包括把模型与模拟和实验室实验连接起来的 AI 科学家 Mira。它以 MIT 许可证发布了 Hydrogen-1.0,这是基于 GLM-5.3 做科学领域后训练的模型。 - [DeepReinforce](https://ai-opensource.com/zh/developers/deepreinforce/): 位于加州的 AI 研究创业公司,在 Hugging Face 的 ornith-ai 组织下发布 Ornith 智能体编程模型。Ornith 1.0 和 1.5 基于 Qwen3.5 和 Gemma 4 做后训练,采用 MIT 许可证,没有地域限制。 - [DeepSeek](https://ai-opensource.com/zh/developers/deepseek/): 中国 AI 实验室,以高效的大型混合专家模型著称。权重以 MIT 许可证发布,并公开详尽的技术报告。 - [Fish Audio](https://ai-opensource.com/zh/developers/fish-audio/): 以开源项目 Fish Speech 闻名的语音 AI 公司,许可证中的法律主体是 39 AI, Inc.,办公室在帕洛阿尔托和东京。2026 年 10 月发布的 Drama 3 是一个 360 亿参数的混合专家文字转语音模型,采用 Fish Audio Community License,而 2026 年 3 月发布的较小的 S2 Pro 仍然采用研究和非商业许可证。 - [Google DeepMind](https://ai-opensource.com/zh/developers/google-deepmind/): 谷歌旗下的人工智能研究实验室。其开放权重的 Gemma 系列覆盖从手机到工作站的多种尺寸,自 Gemma 4 起改用 Apache 2.0 许可证发布。它的 Magenta 团队还发布了 Magenta RealTime 2,这是一个能在 MacBook 上实时演奏的开放音乐模型。 - [Gradium](https://ai-opensource.com/zh/developers/gradium/): 巴黎的语音 AI 公司,从 Kyutai 实验室分拆而来,由该实验室的联合创始人创办,在巴黎和旧金山设有办公室。它销售语音 API,并开源了端侧 Phonon 文本转语音模型。英文版 Phonon 31m 采用 Apache 2.0,更大的 40m 模型采用 CC BY-NC。 - [HeartMuLa](https://ai-opensource.com/zh/developers/heartmula/): HeartMuLa 团队发布开放的音乐基础模型:HeartMuLa 歌曲生成模型、HeartCodec 音频编解码器,以及用于歌词识别的 HeartTranscriptor。这些模型采用 Apache 2.0,而 2026 年 9 月的翻唱模型 MuLaCover 采用 CC BY-NC 4.0。 - [hexgrad](https://ai-opensource.com/zh/developers/hexgrad/): 独立开发者,在 Hugging Face 和 GitHub 上叫 hexgrad,在 Discord 上叫 rzvzn,训练并发布了 Kokoro 文本转语音模型。Kokoro-82M 有 8200 万参数,采用 Apache 2.0,是下载量最高的开放语音模型之一。我们没有找到开发者公开的国家或所属机构,所以不显示这两项。 - [HiDream.ai](https://ai-opensource.com/zh/developers/hidream/): 一家图像生成公司,在 Hugging Face 的 HiDream-ai 组织下发布模型,从 2025 年的 HiDream-I1 和 HiDream-E1,到 2026 年 5 月以 MIT 许可证发布的 8B 模型 HiDream-O1-Image。 - [IBM](https://ai-opensource.com/zh/developers/ibm/): Granite 开放模型家族的开发方,面向企业使用,涵盖语言、语音、嵌入和安全护栏模型。大多数 Granite 模型采用 Apache 2.0,但至少有一个语音变体仅限非商业使用,所以请逐个仓库确认。 - [Ideogram](https://ai-opensource.com/zh/developers/ideogram/): Ideogram 图像生成服务及其托管 API 背后的公司。2026 年 6 月发布的 Ideogram 4 是它的第一个开放权重模型,权重仅限非商业使用,推理代码采用 Apache 2.0。 - [Institute of Foundation Models (MBZUAI)](https://ai-opensource.com/zh/developers/ifm/): 基础模型研究院(Institute of Foundation Models,IFM)是阿布扎比穆罕默德·本·扎耶德人工智能大学(MBZUAI)的研究机构,也是 LLM360 背后的团队。它发布 K2 Horizon 模型和 Jais 3,权重和代码采用 Apache 2.0,并公开中间检查点、训练日志,以及数据或数据配方。 - [inclusionAI (Ant Group)](https://ai-opensource.com/zh/developers/inclusion-ai/): 由蚂蚁集团发起的开放 AI 项目,蚂蚁集团是中国的金融科技公司。它发布 Ling 系列语言模型和相关研究,以及 Ming-Image 0.1 Design 等图像模型;近期的 Ling-3.1 和 Ming-Image 版本采用 MIT 许可证。 - [JetBrains](https://ai-opensource.com/zh/developers/jetbrains/): JetBrains 是一家软件公司,2000 年在布拉格创立,总部位于阿姆斯特丹,开发 IntelliJ IDEA 和 PyCharm 等开发者工具。它的 Mellum 模型面向代码和编程智能体,以开放权重发布,采用 Apache 2.0 许可证。 - [Jina AI](https://ai-opensource.com/zh/developers/jina-ai/): 总部位于柏林的搜索 AI 公司,开发多语言和多模态嵌入模型、重排序模型和小型语言模型。Elastic 于 2025 年 10 月完成对 Jina AI 的收购,最新的 v5 模型仍发布在 Hugging Face 上,采用非商业许可证。 - [Kandinsky Lab](https://ai-opensource.com/zh/developers/kandinsky-lab/): Kandinsky 图像和视频扩散模型背后的研究团队,在 GitHub 和 Hugging Face 上发布模型和代码。2026 年 10 月以 MIT 许可证发布的 Kandinsky 6.0 Video 可以生成带同步音频的五秒视频。 - [KittenML (Stellon Labs)](https://ai-opensource.com/zh/developers/kittenml/): 以 KittenML 之名发布 Kitten-TTS 模型的语音 AI 公司,其许可证中的版权方是 Stellon Labs Inc.。较早的 Kitten-TTS 0.8 模型参数量为 15M 到 80M,可在 CPU 上运行;Kitten-TTS 2 是 17 亿参数的三值模型,采用 Stellon Labs 社区许可证,在营收或融资超过 100 万美元之前可免费使用。 - [KRAFTON](https://ai-opensource.com/zh/developers/krafton/): KRAFTON 是韩国游戏公司,KRAFTON AI 是它的 AI 团队。2026 年 10 月它以 Apache 2.0 发布了 Raon-1 mini preview,这是从零训练的 288 亿参数混合专家语言模型,韩语能力突出。 - [Krea](https://ai-opensource.com/zh/developers/krea/): Krea.ai, Inc.,一家在特拉华州注册的公司,运营面向图像、视频和 3D 的创意应用。它的开放版本是 Krea 2,一个从零训练的图像模型,分 Raw 基础版和 Turbo 版。更新的 Krea 3 不在 Hugging Face 上。 - [Kyutai](https://ai-opensource.com/zh/developers/kyutai/): 位于巴黎的非营利开放科学 AI 实验室,2023 年 11 月由 Iliad 集团、CMA CGM 和 Schmidt Sciences 共同创立。它最知名的成果是 Moshi 语音对话模型和 Mimi 音频编解码器。它的 Pocket TTS 能在笔记本 CPU 上运行带声音克隆的语音模型,代码用 MIT,权重用 CC BY 4.0。 - [LG AI Research](https://ai-opensource.com/zh/developers/lg-ai-research/): 韩国 LG 集团的人工智能研究机构,EXAONE 和 K-EXAONE 模型家族的开发方。2026 年 7 月 31 日为政府支持的自主 AI 基础模型项目发布的 K-EXAONE 2.0 是 7500 亿参数的混合专家模型,采用 Apache 2.0。 - [LightOn](https://ai-opensource.com/zh/developers/lighton/): 法国企业级 AI 公司,提供面向企业文档的 AI 搜索平台。开放发布的模型包括采用 Apache 2.0 许可证的小型 LightOnOCR 文档模型。 - [Liquid AI](https://ai-opensource.com/zh/developers/liquid-ai/): 一家美国公司,为手机、笔记本等边缘设备构建小而快的“Liquid Foundation Models”,架构混合了短卷积与注意力。除了 LFM 语言模型,它还发布 Liquid d1 这样的小型决策模型。其模型采用 LFM Open License,年营收低于 1000 万美元可免费商用。 - [LTX (Lightricks)](https://ai-opensource.com/zh/developers/ltx/): 以色列公司,LTX 视频模型的开发者。2026 年 6 月,LTX 成为消费级创意应用公司 Lightricks 旗下的独立业务单元,其 Hugging Face 和 GitHub 组织仍沿用 Lightricks 的名字。它发布的开放权重对年营收低于 1000 万美元的组织免费。LTX-2.3 仍使用 2026 年 1 月的 LTX-2 许可证,LTX-2.5 则使用更新的 LTX-2.x 许可证。 - [M-A-P](https://ai-opensource.com/zh/developers/m-a-p/): M-A-P(Multimodal Art Projection)是一个开源研究社区,开发了 YuE、MERT 和 SheetSage 等开放音乐模型。它的 YuE2 歌曲生成模型于 2026 年 9 月与 Tokenwave.AI、MBZUAI 和 ACE Studio 合作发布,权重采用 CC BY-NC 4.0,只能非商业使用。 - [Maritaca AI](https://ai-opensource.com/zh/developers/maritaca-ai/): 一家巴西公司,开发面向巴西葡萄牙语的语言模型,并通过自己的聊天和 API 提供。它的旗舰 S5 就是这样提供的,而 2026 年 11 月发布的 S5-nano 基于 Qwen3.5-4B,采用 Apache 2.0,开放权重。 - [Maya Research](https://ai-opensource.com/zh/developers/maya-research/): 一家语音 AI 初创公司,获得 South Park Commons 190 万美元种子轮融资,为印度语言构建语音模型,并通过托管 API 提供。它在 Hugging Face 上发布 Maya 和 Veena 文字转语音模型,其中 Maya 2 Native 采用 Apache 2.0。 - [Meituan](https://ai-opensource.com/zh/developers/meituan/): 中国的外卖和本地生活服务平台。其 LongCat 团队发布开放权重模型,包括 2026 年 7 月的 LongCat-2.0,以及 2026 年 11 月采用 MIT 许可证、1.6T 参数的多模态模型 LongCat-2.5。 - [MemTensor](https://ai-opensource.com/zh/developers/memtensor/): 中国公司,MemOS 的开发方,MemOS 是面向大模型智能体的开源记忆框架。它的 MemT-1.0 模型把记忆状态直接做进模型内部,Nano 权重采用 Apache 2.0,Flash 权重采用 MIT。 - [Meta](https://ai-opensource.com/zh/developers/meta/): Llama 系列模型的开发方。新的 Muse 系列包括面向本地使用的小型 Apache 2.0 模型 Muse Glimmer,以及规模大得多、采用自定义许可证的 Muse Spark Open。 - [Microsoft](https://ai-opensource.com/zh/developers/microsoft/): 美国科技公司。旗下研究团队在 Hugging Face 和 GitHub 上发布开放模型,通常采用 MIT 许可证,其中包括微软研究院的 VibeVoice 语音模型和 Harrier 文本嵌入模型。Mage-VL 视觉语言模型则采用 Apache 2.0。 - [MiniMax](https://ai-opensource.com/zh/developers/minimax/): 总部位于上海的 AI 公司,MiniMax-M 系列高效混合专家语言模型、H3 视频和图像模型以及 Music 3 歌曲生成模型的开发方。它的许可证因模型而异:M2.5 采用带有声明和禁止用途规则的宽松风格许可证,M2.7 仅限非商业使用,M3 的社区许可证允许免费的非商业使用,并对商用设定了通知、署名和营收规则。H3 系列的许可证还把美国、欧盟、英国和韩国排除在外,Music 3 的许可证要求在界面上署名,营收超过 2000 万美元则需要书面授权。 - [Mistral AI](https://ai-opensource.com/zh/developers/mistral-ai/): 总部位于巴黎的 AI 公司,欧洲最知名的开放权重实验室。它把模型定位为可自主掌控、可自托管的主权 AI;Mistral Large 4 采用修改版 MIT 许可证,对托管业务另有规定。 - [Moonshot AI](https://ai-opensource.com/zh/developers/moonshot-ai/): 中国 AI 公司,Kimi 助手的开发方。Kimi K3 和 K3.1 Pro 是目前规模最大的开放权重模型之一,采用自定义许可证,对大型托管业务设有条件。更早的 K2.5、K2.6 和 K2.7 Code 采用改良版 MIT 许可证,只要求超大型产品标明模型名称。 - [Motif Technologies](https://ai-opensource.com/zh/developers/motif-technologies/): 韩国人工智能公司,模型、分词器和训练栈都由自己设计。2026 年 8 月发布的 Motif 3 是 3140 亿参数的混合专家模型,采用 MIT 许可证,为政府支持的自主 AI 基础模型项目而开发。 - [Nanbeige LLM Lab](https://ai-opensource.com/zh/developers/nanbeige/): 南北阁(Nanbeige)是中国招聘平台 BOSS 直聘的大语言模型研究团队。它以 Nanbeige4 的名字发布开放权重的智能体模型,从 3B 级小模型到 33B 的 Nanbeige4.3;模型卡标注 Apache 2.0,但仓库里没有 LICENSE 文件。 - [NetEase Youdao](https://ai-opensource.com/zh/developers/netease-youdao/): 总部设在北京的中国公司,在 Hugging Face 上发布 Confucius 模型家族,包括 Confucius4、一个文本转语音模型和流式语音识别模型 Confucius4-R2T2,还有 QAnything 问答项目。R2T2 采用网易有道模型使用许可协议,月活跃用户低于 1 亿且年营收低于 10 亿元人民币时可免费商用。 - [Nex-AGI](https://ai-opensource.com/zh/developers/nex-agi/): 一个开源基础模型团队,其 GitHub 组织 SII Nex 称由上海创智学院(Shanghai Innovation Institute)及合作伙伴共同打造。它的 Nex-N2 智能体模型基于 DeepSeek-V4-Pro-Base 和 GLM-5.3-Flash 等开放底座,标注为 Apache 2.0。 - [Nous Research](https://ai-opensource.com/zh/developers/nous-research/): 一家美国的人工智能研究公司,训练包括 Hermes 系列在内的开放模型,并开发开源的智能体框架 Hermes Agent。它在 2026 年 11 月发布的 Arete-27B 是对阿里巴巴 Qwen3.8-27B 的后训练版本,采用 Apache 2.0。 - [NuMind](https://ai-opensource.com/zh/developers/numind/): 一家文档 AI 公司,构建面向结构化数据提取和 OCR 的专用模型,并通过 NuExtract 平台提供服务。它把模型发布在 Hugging Face 上,称 NuExtract 系列下载量已超过 200 万次,NuMarkdown-Thinking-8B 超过 150 万次。NuExtract3 采用 Apache 2.0。 - [NVIDIA](https://ai-opensource.com/zh/developers/nvidia/): GPU 厂商,同时以 Nemotron 之名发布开放模型、数据集和训练配方,也发布语音、机器人和生物领域的模型。近期的 Nemotron 版本采用宽松的 OpenMDW-1.1 许可证,Nemotron 3 Nano Omni 采用 NVIDIA Open Model Agreement,LocateAnything-3B 则是仅限研究的 NVIDIA License。 - [OpenAI](https://ai-opensource.com/zh/developers/openai/): ChatGPT 的开发公司。其 2025 年 8 月发布的 gpt-oss 是采用 Apache 2.0 的开放权重推理模型。2026 年 4 月发布的 Privacy Filter 同样采用 Apache 2.0,是一个能找出文本中个人信息的小模型,此外它还发布了 Whisper 语音识别模型。 - [OpenBMB](https://ai-opensource.com/zh/developers/openbmb/): 中国的开源大模型社区,与面壁智能共同发布 MiniCPM、AgentCPM 和 VoxCPM 系列模型。它专注于适合手机和笔记本的小型高效模型,近期的发布采用 Apache 2.0。 - [OpenMOSS](https://ai-opensource.com/zh/developers/openmoss/): OpenMOSS 是上海创智学院(Shanghai Innovation Institute)下的研究团队,与复旦大学和 MOSS-AI 紧密合作。它以 MOSS 的名字发布开放模型,其中包括与 MOSI.AI 共同打造的 MOSS-TTS 语音家族(MOSS-TTS、MOSS-TTS-Nano 和 MOSS-TTSD,均为 Apache 2.0)、采用 Apache 2.0 的 1.3B 文字转音效模型 MOSS-SoundEffect v2.0、2026 年 10 月以 Apache 2.0 发布的 5B 文生图模型 MOSS-Image,以及 0.9B 的 MOSS-Transcribe-Diarize,它能转写带说话人标签的长篇多人录音。 - [Perplexity](https://ai-opensource.com/zh/developers/perplexity/): Perplexity 答案引擎背后的美国公司。它在 Hugging Face 上发布 pplx-embed 嵌入模型(大多采用 MIT 许可证)和采用 Apache 2.0 的 pplx-decider 决策模型,另有 PII-Tracer 和 BrowseSafe 等其他模型。 - [Phạm Nguyễn Ngọc Bảo (VieNeu-TTS)](https://ai-opensource.com/zh/developers/pham-nguyen-ngoc-bao/): 独立开发者,开发面向越南语语音的 VieNeu-TTS 项目,在 Hugging Face 上使用 pnnbao-ump 账号,在 GitHub 上是 pnnbao97。v3 Turbo 的模型卡称其架构是作者自己设计的,并且是从零训练的;项目附带 Python SDK 和兼容 OpenAI 的语音服务器。权重采用 Apache 2.0。 - [Pika](https://ai-opensource.com/zh/developers/pika/): Pika 是美国的视频生成公司,提供托管的视频应用和 API。2026 年 10 月它发布了 Pika H3 Flex:这是对 MiniMax H3 的后训练版本,六个采样步骤就能生成带声音的视频,以开放适配器的形式发布,采用 MiniMax H3 Community License。 - [Poolside](https://ai-opensource.com/zh/developers/poolside/): 总部位于旧金山、2023 年成立的 AI 公司,专注于智能体编程模型。Laguna 系列从 2026 年 4 月采用 Apache 2.0 的 Laguna XS.2 开始,Poolside 表示开放权重如今是它的默认做法,Laguna XS 2.1 和 S 2.1 采用 OpenMDW-1.1 许可证。 - [Preferred Networks](https://ai-opensource.com/zh/developers/preferred-networks/): Preferred Networks(PFN)是日本的人工智能公司,研发 PLaMo 系列语言模型和自家的 MN-Core AI 加速器。它以 PLaMo Community License 发布 PLaMo 3 Translate 等 PLaMo 模型,个人和学术使用免费,商业用户在营收低于上限且完成登记后也可免费使用。 - [PrismML](https://ai-opensource.com/zh/developers/prismml/): 总部位于美国加州帕萨迪纳的公司,也写作 Prism ML,专注于极低比特的 AI 模型。它的 Bonsai 系列把 Qwen 等开放基础模型压缩成三值或 1 位权重,让大模型能装进笔记本、手机和单张显卡。Bonsai 2 系列模型以 Apache 2.0 发布。 - [Pruna AI](https://ai-opensource.com/zh/developers/pruna-ai/): Pruna AI 成立于 2023 年,总部位于慕尼黑,在巴黎还有一个研究中心。它以开源的 AI 模型压缩和加速库闻名,如今也发布自己的高效图像和视频模型,其中一些是在其他开发者的开放权重基础上改造而来。 - [Recursive](https://ai-opensource.com/zh/developers/recursive/): Recursive Superintelligence, Inc. 称其目标是打造能够自动化知识发现、可递归自我改进的超级智能,并用名为 Eureka Machine 的自动化研究系统来构建模型。2026 年 10 月以 Apache 2.0 发布的 40B 编程模型 Flint 是它的第一个开放权重模型。它与 Ricursive Intelligence 是两家不同的公司。 - [Reflection AI](https://ai-opensource.com/zh/developers/reflection-ai/): 美国 AI 实验室,于 2026 年 10 月以 Apache 2.0 许可证发布了首个开放权重模型——5010 亿参数的 Beam。 - [Resemble AI](https://ai-opensource.com/zh/developers/resemble-ai/): 位于加州的语音 AI 公司,以 MIT 许可证开源了 Chatterbox 和 DramaBox 语音模型。2026 年 8 月,它宣布不再向新客户销售语音生成产品,转而专注深度伪造检测,其语音模型作为开放但不再维护的研究成果保留。 - [Ricursive Intelligence](https://ai-opensource.com/zh/developers/ricursive-intelligence/): 美国 AI 实验室,通过协同设计硬件、软件和模型来打造自我改进的系统。一个专有模型驱动着它的 AI 芯片设计平台,2026 年 11 月它以 Apache 2.0 许可证发布了通用版本——650 亿参数的 Ripple-65B Preview。 - [Sarvam AI](https://ai-opensource.com/zh/developers/sarvam-ai/): 一家为印度语言和企业构建 AI 的印度公司。它在 2026 年 3 月发布、在印度使用 IndiaAI 计划算力从零训练的 Sarvam 30B 和 105B 推理模型,以及 Sarvam Prism 决策模型,都采用 Apache 2.0。 - [Sber (GigaChat)](https://ai-opensource.com/zh/developers/sber/): Sber 的 GigaChat 团队以 ai-sage 的名字在 Hugging Face 和 GitVerse 上发布开放权重,并在 Sber 的 Habr 企业博客上宣布每次发布。GigaChat 3.5 Ultra 及其 Reasoning 版本是 432B 的混合专家模型,GigaChat 3.1 Lightning 是总参数 10B、激活 1.8B 的模型,GigaAM 系列则覆盖俄语和中亚语言的语音识别。它们全部采用 MIT 许可证。 - [SenseTime](https://ai-opensource.com/zh/developers/sensetime/): 中国 AI 公司,其日日新(SenseNova)团队在 OpenSenseNova GitHub 组织下发布开放模型。2026 年 8 月的 SenseNova-U1.5 是原生统一的图像与文本模型,2026 年 10 月 30 日发布的 SenseNova-Loop-9B-Preview 是一个 9B 的循环视觉语言模型,两者都采用 Apache 2.0。 - [Shanghai AI Laboratory](https://ai-opensource.com/zh/developers/shanghai-ai-laboratory/): 位于上海的中国人工智能研究实验室。它的 AI for Science 中心运营着 InternScience 开源组织,该组织以 Apache 2.0 许可证发布 Agents-A1 和 Sage-A1.5 智能体模型。 - [SK Telecom](https://ai-opensource.com/zh/developers/sk-telecom/): 韩国电信运营商,A.X 语言模型家族的开发方。2026 年 7 月发布的 A.X K2 是 6880 亿参数的混合专家模型,采用 Apache 2.0,为政府支持的自主 AI 基础模型项目而开发。 - [Stability AI](https://ai-opensource.com/zh/developers/stability-ai/): Stability AI 是英国公司,Stable Diffusion 的开发方。2026 年 5 月发布的 Stable Audio 3 系列是它最新的开放权重系列:Small 和 Medium 模型用授权数据和知识共享数据训练,采用 Stability AI Community License,年营收低于 100 万美元时商用免费。 - [StepFun](https://ai-opensource.com/zh/developers/stepfun/): 阶跃星辰(StepFun)是一家中国 AI 公司,推出 Step 系列语言模型,同时也有 Step-Audio 语音模型和 Step1X 图像编辑模型。它在 Hugging Face 和 ModelScope 上发布权重,最新的旗舰 Step 5 Preview 采用自定义许可证。 - [Supertone](https://ai-opensource.com/zh/developers/supertone/): 韩国语音 AI 公司,打造了通过 ONNX Runtime 运行的端侧 Supertonic 文本转语音模型。Supertonic 3 覆盖 31 种语言,权重采用 BigScience OpenRAIL-M 许可证。2026 年 9 月,公司把开源仓库存档,并表示开发和支持已经结束。 - [Swiss AI Initiative](https://ai-opensource.com/zh/developers/swiss-ai/): 由苏黎世联邦理工学院(ETH Zurich)、洛桑联邦理工学院(EPFL)和瑞士国家超级计算中心(CSCS)牵头的瑞士研究计划。其 Apertus 模型是完全开放的:权重、数据准备流程、训练代码和评测都以宽松许可证公开,训练只使用公开可得的数据。 - [Tencent](https://ai-opensource.com/zh/developers/tencent/): 微信和混元(Hy)模型家族背后的中国互联网公司。Hy3、Hy4 preview 语言模型、Hy-MT2 翻译模型和 Hy-Nomas 交互式视频世界模型采用 Apache 2.0,而 HunyuanOCR 仍采用混元社区许可证,该许可证不适用于欧盟、英国和韩国。语音生成与编辑模型 AuK 采用 MIT 许可证,所以请逐个仓库确认。 - [Thinking Machines Lab](https://ai-opensource.com/zh/developers/thinking-machines-lab/): 美国 AI 实验室,专注于模型定制工具。其首个开放权重系列 Inkling 采用 Apache 2.0 许可证发布,定位为可供微调的基础模型。 - [TokenSpark (SparkLLM)](https://ai-opensource.com/zh/developers/tokenspark/): Spark 模型家族背后的公司,在 Hugging Face 上的账号名是 XHToken。它的简介称公司开发通用基础模型和专业的 AI 智能体产品,包括名为 AStudio 和 Loomy 的两套 harness 系统。Spark-X2.5 和 Spark-X2.6 这两代 1.7B 和 4B 的端侧语言模型采用 Apache 2.0。 - [Tongyi MAI](https://ai-opensource.com/zh/developers/tongyi-mai/): 阿里巴巴集团通义实验室里专注高效生成模型的团队。它最知名的是以 Apache 2.0 发布的 6B Z-Image 图像模型,同时还发布 MAI-UI 图形界面智能体模型系列。 - [Tongyi Lab Speech Team](https://ai-opensource.com/zh/developers/tongyi-speech/): 阿里巴巴集团通义实验室的语音团队,以 FunAudioLLM 的名义发布成果。CosyVoice 语音合成模型出自这个团队,采用 Apache 2.0 许可证发布。 - [Upstage](https://ai-opensource.com/zh/developers/upstage/): 韩国人工智能公司,Solar 语言模型家族的开发方。2026 年 7 月发布的 Solar Open 2 是 2500 亿参数的混合专家模型,采用 Upstage Solar License,即在 Apache 2.0 基础上增加了对衍生模型命名的规定。 - [Video Rebirth](https://ai-opensource.com/zh/developers/video-rebirth/): Video Rebirth 是 2024 年成立、总部位于新加坡的 AI 视频初创公司。除了托管的视频模型,它还发布 HyperFlow 系列,把 MiniMax H3 等开放视频模型压缩到所需采样步数更少、占用内存更小。 - [Voyage AI](https://ai-opensource.com/zh/developers/voyage-ai/): Voyage AI 开发 Voyage 文本嵌入模型,据其博客介绍,这些模型可通过 Voyage API 使用,MongoDB Atlas 的客户还可以通过 Atlas 嵌入与重排序 API 使用。voyage-4-nano 于 2026 年 1 月 15 日随 Voyage 4 系列一同发布,是它的第一个开放权重模型,采用 Apache 2.0,其 NOTICE 文件的版权方是 MongoDB, Inc.。 - [webAI](https://ai-opensource.com/zh/developers/webai/): 开发 webAI 应用的公司,该应用让 AI 模型在用户自己的设备上本地运行。它的 TwIL 推理模型基于 IBM Granite 4.2 和 SmolLM3 后训练,使用 webAI 非商业许可证,而不是其基础模型的 Apache 2.0 许可证。 - [Xiaomi](https://ai-opensource.com/zh/developers/xiaomi/): 中国的消费电子公司。旗下 MiMo 基础模型团队发布面向智能体的大模型和小型研究检查点,在 Hugging Face 上以 MIT 许可证标签发布;小米的其他研究团队还发布了 Xiaomi-OCR-0 和 OmniVoice 语音模型等。 - [Z.ai (Zhipu AI)](https://ai-opensource.com/zh/developers/z-ai/): 中国实验室,GLM 系列模型的开发方(智谱)。GLM-5.3-Flash 采用 MIT 许可证,更大的 GLM-5.3 采用自定义许可证,只限制超大型托管业务。GLM-5、5.1、5.2、30B-A3B 的 GLM-4.7-Flash 和 GLM-OCR 也都采用 MIT 许可证。 - [Zyphra](https://ai-opensource.com/zh/developers/zyphra/): 位于旧金山的 AI 实验室,Zonos 文字转语音系列的开发者。2026 年 11 月以 Apache 2.0 许可证发布的 ZONOS3-Mini 是一个 8 亿参数的混合专家声音克隆模型,Zyphra 称它可以在笔记本、手机和浏览器标签页里实时运行。 ## 资讯 - [Apertus 1.5:瑞士的完全开放模型学会了读图像和音频](https://ai-opensource.com/zh/news/apertus-1-5-released/): 2026-11-11. 苏黎世联邦理工学院、洛桑联邦理工学院和 CSCS 在 7 月 24 日发布了 Apertus 1.5:完全开放的 8B 和 70B 模型,支持图像和音频输入,上下文 262K,采用 Apache 2.0。音频理解仍处于实验阶段。 - [Clef:Cloudflare 面向智能体工作流的开放决策模型](https://ai-opensource.com/zh/news/clef-released/): 2026-11-11. Cloudflare 以 Apache 2.0 发布 Clef 和 Clef-flash:27B 和 9B 的决策模型,基于 Qwen 后训练,不写文字,而是给你定义的每个选项返回一个概率。 - [Cosmos 3:NVIDIA 面向机器人和自动驾驶的开放世界模型](https://ai-opensource.com/zh/news/cosmos-3-released/): 2026-11-11. NVIDIA 以 OpenMDW-1.1 发布 Cosmos 3:4B、16B 和 64B 的世界模型,能生成视频、图像和机器人动作,也能对视频做推理,面向机器人和自动驾驶。 - [EmbeddingGemma 2:把文本、图像、视频和音频放进一个 Apache 2.0 模型](https://ai-opensource.com/zh/news/embeddinggemma-2-released/): 2026-11-11. Google DeepMind 的 740M EmbeddingGemma 2 把文本、代码、图像、视频和音频映射到同一个 768 维空间,可在设备端运行,许可证也从 Gemma 许可证改为 Apache 2.0。 - [百度 ERNIE 5.5 Flash Base:280B 基础模型,许可证把欧盟排除在外](https://ai-opensource.com/zh/news/ernie-5-5-flash-base-released/): 2026-11-11. 百度在 11 月 5 日发布了 ERNIE-5.5-Flash-Base:280B 混合专家基础模型,激活 14B,上下文 100 万 token。许可证不覆盖欧盟、英国和韩国。 - [四个开源翻译模型,四把不同的尺子](https://ai-opensource.com/zh/news/four-open-translation-models-four-yardsticks/): 2026-11-11. TranslateGemma、Hy-MT2、Index-Translate 和 PLaMo 3 Translate 各自用不同的测试集、指标和对手来报告质量,所以它们的说法无法直接比较。 - [长大之前免费:开放许可证把线划在哪里](https://ai-opensource.com/zh/news/free-until-you-grow-open-license-thresholds/): 2026-11-11. 我们目录里有十三份许可证,把免费商用止于某个营收或用户门槛,从 50 万美元到 5000 万美元不等。本文比较这些门槛、计算口径和义务有何不同。 - [腾讯 Hy4 preview:7700 亿参数、100 万上下文、Apache 2.0](https://ai-opensource.com/zh/news/hy4-preview-released/): 2026-11-11. 腾讯 Hy4 preview 是 7700 亿参数的混合专家模型,激活 490 亿,上下文 100 万 token,采用 Apache 2.0,而 Hy3 预览版曾有地域限制。腾讯称它是早期版本。 - [Hydrogen-1.0:基于 GLM-5.3 的 753B 开源科学模型](https://ai-opensource.com/zh/news/hydrogen-1-0-released/): 2026-11-11. 深度原理发布 Hydrogen-1.0,这是由 GLM-5.3 后训练而成的 753B 科学模型,标注为 MIT 许可证,上下文 1M,提供 4 位版本。所有基准声明都来自它自己。 - [Index-Translate:哔哩哔哩支持 150 种语言的开放翻译模型](https://ai-opensource.com/zh/news/index-translate-released/): 2026-11-11. 哔哩哔哩 Index 团队发布 Index-Translate,有 2B、9B 和 35B-A3B 三种尺寸,采用 Apache 2.0,支持 150 种语言、图片翻译,以及术语表、格式和语气控制。 - [韩国的四个自主 AI 模型:全部开放权重,三支队伍晋级](https://ai-opensource.com/zh/news/korea-sovereign-ai-four-open-models/): 2026-11-11. 韩国自主 AI 项目产出了四个 2500 亿参数以上的开放权重模型。对比它们的规模、许可证和硬件需求,并了解哪些队伍晋级。 - [Krea 2:从零训练、追求多样性的开放图像模型](https://ai-opensource.com/zh/news/krea-2-released/): 2026-11-11. Krea 发布了 Krea 2:从零训练的 12.8B 文生图模型,分为 Raw 基础版和 8 步的 Turbo。只有年营收低于 100 万美元时才可免费商用。 - [美团 LongCat-2.5:1.6T 参数、视觉能力和原版 MIT 许可证](https://ai-opensource.com/zh/news/longcat-2-5-released/): 2026-11-11. 美团在 11 月 9 日开源了 LongCat-2.5:1.6T 混合专家模型,激活 48B,支持图像和视频输入,宣称上下文 100 万 token,采用 MIT 许可证。 - [MiniMax 发布 H3-Image:1600 万像素开放权重,但美国和欧盟不能用](https://ai-opensource.com/zh/news/minimax-h3-image-released/): 2026-11-11. MiniMax 的 33B H3-Image 六步生成 1600 万像素图片,可用最多 16 张参考图编辑。它的许可证排除美国、欧盟、英国和韩国,商用营收上限仅 100 万美元。 - [MOSS-Image:能画长文字、遵循 JSON 版面的 5B 开源图像模型](https://ai-opensource.com/zh/news/moss-image-released/): 2026-11-11. OpenMOSS 以 Apache 2.0 发布 MOSS-Image:5B 生成器,能渲染大段中英文文字并遵循 JSON 版面,低内存档位的显存峰值接近 4 GB。 - [Nanbeige4.3-33B:33B 智能体模型,INT4 版本约 23 GB](https://ai-opensource.com/zh/news/nanbeige-4-3-33b-released/): 2026-11-11. BOSS 直聘的南北阁团队在 10 月 24 日发布了 Nanbeige4.3-33B:33B 稠密文本模型,上下文 512K,INT4 版本 22.6 GB,标注 Apache 2.0 但仓库没有 LICENSE 文件。 - [NVIDIA 的 Nemotron 3.5 Embed 和 Parse:把文档页面当作图像来检索和阅读](https://ai-opensource.com/zh/news/nemotron-3-5-embed-and-parse-released/): 2026-11-11. NVIDIA 发布了 Nemotron 3.5 Embed(无需 OCR 就能检索页面图像和文本)和 631M 的页面解析模型 Nemotron 3.5 Parse,都采用 OpenMDW-1.1,可商用。 - [会“听”的开放模型:九个能接收音频,只有三个能用语音回答](https://ai-opensource.com/zh/news/open-models-that-listen-nine-take-audio-three-speak/): 2026-11-11. 对比 Gemma 4、Apertus 1.5、Inkling、MiMo-V2.6、Muse Spark Open、Nemotron 3 Nano Omni、Qwen3-Omni、MiniCPM-o 4.5 和 LFM3-Omni 的音频输入、语音输出、规模和许可证。 - [开放音乐模型在 2026 年长大了:七个模型分管歌曲、乐器和音效](https://ai-opensource.com/zh/news/open-music-models-seven-models-four-jobs/): 2026-11-11. 2026 年 1 月到 9 月,七个开放的音乐与音效模型相继出现,从 ACE-Step 1.5 这样的写歌模型,到谷歌的实时乐器。对比它们的任务、硬件要求和许可证。 - [一年内十一个开源 OCR 模型:体积小,分数没法比](https://ai-opensource.com/zh/news/open-ocr-models-small-and-hard-to-compare/): 2026-11-11. 2025 年 10 月到 2026 年 10 月,十一个开源 OCR 模型陆续发布。它们多为 1B 到 5B 参数,采用 Apache 2.0 或 MIT 许可证,但基准版本各不相同,分数无法排名。 - [开放语音模型:转写很开放,文字转语音则参差不齐](https://ai-opensource.com/zh/news/open-speech-models-transcription-open-voices-mixed/): 2026-11-11. 我们收录的 11 个开放语音转文字模型中,有 10 个没有商用限制,而 14 个文字转语音模型里只有 6 个是纯粹的 Apache 2.0,其余的限制非商业、设上限、附带限制或已停更。 - [PLaMo 3 Translate:PFN 支持 53 种语言的开放翻译模型](https://ai-opensource.com/zh/news/plamo-3-translate-released/): 2026-11-11. Preferred Networks 发布 PLaMo 3 Translate,有 0.8B 到 31B 多种尺寸,支持 53 种语言,GGUF 文件最小 0.57 GB,许可证把商用限制在营收 10 亿日元以内。 - [Raon-1:KRAFTON 偏重韩语的 28.8B 模型和 3.1B 端侧兄弟](https://ai-opensource.com/zh/news/raon-1-released/): 2026-11-11. KRAFTON AI 发布了从零训练的 28.8B 混合专家模型 Raon-1 mini preview,以及由它蒸馏而来的 3.1B Raon-1 nano,两者都采用 Apache 2.0,上下文 262K。 - [Ripple-65B Preview:Apache 2.0 的 65B 稠密智能体模型](https://ai-opensource.com/zh/news/ripple-65b-preview-released/): 2026-11-11. 芯片设计实验室 Ricursive Intelligence 在 11 月 4 日发布了 Ripple-65B Preview:面向智能体编程的 65B 稠密文本模型,上下文 100 万 token,采用 Apache 2.0,另有 57 GB 的 NVFP4 版本。 - [Sber 的开放模型:432B 对话模型、语音识别与嵌入](https://ai-opensource.com/zh/news/sber-opens-gigachat-speech-and-embedding-models/): 2026-11-11. Sber 的 GigaChat 团队在 Hugging Face 上有五个 MIT 许可证条目:GigaChat 3.5 Ultra、3.1 Lightning、GigaAM-v3、GigaAM Multilingual 和 Giga-Embeddings。规模、分数与注意事项。 - [PrismML 的 Ternary Bonsai 2:27B 级模型只有 5.95 GB](https://ai-opensource.com/zh/news/ternary-bonsai-2-released/): 2026-11-11. PrismML 发布了 Ternary Bonsai 2:把 Qwen 模型压缩成三值权重,27B 模型只有 5.95 GB,2B 模型只有 0.43 GB,支持图像输入,上下文 262K,采用 Apache 2.0。 - [在 CPU 上就能运行的小型文字转语音模型:四个开放选项对比](https://ai-opensource.com/zh/news/tiny-text-to-speech-models-run-on-a-cpu/): 2026-11-11. Kokoro、Pocket TTS、Phonon 31M 和 Supertonic 3 是参数不超过 1 亿、能在笔记本 CPU 上运行的开放文字转语音模型。对比它们的大小、语言、声音克隆和许可证。 - [ZONOS3-Mini:支持 43 种语言、能在浏览器里运行的开源 TTS](https://ai-opensource.com/zh/news/zonos3-mini-released/): 2026-11-11. Zyphra 在 11 月 9 日发布了 ZONOS3-Mini:8 亿参数的混合专家文字转语音模型,激活参数 1 亿,支持 43 种语言和声音克隆,权重采用 Apache 2.0。 - [超大开源模型开始直接以 4 位发布:对内存规划意味着什么](https://ai-opensource.com/zh/news/giant-open-models-ship-in-4-bit/): 2026-11-08. 我们目录中有八个模型直接以 4 位级格式发布主检查点,另有十九个在原版之外提供官方 4 位版本。看看文件大小,以及它们如何改变你需要的硬件。 - [开放许可证的新趋势:可以自由构建产品,但托管业务需要另行协商](https://ai-opensource.com/zh/news/hosting-clauses-in-open-licenses/): 2026-11-08. 2026 年六份最大的开放权重模型许可证,允许你自由构建产品,但要求出售托管访问的企业另行签约或通过审查。各家的门槛差别很大。 - [Qwen3.8:三个语言模型、三种许可证,图像模型还有第四种](https://ai-opensource.com/zh/news/qwen-3-8-three-models-three-licenses/): 2026-11-08. 阿里 Qwen3.8 系列模型分别采用 Apache 2.0、Qwen3.8-Max License 和 Qwen Community 1.0,而 Qwen-Image-2.1 仅限研究。一张图看清每份许可证允许你做什么。 - [Moonshot 发布 Kimi K3.1 Pro:2.8 万亿参数的开放权重模型](https://ai-opensource.com/zh/news/kimi-k3-1-pro-released/): 2026-11-02. Moonshot AI 于 2026 年 11 月 2 日发布 Kimi K3.1 Pro:2.8T 混合专家模型,面向长时间编程和办公任务,上下文 100 万 token,4 位权重约 1.56 TB。 - [Mistral Large 4 开放权重:在欧洲训练的 1 万亿参数模型](https://ai-opensource.com/zh/news/mistral-large-4-open-weights/): 2026-10-29. Mistral 于 2026 年 10 月 29 日发布 Mistral Large 4 的权重:多模态混合专家模型,上下文 100 万 token,支持 160 多种语言,许可证带有托管方面的条件。 - [NVIDIA 发布 Nemotron 3.5 Transcribe:用提示词控制的语音识别模型](https://ai-opensource.com/zh/news/nemotron-3-5-transcribe-released/): 2026-10-28. NVIDIA 于 2026 年 10 月 28 日以 OpenMDW-1.1 发布 Nemotron 3.5 Transcribe:支持 40 种语言、说话人标注、翻译和由提示词控制的转写风格,适用于最长一小时的录音。 - [Liquid AI 发布 LFM3:六个约 2B 参数的模型,从文本到语音](https://ai-opensource.com/zh/news/liquid-ai-lfm3-family/): 2026-10-27. Liquid AI 于 2026 年 10 月 27 日发布 LFM3 系列:面向设备的约 2B 参数文本、视觉、音频和全模态模型,以及用于语音的 LFM3-Audio-2B,采用 LFM Open 许可证。 - [MiniMax 发布 M3.1 Flash:专为 4 位运行而训练的 428B 多模态模型](https://ai-opensource.com/zh/news/minimax-m3-1-flash-released/): 2026-10-17. MiniMax 于 2026 年 10 月 17 日发布 M3.1 Flash 权重:428B 参数、激活 23B、上下文 100 万 token、检查点 252 GB,采用带署名和通知条件的社区许可证。 - [Black Forest Labs 发布 FLUX 3 Image Klein:支持布局控制](https://ai-opensource.com/zh/news/flux-3-image-klein-released/): 2026-10-15. Black Forest Labs 于 2026 年 10 月 15 日发布 FLUX 3 Image Klein:5.6B 参数,最多 10 张参考图编辑,基于方框的布局控制,8 GB 的 INT8 版本,以及带营收上限的许可证。 - [Meta 发布 Muse Spark Open:816B 参数的开放权重模型](https://ai-opensource.com/zh/news/muse-spark-open-released/): 2026-10-15. Meta 于 2026 年 10 月 15 日发布 Muse Spark Open:816B 参数、激活 42B,支持文本、图像、视频和音频输入,上下文 100 万 token,需授权下载,并要求标注“Built with”。 ## Optional - [显存计算器](https://ai-opensource.com/zh/vram-calculator/): 估算 AI 模型在 BF16、FP8 和 4 位精度下需要多少 GPU 显存或统一内存,以及哪些硬件能运行。选择模型,或输入你自己的规模。 - [全部模型(JSON)](https://ai-opensource.com/data/models.json): 以 JSON 或 CSV 下载完整的开源 AI 模型目录:参数量、上下文窗口、许可证类型、发布日期和来源。署名后可自由复用。 - [全部模型(CSV)](https://ai-opensource.com/data/models.csv) - [许可证(JSON)](https://ai-opensource.com/data/licenses.json) - [RSS 订阅](https://ai-opensource.com/zh/rss.xml) - [llms-full.txt](https://ai-opensource.com/zh/llms-full.txt): The full text of this site in one file