魔搭ModelScope社区公众号文章

魔搭社区模型速递（9.18-10.10）

模型上新8577个、数据集上新1017个、创新应用上新717个、应用文章发布20篇

科技与互联网
魔搭ModelScope社区

公众号 · 51 篇文章

查看主页 →

🙋魔搭ModelScope本期社区进展：

📟8577个模型：Qwen-Image-2.1、JEV-27B-VL、Index-Translate、IQuest-Q1、Puro-2B-Base、Xiaomi MiMo-V2.6、Xing4.0-29B-A4B等；
📁1017个数据集：A股票历史数据金融量化数据集300+因子、arxiv-complete、RecreationBench、宗源自治内核·媒体资产湖、HardMultiQA等；

🎨717个创新应用：Qwen-Image-2.1、laya-demo、Ming-Image 0.1 Design 设计图生成、图溯 / ImageTrace — 四阶段图片反推流水线等；

📄 20篇内容：

                                        • JEV-27B-VL 开源：多模态决策模型，Jev Decision Index 0.3 视觉榜单第一

                                        • AI 与空间生物学：一张病理切片里藏着多少分子信息？《AI4S 实战派》第十五期直播回顾

                                        • AMD GPU x 魔搭联合激励计划 2.0｜热门大模型畅跑，算力已就位！（文末抽奖）

                                        • B站开源 Index-Translate 多语言翻译模型家族，支持150种语言，2B／9B模型也能接住热梗

                                        • 魔搭社区 AI+∞ 开发者创作大赛圆满收官，获奖作品亮相云栖大会

                                        • 至知创新研究院开源 IQuest-Q1：320B/15B MoE，NL2Repo 仅次于 Claude Opus 5

                                        • 看见即行动、性能超Jev，上海AI实验室推出决策模型“书生·明决”，实现响应效率与质量双升级

                                        • 斯坦福&英伟达开源 CLM-8B：75MB 对比学习验证器，DeepSWE 81.6% 刷新 SOTA

                                        • 从繁星到灯塔，数据与评测如何驱动AI持续进化？阿里数据多项新进展亮相云栖大会

                                        • 清华开源 Puro-2B：4400 美元训练，15 项任务平均指标超 Qwen2-1.5B！

                                        • 支付宝设立“智能体涌现奖”，每年投入1000万激励开发者

                                        • 电信开源 TeleOCR：1.2B 参数文档解析模型，登顶 OmniDocBench v1.6 榜单

                                        • jina-ocr-v1：在低成本 GPU 上更快解析文档

                                        • Agentic native的具身端侧推理引擎，最新实测来了！

                                        • 阿里Logics-Parsing-V3 重磅升级：贯通全文，长文无界

                                        • Xiaomi MiMo-V2.6：扩展强化学习规模，迈向自我提升

                                        • Laya 开源：比Jev快4倍！421M 参数，33 毫秒完成 System 1 决策

                                        • Qwen-Image-2.1 开源：7B 生图编辑一体，原生支持透明图，最多 10 张参考图！

                                        • 电信开源Xing4.0-29B-A4B：29B MoE 激活仅 4B，单卡显存仅约 15GB


                                        01

                                        模型推荐


                                        Qwen-Image-2.1

                                        Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一在一个模型中。模型视觉生成部分仅 7B 参数，采用 32 层 Single-Stream DiT，在官方 Qwen-Image-Bench 公开评测中获得 60.28 分，并原生支持透明图生成与最多 10 张参考图编辑。


                                        模型链接：

                                        https://modelscope.cn/models/Qwen/Qwen-Image-2.1

                                        图片


                                        更多模型效果及视频演示，详见文章：

                                        Qwen-Image-2.1 开源：7B 生图编辑一体，原生支持透明图，最多 10 张参考图！


                                        JEV-27B-VL

                                        AutoTrust AI Lab 开源 JEV-27B-VL，一款基于 Qwen3.8-27B 的多模态决策模型。它可以视为能“看见”的 JEV-27B：沿用原有的 System 1 决策与 System 2 推理能力，并将其扩展至图像输入。


                                        System 1 可在单次前向传播中完成 yes/no 判断、2–256 个选项选择和 0–5 评分，并输出校准概率；System 2 则保留 Qwen3.8-27B 的通用多模态理解与推理能力。JEV-27B-VL 的决策头仅通过纯文本训练，即可零样本迁移至图像。


                                        模型链接：

                                        https://modelscope.cn/models/autotrust/JEV-27B-VL

                                        图片


                                        更多模型效果及使用，详见文章：

                                        JEV-27B-VL 开源：多模态决策模型，Jev Decision Index 0.3 视觉榜单第一


                                        Index-Translate

                                        哔哩哔哩Index LLM团队推出 Index-Translate 多语言翻译模型家族。文本模型覆盖包括中文、英文在内的 150 种语言，提供 2B、9B、35B-A3B（preview） 三种规模；Index-Echo、Index-Homura 和 Index-NativeLong 分别面向语音翻译、音节可控翻译与长文档翻译。

                                        图片


                                        模型合集：

                                        https://www.modelscope.cn/collections/IndexTeam/Index-Translate

                                        视频配音演示

                                        已关注
                                        关注
                                        重播 分享 赞
                                        观看更多
                                          魔搭ModelScope社区

                                          0/0

                                          00:00/00:20
                                          进度条，百分之0
                                          00:00
                                          /
                                          00:20
                                          00:20
                                          全屏

                                          倍速播放中
                                          您的浏览器不支持 video 标签

                                          继续观看

                                          魔搭社区模型速递（9.18-10.10）

                                          转载
                                          ,
                                          魔搭社区模型速递（9.18-10.10）
                                          魔搭ModelScope社区
                                          已同步到看一看写下你的评论


                                          更多模型效果及评估数值，详见文章：

                                          B站开源 Index-Translate 多语言翻译模型家族，支持150种语言，2B／9B模型也能接住热梗


                                          IQuest-Q1

                                          IQuest-Q1 是由 IQuest 开发的用于智能体编程、推理和多步工具调用的混合专家（MoE）模型。该模型总参数量约为 3200 亿，每个 token 激活的参数量约为 150 亿。


                                          模型链接：

                                          https://www.modelscope.cn/models/IQuestLab/IQuest-Q1


                                          模型部署：

                                          在生产环境中部署时，推荐使用 SGLang 或 vLLM。


                                          SGLang

                                          使用预构建的镜像 iquestlabworkspace/sglang-iquest-q1：

                                          docker pull iquestlabworkspace/sglang-iquest-q1:cu130# without MTPMODEL_ROOT="$(hf download IQuestLab/IQuest-Q1 --quiet)" && \SGLANG_USE_MODELSCOPE=true python -u -m sglang.launch_server \  --model-path "$MODEL_ROOT" \  --served-model-name IQuest-Q1 \  --tp-size 8 \  --dtype bfloat16 \  --attention-backend fa3 \  --mem-fraction-static 0.85 \  --disable-prefill-cuda-graph \  --enable-metrics \  --tool-call-parser iquest_q1 \  --reasoning-parser iquest_q1 \  --enable-torch-compile \  --load-format fastsafetensors \  --speculative-use-rejection-sampling# with recursive MTPMODEL_ROOT="$(hf download IQuestLab/IQuest-Q1 --quiet)" && \SGLANG_USE_MODELSCOPE=true python -u -m sglang.launch_server \    --model-path "$MODEL_ROOT" \    --served-model-name IQuest-Q1 \    --tp-size 8 \    --dtype bfloat16 \    --attention-backend fa3 \    --mem-fraction-static 0.85 \    --disable-prefill-cuda-graph \    --enable-metrics \    --tool-call-parser iquest_q1 \    --reasoning-parser iquest_q1 \    --speculative-algorithm EAGLE \    --speculative-num-steps 5 \    --speculative-eagle-topk 1 \    --speculative-num-draft-tokens 6 \    --speculative-draft-model-path "$MODEL_ROOT/mtp" \    --enable-torch-compile \    --load-format fastsafetensors \    --speculative-use-rejection-sampling \    --speculative-draft-attention-backend fa3

                                          Puro-2B-Base
                                          Puro-2B 是由清华大学 PACMAN 实验室从零预训练的 20 亿参数稠密语言模型，基于 Qwen3 架构，在 1.4T token 数据上训练而成，旨在以极低的硬件成本（仅使用消费级 RTX 5090 GPU）实现媲美主流开源小模型的性能。

                                          模型链接：

                                          https://www.modelscope.cn/models/thu-pacman/Puro-2B-Base


                                          Puro-2B 估算的效率因素


                                          更多模型介绍及推理，详见

                                          清华开源 Puro-2B：4400 美元训练，15 项任务平均指标超 Qwen2-1.5B！


                                          Xiaomi MiMo-V2.6
                                          小米团队开源 Xiaomi MiMo-V2.6 系列，标志着其在递归自我改进（RSI）路径上的关键突破——通过为期6天的实时强化学习训练及半年的前期积累，让模型在真实环境的持续试错与反馈中自主拓展智能边界。

                                          模型合集：

                                          https://modelscope.cn/collections/XiaomiMiMo/MiMo-V26


                                          评估效果：


                                          更多模型介绍及部署推理，详见：

                                          Xiaomi MiMo-V2.6：扩展强化学习规模，迈向自我提升


                                          Xing4.0-29B-A4B

                                          Xing4.0-29B-A4B 是中电信人工智能科技有限公司研发的星辰语义大模型系列（原 TeleChat）新一代模型。模型总参数量 29B，激活参数仅 4B，原生支持 256K 上下文，可扩展至 512K，是国内首个基于国产算力与国产框架完成训练、面向复杂工程任务深度优化的百亿参数大模型。


                                          模型链接：

                                          https://modelscope.cn/models/XingChen-AGI/Xing4.0-29B-A4B


                                          更多模型介绍及部署，详见文章：

                                          电信开源Xing4.0-29B-A4B：29B MoE 激活仅 4B，单卡显存仅约 15GB


                                          TeleOCR

                                          中国电信星辰通用人工智能实验室开源文档解析模型 TeleOCR。该模型采用约 1.2B 参数的轻量级视觉语言架构，在单一框架内统一处理数字文档与相机拍摄文档，并将文字、版面、表格、公式和科学图表转换为可直接使用的结构化结果。


                                          模型链接：

                                          https://www.modelscope.cn/models/XingChen-AGI/TeleOCR

                                          图片


                                          更多模型效果及模型推理，详见文章：

                                          电信开源 TeleOCR：1.2B 参数文档解析模型，登顶 OmniDocBench v1.6 榜单


                                          02

                                          数据集推荐


                                          A股票历史数据金融量化数据集300+因子
                                          LightGBM_Alpha300 数据集（QuantDB）是一份覆盖2016年至今中国A股全市场的量化研究数据，包含行情、财务、技术指标及L1/L2高频因子等丰富特征，主要应用于多因子模型训练与量化投资策略研究。
                                          数据集链接：
                                          https://modelscope.cn/datasets/qusong0627/LightGBM_Alpha300

                                          arxiv-complete
                                          包含超 314 万篇论文元数据、LaTeX 源码及 PDF 文档的大规模学术数据集，主要应用于大语言模型预训练、科学文献分析及自然语言处理研究。
                                          数据集链接：
                                          https://modelscope.cn/datasets/secemp9/arxiv-complete

                                          RecreationBench
                                          专注于评估大模型在复杂逻辑推理、指令遵循及多步任务规划能力的基准数据集，主要应用于衡量和提升 AI 助手在处理高难度、长上下文交互场景下的智能水平。
                                          数据集链接：
                                          https://modelscope.cn/datasets/Qwen/RecreationBench

                                          宗源自治内核·媒体资产湖
                                          一个收录昆仑洞天IP体系的纯东方神话视觉资产数据集，包含系列关键帧、五态短视频、剧集片段与角色体系图等内容
                                          数据集链接：
                                          https://modelscope.cn/datasets/zongyuanroot/ZONGYUAN-ROOT-MEDIA

                                          HardMultiQA
                                          HardMultiQA 是 Yandex 开源的俄语大模型事实知识评测数据集，包含 670 道高难度问题，覆盖医学、法律、IT、艺术等领域，通过多选、开放问答、事实列举和错误纠正等任务，评估模型对复杂事实知识的掌握与回答准确性。
                                          数据集链接：
                                          https://modelscope.cn/datasets/yandex/HardMultiQA

                                          03

                                          创空间


                                          Qwen-Image-2.1

                                          Qwen-Image-2.1 在线 Demo：基于通义千问开源图像生成模型，支持通过自然语言描述生成图片，方便用户在线体验 AI 文生图效果。


                                          体验链接：

                                          https://modelscope.cn/studios/Qwen/Qwen-Image-2.1


                                          laya-demo

                                          基于开源非自回归 AI 决策模型，支持输入文本或 JSON 数据，通过自然语言定义判断问题，快速完成意图分类、是非判断和等级评分，并返回各选项的预测概率，适合体验智能客服、工单分流等自动化决策场景。


                                          体验链接：
                                          https://modelscope.cn/studios/AI-ModelScope/laya-demo


                                          Ming-Image 0.1 Design 设计图生成

                                          基于 inclusionAI 开源的 6B 视觉设计生成模型，支持通过自然语言生成 UI 界面、信息图、海报等图文混排作品，并支持透明背景 RGBA 图像输出，方便用户在线体验 AI 视觉设计与文生图能力。


                                          体验链接：
                                          https://modelscope.cn/studios/inclusionAI/ming-image-0-1-design-demo


                                          图溯 / ImageTrace — 四阶段图片反推流水线

                                          提供图片反向搜索体验，帮助用户通过上传图片查找相关视觉内容；具体检索能力及结果形式以 Demo 页面为准。


                                          体验链接：

                                          https://modelscope.cn/studios/quincy1546/image-reverse


                                          04

                                          社区精选文章




                                                        👇点击关注ModelScope公众号获取
                                                        更多技术信息~



                                                        前往微信阅读全文

                                                        内容来自公众号，可前往微信查看原文。

                                                        查看作者的更多文章 →订阅更新、RSS 与阅读指南 →