TRELLIS.2：采用 O-Voxel 技术，高效生成复杂 3D 几何与材质；Patient Churn Prediction 数据集：帮助识别有流失风险的患者-优快云博客

当前，从图片生成可用 3D 模型仍然费时费力，传统流程耗时且高度依赖专业建模师手动操作。即便有 AI 辅助，处理复杂形状、透明材质或开放表面时，模型常效果不佳或出现异常结构，且难以生成可直接用于游戏、电商的带逼真材质的成品。

在此背景下，Microsoft 团队于 2025 年 12 月开源发布 TRELLIS.2，面向单张图像生成高质量 3D 资产与纹理化任务。项目提供从输入图像到 3D 形状与材质的端到端流程，并配套可交互的 Web Demo，便于快速体验与导出资产。TRELLIS.2 聚焦提升几何细节与纹理一致性，支持多种分辨率与级联推理配置，并通过可控推理参数在速度与质量之间进行权衡，适用于 3D 内容生产、快速原型与创意探索等场景。

目前，HyperAI超神经官网已上线了「TRELLIS.2 3D 生成 Demo」，快来试试吧~

在线使用：https://go.hyper.ai/drI7I

1 月 19 日-1 月 23 日，hyper.ai 官网更新速览：

* 优质教程精选：9 个

* 热门百科词条：5 条

* 1 月截稿顶会：3 个

访问官网：hyper.ai

公共教程精选

1.vLLM+Open WebUI 部署 Nemotron-3 Nano

Nemotron-3-Nano-30B-A3B-BF16 是 NVIDIA 从零开始训练的大型语言模型 (LLM)，适用于推理和非推理任务。该模型还可用于开发人员设计 AI 代理系统、聊天机器人、RAG 系统和其他 AI 应用。

在线运行：https://go.hyper.ai/VUuDA

Demo 页面

2.MedGemma 1.5 多模态 AI 医疗模型

MedGemma 1.5 是一款在医学多模态任务中表现卓越的模型。它在图像分类、视觉问答及医学知识推理等方面具备突出能力，适用于多种临床场景，并能够有效辅助医学研究与实践。该模型基于 SigLIP 图像编码器与高性能语言模块构建，并通过包含医学影像、文本及实验室报告在内的多样化数据集进行预训练，从而实现对高维医学影像、全切片病理图像、纵向影像分析、解剖定位、医疗文档理解及电子健康记录解析等任务的高效处理。

在线运行：https://go.hyper.ai/dZRn9

Demo 页面

3.Nemotron-Speech-Streaming-ASR：自动语音识别 Demo

Nemotron Speech Streaming ASR 是由英伟达（NVIDIA）Nemotron Speech 团队发布的流式自动语音识别模型，该模型专为低延迟实时语音转写场景设计，同时具备高吞吐的批量推理能力，适用于语音助手、实时字幕、会议转录及对话式人工智能等应用。模型采用缓存感知型 FastConformer 编码器与 RNN-T 解码器架构，实现了对连续音频流的高效处理，在保持识别精度的同时显著降低了端到端延迟。

在线运行：https://go.hyper.ai/SDEBI

Demo 页面

4.TranslateGemma-4B-IT：谷歌开源的系列翻译模型

TranslateGemma 是由谷歌翻译团队发布的轻量级开源翻译模型系列。该系列基于 Gemma 3 模型家族构建，专为多语言文本翻译与实际部署场景设计。该系列在紧凑的参数规模下提供稳定可用的翻译能力，适用于 GPU 内存有限或需快速部署的环境中进行加载与推理。

在线运行：https://go.hyper.ai/FRy35

Demo 页面

5.GLM-Image 精准语义高保真图像生成模型

GLM-Image 是由智谱 AI 开源的一款融合自回归解码与扩散式解码的图像生成模型。该模型支持文生图和图生图功能，基于统一的视觉-语言表示构建，使得同一模型既能理解文本提示与输入图像，又能通过 DiT（Diffusion Transformer）风格的扩散主干网络对图像进行精细化生成。

在线运行：https://go.hyper.ai/2bcfV

效果展示

6.TRELLIS.2 3D 生成 Demo

TRELLIS.2 是由微软团队发布的开源项目，一个拥有 40 亿参数的大型模型，专注于从单张图片直接生成带完整材质、可直接使用的 3D 资产。该模型统一了高质量几何与材质生成，将高保真几何重建与全维度 PBR 材质合成在一个流程内完成。

在线运行：https://go.hyper.ai/drI7I

Demo 页面

7.vLLM+Open WebUI 部署 FunctionGemma-270m-it

FunctionGemma-270m-it 是由 Google DeepMind 发布的轻量级专用函数调用模型，参数量为 2.7 亿。该模型基于 Gemma 3 270M 架构构建，并采用与 Gemini 系列相同的研究技术进行训练。此模型专为函数调用场景设计，使用了截至 2024 年 8 月共计 6T token 的训练数据，涵盖公共工具定义及工具使用交互数据。FunctionGemma 支持最大 32K token 的上下文长度，并经过了严格的内容安全过滤及负责任的人工智能开发流程。

在线运行：https://go.hyper.ai/pdN7q

Demo 页面

8.Fun-ASR-Nano：端到端的语音识别大模型

Fun-ASR-Nano 是阿里巴巴通义实验室推出的端到端大模型语音识别方案，属于 Fun-ASR 系列的一部分。该方案面向低算力部署场景，致力于实现低延迟的语音转写，并注重在实际评估集上的表现。其功能包括多语种自由语音识别（自由语码转换）、可定制热词以及幻觉抑制等。

在线运行：https://go.hyper.ai/j7OdD

Demo 页面

9.Fara-7B：高效的网页智能体模型

Fara-7B 是由 Microsoft Research 发布的首个面向计算机使用（Computer Use）的智能体小语言模型（Agentic SLM）。模型参数规模仅 70 亿（7B），但在真实网页操作任务中表现突出，在多项 Web Agent 基准测试中达到了同规模模型中的 state-of-the-art（SOTA）水平，并在部分任务上接近甚至超过更大规模模型。

在线运行：https://go.hyper.ai/2e5rp