国产大模型 “杀疯了”!一文全览 DeepSeek 模型家族

AI摘要

DeepSeek-R1作为国产大模型的代表,通过强化学习训练,实现了强大的推理能力和广泛的应用潜力。GitCode开源社区推出DeepSeek专区,提供多种蒸馏模型供开发者免费体验。DeepSeek-R1系列模型在数学、编程等领域表现出色,推动了AI技术的变革与发展。

图片

在 AI 技术飞速发展的今天,大模型已成为推动创新的核心力量。而 DeepSeek-R1 作为国产大模型的杰出代表,以其强大的推理能力和广泛的应用潜力,正在引领一场AI技术的变革。GitCode 开源社区紧跟时代步伐,正式推出国产大模型专区,首批引入 DeepSeek-R1 系列蒸馏模型,为开发者提供免费体验和多样化选择,助力AI技术的普惠与发展。

图片

春节期间,DeepSeek 所引发的蝴蝶效应让代码君尤其期待 2025 年 AI 的变化。今天,代码君就来为大家详细解读 DeepSeek 的“全家桶”,看看它如何为我们的生活和工作带来新的可能性,又将如何塑造未来 AI 的新图景。

DeepSeek-R1:强化学习驱动的推理巨头

DeepSeek R1 是 DeepSeek 团队基于大规模强化学习训练的推理模型,核心亮点在于通过规则驱动的强化学习方法,实现了在大规模训练中的有效扩展,在有限的算力下复现了 OpenAI o1 级别的推理能力。这一技术突破不仅降低了 AI 发展的技术门槛,更为算力受限的研究团队提供了新的可能性。

训练过程与技术架构

DeepSeek R1 的训练过程分为两个阶段。首先,在 DeepSeek V3 基座模型上生成包含深度推理能力的监督微调数据,结合通用 SFT 数据进行微调;然后进一步通过强化学习训练,使模型具备更强的泛化能力。这种独特的训练方式,使 DeepSeek R1 在数学、代码等领域表现优异,还能泛化到更复杂的推理任务,如写作、逻辑推理等,极大地增强了大模型的实际应用价值。

从技术角度来看,DeepSeek R1 采用了基于 Transformer 架构的创新设计,并融合了强化学习以及多阶段训练策略。这种独特的技术组合,在推理能力上实现了质的飞跃,达到了前所未有的高度。例如,它能够支持长序列的处理,精准地理解和解析复杂的上下文信息,为应对各类复杂任务提供了坚实而有力的支持。

图片

性能表现与应用前景

在性能上,DeepSeek R1 的表现尤为出色。在数学、编程等任务中,它的表现优于 OpenAI 的 o1-1217,而且训练成本低,预训练仅需 557.6 万美元,在 2048 块英伟达 H800 GPU 集群上运行 55 天即可完成。无论是在数学推理、编程,还是自然语言处理等诸多领域,DeepSeek R1 都取得了非常令人瞩目的成就。

DeepSeek R1-Zero:开启推理模型的纯 RL 时代

DeepSeek-R1-Zero 是 DeepSeek 团队开发的第一代推理模型,通过大规模强化学习(RL)进行训练,完全跳过了传统的监督微调(SFT)步骤。这种独特的训练方式使 R1-Zero 在推理能力上表现出色,尤其是在数学、代码生成和 STEM 相关任务中,能够高效解析复杂信息并生成高质量的推理结果。然而,R1-Zero 也面临一些挑战,比如存在语言混杂和格式混乱的问题。尽管如此,R1-Zero 的开源特性和强大的推理能力及应用价值,仍为 AI 领域的进一步发展提供了新的思路和方向。

总的来说,DeepSeek R1 及 R1-Zero,凭借其卓越的技术架构、非凡的性能表现以及广阔的应用前景,正在 AI 领域展现出巨大的潜力与价值,为推动 AI 技术的发展贡献着重要的力量。

● GitCode 直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Zero

DeepSeek-R1与V3:技术传承与创新

DeepSeek-R1与DeepSeek-V3之间存在着紧密的技术联系。DeepSeek-V3是DeepSeek团队推出的一个具有创新性技术的模型,核心技术包括模型压缩、专家并行训练、FP8混合精度训练等。这些技术使DeepSeek-V3能够在相对较低的算力成本下达到世界级的性能表现。

DeepSeek-R1在DeepSeek-V3的基础上,更进一步优化了训练方法和模型结构。通过在V3基座模型上进行深度推理能力的训练,并结合大规模强化学习,DeepSeek-R1实现了更强的推理能力和泛化能力。这种技术传承与创新的关系,使得DeepSeek-R1在保持高性能的同时,具备了更广泛的应用潜力。

图片

DeepSeek-V3:创新技术引领未来

DeepSeek-V3作为DeepSeek团队的另一款重要模型,核心技术包括MoE(Mixture of Experts)等稀疏激活方法,提升了算力利用率。此外,V3还采用了模型压缩、专家并行训练、FP8混合精度训练等技术,使模型在训练和推理过程中更加高效。

DeepSeek-V3的成功为AI领域提供了重要启示,未来AI发展可能聚焦在更高效人工智能架构、计算系统的智能化以及AI在多领域的广谱化应用等方向。这些趋势将推动AI技术向更高效、更普惠的方向发展,为各行各业带来更多的创新机遇。

● GitCode 直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-V3

DeepSeek-R1蒸馏模型:轻量化与高性能的完美结合

DeepSeek-R1蒸馏模型通过知识蒸馏技术,将DeepSeek-R1的强大推理能力迁移到更小的模型中,实现了轻量化与高性能的完美结合。这些蒸馏模型在保持高推理速度的同时,兼顾了本地部署的灵活性与低成本需求,为开发者提供了多样化的AI工具选择。

DeepSeek-R1-Distill-Qwen-1.5B

轻量高效,端侧部署利器

图片

DeepSeek-R1-Distill-Qwen-1.5B 是基于 Qwen2.5-Math-1.5B 通过知识蒸馏得到的模型。该模型使用 DeepSeek-R1 生成的 80 万个精选样本进行微调,在多个基准测试中展现出不错的性能。作为一个轻量级模型,在 MATH-500 上达到了 83.9% 的准确率,在 AIME 2024 上达到了 28.9% 的通过率,在 CodeForces 上获得了 954 的评分,显示出超出其参数规模的推理能力。

● 核心优势:仅 1.5B 参数,在保持高推理速度的同时,通过知识蒸馏技术继承了 Qwen 大模型的核心能力,支持流畅的中英文对话与基础代码生成。

● 适用场景:移动端/嵌入式设备部署、实时交互应用、低资源环境下的 AI 助手。

● GitCode 直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B

DeepSeek-R1-Distill-Qwen-7B

均衡性能,开发者首选

图片

DeepSeek-R1-Distill-Qwen-7B 是基于 Qwen2.5-Math-7B 通过知识蒸馏得到的模型。该模型使用 DeepSeek-R1 生成的 80 万个精选样本进行微调,展现出优秀的推理能力。在多个基准测试中表现出色,其中在 MATH-500 上达到了 92.8% 的准确率,在 AIME 2024 上达到了 55.5% 的通过率,在 CodeForces 上获得了 1189 的评分,作为 7B 规模的模型展示了较强的数学和编程能力。

● 核心优势:7B 参数规模,在通用任务(文本生成、代码补全、逻辑推理)中表现优异,资源消耗与性能达到最佳平衡。

● 特色功能:支持长文本理解(最高 16K 上下文窗口),适配企业级应用与复杂场景开发。

● GitCode 直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Distill-Qwen-7B

DeepSeek-R1-Distill-Llama-8B

多语言专家,国际化场景优选

图片

DeepSeek-R1-Distill-Llama-8B 是基于 Llama-3.1-8B 开发的蒸馏模型。该模型使用 DeepSeek-R1 生成的样本进行微调,展现出优秀的推理能力。在多个基准测试中表现不俗,其中在 MATH-500 上达到了 89.1% 的准确率,在 AIME 2024 上达到了 50.4% 的通过率,在 CodeForces 上获得了 1205 的评分,作为 8B 规模的模型展示了较强的数学和编程能力。

● 核心优势:基于 Llama 架构优化,强化多语言处理能力(尤其英语与代码),适合国际化团队与跨语言开发需求。

● 典型用例:技术文档翻译、全球化客服系统、开源社区多语言支持。

● GitCode直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Distill-Llama-8B

DeepSeek-R1-Distill-Qwen-14B

顶尖性能,挑战复杂任务

图片

DeepSeek-R1-Distill-Qwen-14B 是基于 Qwen2.5-14B 通过知识蒸馏得到的模型。该模型使用 DeepSeek-R1 生成的 80 万个精选样本进行微调,展现出优秀的推理能力。在多个基准测试中表现出色,其中在 MATH-500 上达到了 93.9% 的准确率,在 AIME 2024 上达到了 69.7% 的通过率,在 CodeForces 上获得了 1481 的评分,显示出在数学和编程领域的强大实力。

● 核心优势:14B 参数规模,专为高难度任务设计(如复杂代码生成、学术论文摘要、多轮逻辑推理),性能接近原版 Qwen-72B,推理效率提升 40%+。

● 推荐场景:科研辅助、金融分析、大规模自动化开发。

● GitCode直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Distill-Qwen-14B

DeepSeek-R1-Distill-Qwen-32B

推理专家,性能卓越

图片

DeepSeek-R1-Distill-Qwen-32B 是基于 Qwen2.5-32B 通过知识蒸馏得到的模型。该模型使用 DeepSeek-R1 生成的 80 万个精选样本进行微调,在数学、编程和推理等多个领域展现出卓越的性能。在 AIME 2024、MATH-500、GPQA Diamond 等多个基准测试中都取得了优异成绩,其中在 MATH-500 上达到了 94.3% 的准确率,展现出强大的数学推理能力。

● 核心优势:32B 参数规模,推理能力接近甚至超越某些更大的模型,性能卓越,适合处理复杂的推理任务。

● 适用场景:高难度学术研究、复杂系统开发、专业领域问题解决等。

● GitCode直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

DeepSeek-R1-Distill-Llama-70B

超大模型,多任务全能

图片

DeepSeek-R1-Distill-Llama-70B 是基于 Llama-3.3-70B-Instruct 经过蒸馏训练得到的模型。该模型是 DeepSeek-R1 系列的一部分,通过使用 DeepSeek-R1 生成的样本进行微调,在数学、编程和推理等多个领域展现出优秀的性能。模型在 AIME 2024、MATH-500、GPQA Diamond 等多个基准测试中都取得了优异的成绩,显示出强大的推理能力。

● 核心优势:70B 参数规模,推理能力强大,支持多种任务,包括复杂问答、代码生成等。

● 适用场景:大规模企业级应用、多领域任务处理、复杂场景开发。

● GitCode直达:

https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1-Distill-Llama-70B

为什么选择 GitCode 国产模型专区?

● 全链路国产化:模型基于国产算力(如昇腾 GPU)优化,从芯片到框架实现自主可控;

● 开源与商用友好:遵循 MIT 协议,支持二次开发与商业应用,无授权限制;

● 社区生态支持:GitCode 提供详实的文档、案例及开发者论坛,助力快速解决部署难题。

开启AI普惠时代

GitCode 国产模型专区的上线及 DeepSeek 全家桶的引入,标志着 GitCode 在推动 AI 技术民主化进程中迈出关键一步。无论是个人开发者探索创新应用,还是企业构建私有化 AI 服务,这些模型均能提供高性价比的解决方案。点击文末阅读原文链接立即访问 GitCode 国产大模型专区,下载模型并参与社区贡献,共同塑造开源AI的未来!

相关推荐

直播预告|码道能力全景 :工具、模式与智能体如何协同

同样是用 AI 写代码,为什么有人效率翻倍,有人却在反复返工?11月 17 日 19:00-20:30 ,本期直播围绕「码道能力全景 :工具、模式与智能体如何协同」展开,将从三个角度拆这个问题。能力、实战、规范三块拼齐,帮你判断什么场景该用、怎么用得更稳!

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 10

KMP/CMP 接入鸿蒙圆屏穿戴:表盘信息降级与 60 KB 内存账

本文介绍基于KMP/CMP架构的圆屏布局与内存降级库roundfit-kmp,通过纯Kotlin Multiplatform实现圆屏弦宽计算、内存预算与档位决策,统一ArkTS与原生端逻辑。在466px圆屏上,四档(glance/essential/compact/full)动态调整内容可见性,确保界面与内存估算一致。核心机制包括:逐高度计算可用宽度、跨N-API同步计划数据、固定坐标系下的弹性取舍。实验验证了预算、字号、档位对渲染结果的影响,实现“同一份计算,多端一致”的高效表盘适配。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 19

React Native 鸿蒙圆屏穿戴实战:20 KB 预算下的消息一瞥

本文详解在 React Native OpenHarmony 环境下,以零 SVG/Canvas、无原生模块限制,仅用 View 的 borderRadius 与 overflow 实现 208px 进度弧的渲染方案。通过半圆裁剪与三角函数定位拼接弧形,结合四档适配(full → glance),严格控制 28KB 内存预算,基于槽位存活表动态隐藏非关键元素,实现手表端高效、可验证的渐进式界面降级。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 16

Flutter 鸿蒙圆屏穿戴实战:让信息学会自己降级

在466px圆屏上,round_fit库通过弦宽公式动态计算每行可用宽度,结合几何约束、档位降级与内存预算(20KB起),实现手表端响应式布局。52项测试全通过,四页App在模拟器中完整运行,支持从full到glance四档降级,确保内容始终在安全圆内,且内存与显示效果精准可控。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 14

Qt 鸿蒙平板适配实战:一份源码,两条构建链,一个布局契约

Qt for OpenHarmony 5.12.12 与桌面 Qt 6.11 共用同一份 QML 和 C++ 源码,通过包装层差异实现跨平台兼容:鸿蒙端使用 qmlRegisterType() 手动注册类型,桌面端依赖 qt_add_qml_module() 自动注册;旋转逻辑封装为静态纯函数,确保几何计算一致。布局基于窗口尺寸动态解析,支持横竖屏、多栏、侧轨/底栏切换,实测于华为 MOR-M1 真机运行稳定,测试通过率 100%。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 20

Qt 鸿蒙端侧 OCR 实战:当系统 API 只给了 ArkTS 入口

本文介绍基于 Qt 与 OpenHarmony 的 OCR 桥接方案,解决 C++ 无法直接调用 textRecognition 的问题。通过在同进程内监听 127.0.0.1:52141,使用 HTTP/1.1 传输图片字节,由 ArkTS 侧执行识别并返回结果。项目实现轻量级桥接,支持长图分块处理,实测 3120×2080 图片识别耗时 443ms,验证了跨语言通信可行性。方案依赖系统权限与回环网络,未来可适配 NDK 接口开放。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 36

KMP/CMP 接入鸿蒙平板适配:响应式工作台与窗口旋转实战

本文介绍鸿蒙PC端ArkUI与Compose Desktop跨平台布局适配方案,通过Kotlin/Native实现统一断点逻辑(resolveTabletLayout),避免双端规则漂移。布局决策基于窗口尺寸变化,不依赖设备型号或方向,由Kotlin侧唯一计算并以JSON形式传递至ArkUI。工程上采用多平台Gradle构建,共享代码库支持桌面、移动端及OHOS,原生桥接通过N-API与版本脚本控制符号导出,确保跨语言调用稳定。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 7

Flutter 鸿蒙平板适配实战:约束是唯一的事实来源

该库基于纯 Dart 实现鸿蒙端自适应布局,核心为 TabletLayoutBuilder,仅依赖父级约束,通过 resolveTabletLayout 纯函数动态计算布局。支持多断点响应式设计,方向由宽高比推导,不依赖 MediaQuery.orientation,确保折叠屏、分屏等场景下状态保留。工作台双 Pane 常驻树上,仅切换可见性,实现零丢失预览与黄金对比测试。适配 1280×800/800×1280 预览及真实窗口(1100×643),兼容横竖屏、侧轨/底部导航切换,可发布为三方包

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 8

Electron 鸿蒙平板适配实战:把旋转变成一次纯函数计算

tablet-adaptive-electron 通过纯函数 planContentResize 实现跨平台窗口旋转,核心在于以内容区中心为锚点、结合工作区约束动态调整窗口大小与位置,避免因 setBounds 锚点偏差导致漂移。主进程与 renderer 共用断点契约,鸿蒙侧通过 ArkTS HAR 对齐适配,实现横竖屏无缝切换。验证覆盖断点、布局、IPC 等 70 项,支持 Electron 与 HarmonyOS PC 多端统一体验。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 7

KMP/CMP 鸿蒙分屏拖拽:把网页文字拖进摘录卡

“纸边摘录”是基于鸿蒙跨端框架(KMP/CMP)实现的分屏笔记工具,通过系统级拖拽事件接收浏览器选中文字,经由UDMF数据传递与ArkTS/Kotlin桥接,将纯文本转为可备注的卡片。设计上区分拖入预览、落点判断与数据写入三阶段,确保仅在有效落点导入,并避免重复或空内容。核心亮点在于严格按纯文本类型接收、UTF-8字节安全桥接、卡片状态稳定绑定,实现高效、无干扰的阅读辅助体验。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 7

KMP/CMP 鸿蒙平板适配:软键盘弹出后,怎么让备注框和提交按钮都能用

本文通过鸿蒙跨端示例,演示了在平板全屏与悬浮窗下,会议预约表单如何应对软键盘弹出导致的布局遮挡问题。采用KeyboardAvoidMode.RESIZE模式,由鸿蒙宿主动态压缩视口,Compose根据新约束重新布局,确保输入框获焦后自动滚入可见区域,确认按钮始终位于底部可触位置。关键在于:焦点变化与布局重测双触发滚动请求,避免因时序差导致内容被遮;将确认按钮置于滚动区外,保障提交操作连续性;同时验证全屏与悬浮窗两种形态下的可用性,确保用户在任意窗口尺寸下均可流畅完成填写与提交。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 8

KMP/CMP 接入鸿蒙 DID:对账文件改了一个字节,原签名还能验过吗?

本文通过鸿蒙跨端项目“文件签印”演示基于DID与SM2签名的文件篡改检测机制。在真实设备与模拟器上,同一签名验证原件通过、仅修改金额首字节的副本失败,证明验签可精准识别微小改动。系统通过读取原始字节、复用公钥与签名,确保验证结果可信。关键设计包括:异步接口适配、输入复制防干扰、阶段日志追踪、避免文本解析偏差,并强调验签依赖原始字节而非语义内容。项目实现跨端安全验证闭环,不暴露私钥或用户标识,适用于对账等高敏感场景。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 5

Electron 鸿蒙端侧 OCR 实战:把鸿蒙设备的眼睛借给桌面应用

该库通过 hdc 工具将图片传至鸿蒙设备,利用 Core Vision Kit 实现离线中文票据识别,成功绕过 Electron 无法调用 HarmonyOS 系统 OCR 的限制。识别结果以 JSON 形式回传,失败时自动降级至本地 Tesseract.js。核心机制基于 job id 管理文件传输与并发任务,确保安全隔离。实测显示设备端识别仅需 414ms,且支持模拟器与真实设备,具备高可靠性与可扩展性。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 7

Cordova 鸿蒙平板适配实战:旋转屏幕,但不旋转页面状态

本文介绍 cordova-plugin-tablet-adaptive 插件在 ArkWeb 环境下的布局适配实现:基于纯 JS 与 ResizeObserver 动态测量容器尺寸,将布局逻辑封装为纯函数,通过方向锁探测与降级处理实现跨屏自适应。实测于 HarmonyOS PC(3120×2080),验证了窗口缩放下布局字段、状态与焦点的稳定迁移,确保无重载切换。插件无原生代码,仅依赖 DOM 测量,核心在于“以视口为准”的响应式设计,成功落地于 46 项测试

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 6

《机器人有点东西》启元机器人开发者直播季 第二期来啦!

带你揭秘机器人运动控制背后的技术原理,从第一条指令到第一个动作,聊聊运控开发的关键技术与实践经验!📅 直播时间:11 月 16 日 20:00-21:00。机器人运动控制的核心原理。从零开始的运控开发思路。运动调试与技术进阶经验。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 10

开源鸿蒙社区月度优秀评选|9 月批次获奖名单公示

开源鸿蒙社区月度优秀评选由,面向高校学生开发者,秉持小任务、快认定、强反馈、持续贡献原则,搭建高校常态化贡献评优体系,沉淀开源鸿蒙优质生态成果。2026 年 6 月—12 月6-8 月开展统一评选,合并批次获奖名额为三个月名额总和。9 月、10 月、11 月、12 月每月独立评选。目前,9 月批次优秀评选名单已正式产生,现予以公示。以下名单。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 12

全国第一课!启元T1 Pro走进北邮研究生课堂

北京邮电大学研究生课程《机器人认知计算》迎来一位特殊的“助教”——上纬启元旗下的启元T1 Pro机器人。在启元“具身智能产教融合创新实践平台”的支持下,方斌老师以启元T1 Pro为示范,为60余名研究生讲授“基于VLM的具身智能技术”。这是启元T1 Pro在全国高校课堂上的第一课,也标志着启元具身智能产教融合平台在高校教学中正式落地。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 11

KMP 鸿蒙电脑快捷键实战:用 Kotlin 状态机接管 Ctrl+S 与右键菜单

本文介绍Kotlin Multiplatform鸿蒙社区推出的kmp-ohos-pc-shortcut库,解决鸿蒙电脑端快捷键实现难题。基于KMP共享层构建状态机,精准处理修饰键、焦点切换、输入法干扰等复杂场景,支持Ctrl+S、Ctrl+Shift+S等多组合键,并在2in1模拟器中实现自由窗口右键菜单自动适配。全链路由Kotlin决策,ArkTS仅订阅事件,确保跨端一致性与可靠性。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 18

Flutter 修复 flutter_tts 鸿蒙分段等待与 WAV 导出:折叠屏双栏讲义朗读

针对折叠屏双栏有声讲义场景,修复了 oh-flutter/flutter_tts_ohos 在首次朗读引擎未初始化、播放等待早退及离线 WAV 导出缺失的问题。通过串行化引擎重建与播放完成等待逻辑,并按分片序号拼接带标准文件头的 WAV 文件,实现三段朗读逐段等待(模拟器18,658ms)、单次导出246ms生成173,204B有效WAV。修复后在真机上稳定运行,捕获并重排跨进程乱序分片,完整代码已开源于 atomgit.com/oh-flutter/flutter_tts_ohos

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 3272

Flutter 修复 device_calendar 鸿蒙重复规则与服务链接:让周期会议日程准确展开并保留入会入口

本文修复了鸿蒙版 device_calendar 插件在周期日程同步与会议链接读取中的关键问题,包括重复频率映射错误、链接转换缺失及周期实例查询异常。通过对比模拟器与真机测试,验证了修复后可正确返回每日/每周重复日程(如7天晨会、4周研讨),并完整回读会议链接。完整代码已开源至 oh-flutter/device_calendar,支持鸿蒙系统Flutter开发,欢迎提交Issue或参与社区交流。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 3405

Flutter 修复 screen_retriever 鸿蒙电脑屏幕工作区检索:让桌面贴边窗口精准避让系统 Dock 栏

基于 oh-flutter/screen_retriever 0.4.0 单包分支,修复鸿蒙端缺失实现及 Dart 3.11.5 兼容问题,恢复标准 MethodChannel 桥接,补全逻辑像素折算、系统可用工作区读取、监听注销闭环与窗口内光标采样。解决贴边窗口越界、底部按钮被遮挡等问题,实现工具窗精准贴靠桌面右下角,代码已开源至 oh-flutter/screen_retriever。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 3276

Flutter 适配 wearable_rotary 鸿蒙穿戴旋转表冠:圆屏长列表单手平滑浏览

为解决鸿蒙圆屏模拟器上Flutter应用表冠滚动失效问题,作者在wearable_rotary基础上新增鸿蒙原生支持,通过onDigitalCrown接收旋转事件,实现焦点容器绑定、角度换算与整数幅度解析,使列表可双向滚动。适配后支持表冠浏览与触屏标记协同操作,代码已开源至oh-flutter/plugins,欢迎参与共建。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 3306

读徐直军《走进华为的创新之旅》:让创新成为可持续的能力

华为轮值董事长徐直军在美国《时代》杂志发表署名文章《走进华为的创新之旅:看见、亲历、引领》,回顾三十余年来亲历和推动华为创新发展的历程,分享关于人才投入、研发体系建设与基础研究的思考。对于服务开发者的 AtomGit 而言,这些实践经验也带来了启发:我们应该如何支持人的创造力,如何帮助协作形成合力,又如何让今天的积累成为未来创新的基础?以下分享这篇文章,与广大开发者共同学习,并结合平台实践展开思考。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 40

启元机器人 Developer Playground 深圳开发者见面会圆满落幕

当「整活」的开发者遇上具身智能,代码不再只停留在屏幕之内,而是驱动实体机器人听懂指令、跑通一套新 Skill。11 月 14 日,启元机器人 Developer Playground 开发者见面会暨启元机器人深圳旗舰店开业仪式,在深圳卓悦中心正式启幕,来自 AI 应用、企业研发、机器人与嵌入式及高校技术团队的开发者们齐聚现场,围绕T1 变形机器人、Q1 人形机器人完成技术分享与 Robot Challenge 双赛道实操。为活动致辞。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 33

AtomGit 10月:“建设人工智能开源社区 AtomGit,释放开源活力。”

10 月 19 日,国务院新闻办公室新闻发布会上,工业和信息化部科技司司长魏巍在介绍“人工智能+制造”专项行动成效时明确提及:“建设人工智能开源社区 AtomGit,释放开源活力。未来,AtomGit 将持续携手开发者与生态伙伴,汇聚开源创新力量,共同推动人工智能技术创新与应用。AtomGit 企业版正式上线;开源实践中心上线,同步推出城市坐标计划 · 活动日历、开源人物志与五阶段开源成长路径;OpenAPI 文档全新改版;模型硬件匹配能力、企业版、热门专题页上线。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 129

诚邀报名 | 相约南京!2026 开源鸿蒙技术大会即将启幕,共探操作系统与 AI 共生演进新方向

随着人工智能技术加速发展,操作系统正迎来新一轮变革。面对、具身智能等前沿技术带来的新需求,操作系统将如何与深度融合、协同演进?二者的融合创新又将为软件开发与产业发展带来哪些新机遇?大会信息时间2026 年 11 月 28 日地点南京扬子江国际会议中心主办开源鸿蒙项目群技术指导委员会(TSC)看点主论坛 · 二十场技术分论坛 · 创新成果展区。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 114

开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用

AI 已经把写代码这一段压平了,可改完到看见结果之间还隔着编译、重启和打包:一次全量编译要等 11 分 09 秒,一天能试几轮?要把桌面应用交付到开源鸿蒙 PC,又不想为这一端单独维护一套代码和一层桥接,路径该怎么选?开源鸿蒙跨平台系列直播第 24 期将结合 cj-tauri 的实践,分享「仓颉后端 + 系统 WebView 前端」这套组合。内容覆盖仓颉在开源鸿蒙生态里的位置、宿主与 IPC 双向桥的分工、能力白名单的最小权限模型,以及前端热更新给迭代节奏带来的变化;

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 121

报名开启|11 月 21 日北京,CANN 油气 & 化工行业 AI Meetup,共探 AI 落地路径

AI 加速走进油气化工行业,前沿技术如何落地业务、解决真实痛点,成为行业开发者共同关注的话题。为推动 AI 技术与行业场景深度融合,分享一线场景实践经验,围绕生态共建研讨,CANN 开源社区「油气 & 化工行业 AI Meetup」!本次活动聚焦三维全波形反演、AI 储层建模、油气 CV 应用、算子优化、图机器学习适配、化工智能体与分子筛选等方向,与行业伙伴、技术专家面对面交流,共探 AI 落地路径。活动时间:2026 年 11 月 21 日(周六)13:30–17:10。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 113

本期精选 G-Star 开源项目推荐|DSH 插件生态

从桌面状态反馈、界面设计和团队协作,到视觉理解、图像创作与应用操作,这些项目展示了 DSH 生态不同的扩展方向。有的解决具体体验问题,有的为 Agent 增加一类能力,也有项目把通用工具带进 DSH 工作区。欢迎前往仓库阅读 README、体验项目,并通过Star、Issue 或 PR支持作者。也欢迎更多开源项目申请加入 G-Star 计划,让你的项目被更多开发者看到。素材使用提示:本文介绍的是开源项目的技术能力。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 192

报名开启|11 月 21 日北京,CANNBot × MegaKernel Meetup,共探智能算子新方向

大模型落地浪潮下,算子开发、性能调优成为模型部署的核心难点。CANN 持续开源开放,依托 Agent 技术探索算子自动生成新范式。为促进算子开发者深度交流、共建 CANN 开源生态,11 月 21 日 CANN 开源社区在北京发起「CANNBot × MegaKernel Meetup」,现已开放报名!🙌。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 150
上一篇: 来 Gitcode 免费体验 DeepSeek 蒸馏模型,开启 AI 探索新旅程
下一篇: GitCode 一月高光时刻 | 产品新突破,活动超精彩,G-Star 大放异彩
AtomGit 代码君
AtomGit 代码君 企业官方账号 企业官方账号
博客等级 码龄6年 2万+粉丝 895原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值