tencent__open-优快云博客

转载停顿歧义 / 重读音识别：WildSpeech-Bench 揭示语音 LLM 的理解短板

当机器能够精准捕捉「欲言又止」的留白、洞悉「欲抑先扬」的弦外之音，语音交互便完成了从「功能性工具」到「智能伙伴」的蜕变。：从 WildChat 数据集提取 1000 条单轮对话，覆盖信息查询、解决方案请求等 5 大核心类别，剔除长文本（<50 词）和其他不适合语音场景出现的数据（例如代码、数学等等）：混合背景人声（模拟多人对话）、自然噪声（风雨、动物叫）和生活噪音（咳嗽、键盘声），测试模型抗干扰能力；文本输出质量，却忽略语音交互中更关键的「信息效率」（过长回答反成负担）和「

2025-07-02 17:31:02 5

转载腾讯混元首款开源混合推理MoE模型发布，性能优异，激活参数仅13B

未来，混元计划推出多尺寸混合推理模型，从0.5B到32B的dense模型，以及多个MoE模型，适配企业与端侧不同需求，混元图像、视频、3D等多模态基础模型及配套插件模型也将持续开源。对于时下热门的大模型Agent能力，腾讯混元建设了一套多Agent数据合成框架，接入了MCP、沙箱、大语言模型模拟等多样的环境，并且通过强化学习让Agent在多种环境里进行自主探索与学习，进一步提升了Hunyuan-A13B的效果。为更好的提升大语言模型能力，腾讯混元也开源了两个新的数据集，以填补行业内相关评估标准的空白。

2025-06-30 18:11:21 20

转载「2025腾讯犀牛鸟开源人才培养计划」正式发布，欢迎报名！

该计划由教育部计算机类专业教学指导委员会、教育部软件工程专业教学指导委员会、教育部电子信息类专业教学指导委员会及中国信息通信研究院联合指导，由腾讯开源和腾讯高校合作主办，提供腾讯企业真实项目和开发场景，集结高校教授及腾讯标杆技术项目专家进行编程指导，希望进一步促进开源人才生态的蓬勃发展。而产学研的深入融合，正是建设良好开源生态的桥梁。回首过去，从参与犀牛鸟开源人才培养计划结缘腾讯，到因犀牛鸟获得腾讯面试机会和秋招Offer，再到加入腾讯、与大家分享犀牛鸟的故事，他说，犀牛鸟是自己人生的一个“关键变量”。

2025-06-27 18:41:02 37

转载混元这6篇论文，入选国际顶级学术会议ICML2025

为了更好地量化过度思考问题，研究者们从解答对正确率的贡献以及对推理策略多样性的贡献出发，提出了两种效率指标，分别为结果效率和过程效率，并对现有模型的表现进行了细致的分析。重要的是，这项研究表明，小模型在面对较低精度时，需要较大的数据量才能达到有效训练的效果，这一规律也为研究团队在实际开发中提供了预见，有效促进了模型性能的提升。这类方法虽能在网格序列化建模流程中实现一定效果，但在网格标记器质量评估环节，既缺少无需训练即可从理论层面高效评估的手段，现有标记器对网格序列的压缩能力，也存在明显优化空间。

2025-06-26 18:02:08 24

转载 OpenTenBase城市行北京站，内容抢先看！

🎁 福利：报名到场即可参与抽奖，OpenTenBase 定制杯、雨伞、充电宝，还有腾讯视频会员月卡、限量蛇年Q仔等好礼等你拿！⏰时间：2025年6月28日 13:00 --17：30。📍地点：北京市朝阳区亚洲金融大厦C座506室。一起探索 OpenTenBase 开源生态，6 月 28 日，北京站不见不散！在开源共建之路上携手前行～扫码报名，共赴技术之约。识别海报二维码即可报名。快来和技术好友们相聚，交流技术、共享经验，

2025-06-25 16:29:52 11

转载东华软件携手OC推出衍生版Donghua NTOS 2025，构建自主可控数字底座

在此基础上，东华以定制化容器镜像作为统一基础，构建了包括 CLMS（采集服务）、DSMS（共享服务）、HDAuthz（认证服务）、HDService（微服务组件）及 BGateway（API网关）在内的大数据业务服务体系，实现了功能完备、轻量高效的企业级云原生产品交付。表示，Donghua NTOS 2025 的诞生，源于我们对基础软件能力的持续深耕，也承载着打造一个安全可靠、智能高效、面向未来的操作系统基座的愿景。，全面适配云原生、微服务与边缘计算场景，助力企业实现敏捷、稳定的现代化应用交付。

2025-06-24 17:30:16 19

转载一键生成歌曲，腾讯AI Lab开源音乐生成大模型 SongGeneration

一方面，在这种质量参差不齐的数据上训练的模型虽然能够生成歌曲，但无法学习到关于音乐性的先验知识，导致生成的歌曲难以符合听众的偏好。鉴于语言模型在长序列预测过程中容易产生幻觉现象，并且预测误差会随序列长度的增加而累积，因此，编解码器的设计需在保证音乐信息高质量重建的前提下，尽可能降低码率和比特率，从而减轻语言模型的预测难度，并提升音乐还原的整体质量。：以模块化扩展训练阶段获得的模型为基础，整合半自动的数据构建方式和多维度人类偏好对齐，使模型在能生成音乐的基础上进一步朝遵循人类指令，生成好听的音乐演变。

2025-06-23 18:30:22 21

转载 OpenCloudOS 9.4 重磅发布：内核升级6.6.80，性能与安全双提升，全面支持龙架构

在传统的算子融合，ContinousBatching等推理加速技术的基础上，通过显存优化，异步调度和计算复用等技术，Kasana-LLM 相比vLLM，TensorRT-LLM 等著名开源框架的推理单价低 20%+。SNMP 统计优化：新增 "snmp_rs_stats_update_interval" 和 "snmp_vs_stats_update_interval" 配置项，分别控制实时服务器（RS）和虚拟服务器（VS）的 SNMP 统计更新频率，默认 5 秒。是包含包管理器完整功能的最小镜像。

2025-06-19 19:56:30 37

转载 CVPR传来好消息，腾讯混元3D 2.1全链路开源

此外，PBR材质的标准化特性使其兼容主流渲染引擎（如Unreal Engine、Unity），提高了3D资产在跨平台、跨行业的复用性，推动3D模型从消费级创作向工业级应用的转型。混元3D 2.1大模型在效果全面升级的基础上，提供了模型权重、训练代码和数据处理流程的全链路开源，开发者可以自由微调、二次训练或优化，满足定制化需求，同时为学术研究提供平台。6月14日，在计算机视觉领域国际顶级会议CVPR 2025上，腾讯混元3D 2.1大模型正式对外开源，这也是首个全链路开源的工业级3D生成大模型。

2025-06-14 17:48:16 39

转载腾讯Kuikly框架鸿蒙版正式开源 —— 揭秘卓越性能适配之旅

于是我们为鸿蒙IDE开发了一个用于自动化调试流程的插件，自动给IDE进行调试相关设置并关联产物代码，用户只需要通过切换到Kuikly面板，就能看到项目中的SO产物，以及它所关联的文件，可以在这个面板双击打开文件，无需另外手工拖进鸿蒙IDE，极大提高了日常调试的效率。在鸿蒙API 12版本推出后，我们进一步增加了对自定义节点内容插槽的支持，当业务有特殊需要的时候可以按照规范在自定义组件中增加内容插槽，走这个模式的时候我们将不会为其生成影子节点，而子节点我们也会挂到插槽上，这样UI树就能和预期保持一致。

2025-06-05 17:04:13 104

转载重磅！支持纯血鸿蒙！腾讯视频ovCompose跨平台框架发布

ovCompose（online-video-compose）是腾讯大前端领域Oteam中，腾讯视频团队基于 Compose Multiplatform 生态推出的跨平台开发框架，旨在弥补JetBrains Compose Multiplatform不支持鸿蒙平台的遗憾与解决iOS平台混排受限的问题，便于业务构建全跨端App。同时腾讯视频深度参与Oteam并推出了KuiklyBase，涵盖Kotlin/Native的鸿蒙适配、组件生态、鸿蒙编译、堆栈还原、工具链相关建设，助力业界KMP开发者提高鸿蒙适配效率

2025-06-03 16:08:38 164

转载腾讯 BiFang——业界首个生产级湖流一体解决方案

在 BiFang 的设计中，通过实时融合 Pulsar Manifest + Iceberg Manifest，用户可以实时查询 Iceberg 中的数据，将数据可见性从分钟级提高到亚秒级别，实现业务数据无延迟交付。Iceberg 数据湖等生态对接。过去半年，腾讯大数据实时团队对 BSS 进一步重构和优化，系统升级为 BiFang 湖流一体存储引擎，新架构支持全增量数据查询、端到端数据实时可见，预计节省 40% 存储成本、降低 70% 运维复杂度，并且已在腾讯视频、游戏、AI 多模态管道等业务领域落地。

2025-05-30 17:40:20 66

转载混元语音数字人模型，开源！

HunyuanVideo-Avatar的单主体能力已经开源，并在腾讯混元官网（PC端，https://hunyuan.tencent.com/）上线，用户可以在“模型广场-混元生视频-数字人-语音驱动-HunyuanVideo-Avatar”中体验，目前支持上传不超过14秒的音频进行视频生成，后续将逐步上线和开源其他能力。照片与一段歌曲，模型会理解到“一个女孩在森林空地上唱歌，她身前是一堆熊熊燃烧的篝火，火苗欢快跳跃，橘红色的火光映照在她身上，为画面增添了温暖的氛围”。

2025-05-28 17:31:29 47

转载失控的容器=裸奔的云端 | 容器OS镜像保卫战

在 OpenCloudOS 容器镜像使用过程中，无论是在调试容器镜像遇到的问题，还是想了解更多关于容器镜像构建的最佳实践，亦或是寻求更高效的容器镜像、制作和优化工具等，可扫描下方二维码，加入社区用户群，获取技术相关的支持，分享交流使用体验。后续，OpenCloudOS 团队还会不断推出、完善各种容器镜像，打磨镜像制作优化工具及最佳实践，持续优化 OpenCloudOS 镜像的大小、构建效率、下载和启动时间等体验。通过开发软件包切片技术，对软件包裁剪、拆分、减少依赖，优前后的基础镜像在大小上有明显变化。

2025-05-16 16:11:47 36

转载玩转腾讯Kona JDK的N种姿势

而开发中经常需要安装多个不同的版本，且会在不同的版本之间切换使用。目前仅提供了Kona 8和11的Docker镜像，支持了腾讯的Linux发行版TencentOS Server（TS）和Alpine Linux，以及CPU架构x86_64和aarch64。即便只有一个Gradle工程，若它声明能够同时支持多个Java语言版本和JDK发行版，比如OpenJDK和Kona的版本8，11和17。除了直接下载Kona的二进制文件，拉取已预安装了Kona二进制文件的Docker镜像也是一种常用的获取Kona的方式。

2025-05-15 17:30:20 84

转载 300万奖池已就位轻游梦工坊邀你零代码搭爆款

300万元奖池加持、丰富激励政策，2025轻游梦工坊全国游戏创作大赛，是一次属于所有游戏创作者的狂欢，只要你有创意、敢尝试，这里就有你的一席之地。快来用创意打破游戏边界吧！轻游梦工坊的独特意义在于，开发者不需要考虑太多，即使不会美术、不会代码都没有关系，只要你有创意有想法，只要敢去实践，就可能做出好的游戏和产品。轻游梦工坊预制了丰富的功能组件、局外系统和玩法模板，开发者无需写代码即可编辑关卡、资源、数据、逻辑，制作游戏轻松又高效。作为一款“无代码游戏编辑器”，轻游梦工坊简单、易用，让制作游戏不再困难。

2025-05-15 17:30:20 99

转载首个多模态统一CoT奖励模型来了，奖励能力大幅跃升，已全面开源

近日，腾讯混元与上海 AI Lab、复旦大学、上海创智学院联合提出全新研究工作 UnifiedReward-Think，构建出首个具备长链式推理能力的统一多模态奖励模型，首次让奖励模型在各视觉任务上真正 “学会思考”，实现对复杂视觉生成与理解任务的准确评估、跨任务泛化与推理可解释性的大幅提升。结论：显式建模思维链推理路径，是强化奖励模型泛化与鲁棒性的关键。GRPO 阶段：提升幅度最大，模型聚焦于错误推理样本，通过多路径推理探索，逐步收敛至更精确的推理过程，体现出该阶段对 “推理纠错” 的关键作用。

2025-05-13 21:36:01 34

转载腾讯混元视频生成工具全新开源

此前的视频生成模型无法实现，多模态视频生成模型HunyuanCustom则可以很好地满足创作者的需求，通过引入身份增强机制和多模态融合模块，真正实现了“图像提供身份，文本定义一切”。HunyuanCustom，用户只需上传一张包含目标人物或物体的图片，并提供一句文本描述（例如“他正在遛狗”），HunyuanCustom 就能识别出图片中的身份信息，并在完全不同的动作、服饰与场景中生成连贯自然的视频内容。的生成，用户提供一张人物和一张物体的照片（比如一包薯片和一名男子的照片），并输入文字描述（比如“

2025-05-09 14:43:00 61

转载 SIGMOD 2025｜腾讯 Oceanus 开创云原生流计算弹性新纪元

对于服务型应用，在传统的资源调整过程中，随着资源规模的增大，由于资源申请、任务部署等阶段耗时的线性增大，其重启代价将逐步提高，服务可用性将受到更大的影响，而 Oceanus 运行时资源调整方案可以实现服务无损进行资源调整，保持服务的可用性。对于数据处理型应用，资源调整重启任务时，会从持久化的状态位点回溯部分数据，引起短期的流量波动，并且存在数据处理断流情况，而 Oceanus 能够有效解决该问题，在不影响正常的数据处理，保证流量稳定的前提下，实现资源的动态调整。

2025-05-07 14:55:27 64

转载腾讯云存储率先推出COS MCP Server，打造 AI 时代的存储与处理智能枢纽

面对市场呈现的差异化应用场景，开发者群体已构建起庞大的辅助工具生态，然而技术框架的差异导致工具复用存在显著壁垒——不同架构的智能平台往往需要重复开发适配模块，这种技术隔阂严重制约了产业资源的整合效率。例如，你可以将一张图片发送给语言大模型，并说：“帮我打上'腾讯云'水印，并生成可分享的图片链接”，大模型会自动串联 COS 上传、CI 持久化图片水印，最终返回给你一个打好水印的图片链接。例如，你可以直接将一张图片发送给语言大模型，并说：“帮我保存图片”，大模型会自动将这张图片保存至预设的存储桶中。

2025-04-30 11:30:34 44

转载开源公告｜Kuikly 跨平台开发框架

规避了 KMP 的 actual/expect 直接依赖调用方式，采用callKotlin/callNative 的指令通信方案，实现了 Kotlin 跨端层与 Native 渲染层之间的编译隔离，从而支持跨平台层（Core与业务代码）动态化更新能力。Kuikly 使用 Kotlin 作为开发语言，使用原生 IDE( Android Studio / VS Code ) 和原生性能分析工具，从业务代码到框架代码层，使用统一技术栈完成开发，调试和性能分析，从而实现框架开发技术栈自闭环。

2025-04-29 16:32:14 334

转载腾讯TRMT助力DeepSeek-MoE模型通信提速30%

腾讯网平团队基于自研TRMT技术体系，结合在RoCEv2网络协议栈与双端口网卡架构的深度研究，对DeepSeek开源项目DeepEP进行了优化和增强：通过GPU直控RDMA通信消除控制面开销，创新多信道并行传输架构突破带宽瓶颈。这一技术融合的案例，既展现了开源协作的生态价值，也印证了腾讯在GPU通信架构领域持续创新的技术路线。注1：凡注明来自“鹅厂网事”的文字和图片等作品，版权均属于“深圳市腾讯计算机系统有限公司”所有，未经官方授权，不得使用，如有违反，一经查实，将保留追究权利；

2025-04-24 11:30:26 159

转载腾讯混元开源角色定制化图像生成插件

其在角色一致性和图像生成的精确度上超过了此前业界的相关技术，能够处理多种风格和复杂度的图像。通过这个插件，内容创作者可以让生成的角色保持高度一致，能够更高效地创作出符合其需求的视觉作品，可以用于连环画、影片创作等场景。框架引入了一个可扩展的适配器（adapter），采用多个transformer encoder，能够有效处理开放域的角色特征，并与现代扩散变换器的潜在空间无缝交互。

2025-04-18 11:34:05 48

转载 tRPC智能体生态又升级：发布A2A协议的实现trpc-a2a-go

trpc-a2a-go （https://github.com/trpc-group/trpc-a2a-go ）是 tRPC 推出的 A2A 协议的 Go 语言实现，为开发者提供了构建支持 A2A 协议的客户端和服务端的完整框架。然而，为了让智能体能够获取这些数据和能力，这些数据和能力的提供者需要专门开发相应的接口，将这些接口暴露给智能体，而数据与能力的所有者与开发者并非是中心化的，而是散落在世界上的各个组织和个人中，它们可能提供迥然不同的接口，导致智能体本身需要对接各种不同的接口。

2025-04-18 11:34:05 73

转载 TDesign AI Chat 新版本发布，同步开源组件源码和设计资源

由于目前 Chat 系列组件提供的是 Vue 3 版本，为了更好地承载组件开源的需求，复用已有 TDesign 开源仓库中的组件方法、站点预览和打包的能力的同时，又可以对基础组件和 Chat 及接下来一系列的组件资源进行灵活多变的包组织管理，TDesign 对现有的 Vue 仓库进行了改造升级，重新以 Monorepo 的形式组织代码，基本的仓库架构如下图所示。在 0.1 版本的使用过程中，内外部社区的许多使用者都希望组件的源码和设计资源可以公开，方便进行更底层的改造使用及对设计资源的复用。

2025-04-17 17:31:28 409 1

转载如何在OpenCloudOS 8上使用 vLLM运行opt

系列，教你如何从0到1，在OC 8上部署和训练相关模型及框架，从而获得高效、灵活、易用、稳定和可扩展的AI模型开发和部署体验，同时更好地利用硬件资源，提高你的整体计算效率。vLLM 需要 GPU compute capability 7.0 或更高（例如 V100，T4，RTX20xx，A100，L4，H100等）。在容器里运行模型，如果想要在 GPU 上运行，则需要安装 NVIDIA Container Toolkit，可参见。NVIDIA Container Toolkit 安装指引。

2025-04-08 14:37:25 61

转载诚邀报名 | OpenCloudOS城市行上海站：OS为基，AI为翼，驱动产业革新

打破算力瓶颈、筑牢安全防线、加速 AI 场景落地，驱动技术革新与产业升级。通过技术实践案例与行业场景的深度结合，为 AI 企业提供底层操作系统选型的参考路径，助力生态伙伴协同发展。近年来，AI 技术一路高歌猛进，大模型、智能算力及 AI 原生应用蓬勃发展，深度重塑各行业格局，为产业升级持续注入澎湃动力。无论您身处何行业，无论您的企业规模如何，是否有开源经验，只要您愿意共同推动国产开源操作系统的发展，OpenCloudOS 社区欢迎你的加入。通过操作系统与 AI 的深度融合，引领产业革新与技术飞跃？

2025-04-08 14:37:25 29

转载「腾讯混元大模型应用实战课程」上线国家智慧教育平台

在教育部高等教育司邀请下，腾讯结合自身大模型技术优势与全栈AI产品，从高校师生日常使用场景出发，设计制作了“腾讯混元大模型应用实战课”，上线国家智慧教育平台“人工智能教学服务开放应用专区”，和“高校学生就业能力提升‘双千’计划”专区。日前，腾讯混元再次宣布推出图生视频模型及5个全新3D生成模型，并全部开源，持续推动AI技术的开放共享与行业发展。该课程聚焦多模态生成、逻辑推理等核心功能，设计智慧教学、科研辅助、学科融合等应用场景案例，通过技术原理解析、案例实操演练，助力师生利用大模型进行教学教研及学术创新。

2025-04-02 14:19:19 964

转载数学、代码能力国内前三，腾讯混元T1最新测评成绩出炉

T1在项目级代码生成中以77.94分排行国内第二，领先第三名的QwQ-32B 1.39 分。中文大模型测评基准SuperCLUE 发布了数学推理和代码能力两项测评的最新成绩。以87.31分居国内第二，总分领先GPT o1 、Claude 等海外头部模型。4大维度，每个维度之下有数个子维度，全面考察大模型在数学推理任务的综合表现。代码能力以项目级代码生成 SuperCLUE-Project为测评基准，于 3 月 21 日发布，吐字快、能秒回，还擅长超长文处理，已经在。加微信进群即可了解更多。

2025-04-02 14:19:19 92

转载腾讯混元训练营开营，共创50多个大模型应用场景

腾讯云副总裁、腾讯数据平台部副总经理、腾讯混元大模型负责人刘煜宏表示，腾讯混元大模型作为国内首个全链路自研的万亿参数大模型，已在腾讯内部业务中完成“淬火验证”，从智能应用到内容创作，从数据分析到决策辅助，证明了其强大的泛化与创新能力，未来混元大模型将联合生态伙伴并借助生态伙伴行业经验与积累，共同推动大模型在各行各业中的场景渗透。比如，腾讯混元将会为生态伙伴提供包括免费tokens资源、模型精调、定向开源等支持，双方共同打造的应用，也将优先上架到腾讯元器、腾讯云等腾讯产品和平台上，获得流量支持。

2025-04-01 18:59:07 69

转载腾讯混元开源Hunyuan 3D 2.0家族新模型推动3D UGC生态发展

结果显示，在5步迭代条件下，87.3%的生成结果对比组中，测试参与者无法从视觉上区分Turbo模型与标准版的输出差异。最后随机drop部分视图，以支持不同图片数量输入的3D生成。支持多视图输入信息（2 到 4 张图片），能够更精准地捕捉细节，更加符合原画师、设计师用户生产习惯，大幅降低游戏制作、3D 用户生成内容创作等场景的制作成本。基于FlashVDM的3D原生模型加速框架，分别对DiT模型和VAE模型进行优化，大幅减小。，实现了数十倍的生成速度提升，将高精度模型的生成的时间压缩至秒级。

2025-03-28 17:50:59 668

转载一个 Transformer 搞定多模态理解，HaploVL让 AI “看图说话” 更懂细节

例如，预训练的视觉编码器（如 CLIP）会高度压缩图像语义，这可能忽略关键细节（如物体颜色、小目标位置），导致模型在细粒度任务（如 “数量”“感知边缘文字”）上表现不佳。现有统一架构模型（如Fuyu）虽简化了流程，但需要从头训练或消耗海量数据（例如 EVE 需 3500 万样本），且性能仍远落后于组合式模型。HaploVL用单 Transformer 架构实现高效的多模态融合，让文本嵌入能动态 “捕捉” 所需视觉线索，同时减少训练数据需求，性能比肩组合式模型！的多模态模型提供了高效路径。

2025-03-27 17:30:21 59

转载腾讯混元进入全球大模型权威榜单

跟其他测评不一样，Chatbot Arena 的测评人是C端用户——用户在平台上以匿名方式与多个模型互动，然后投票决定哪个模型更好，从而根据分数生成排行榜。3月18日发布的《中文大模型测评基准SuperCLUE 3月报告》中，腾讯混元位列基础模型国内第二，综合实力稳居国内大模型第一梯队。海外权威大模型竞技场 Chatbot Arena 公布最新排名，腾讯混元首次上榜，跻身全球 Top 15。海外权威大模型竞技场 Chatbot Arena 公布最新排名，腾讯混元首次上榜，跻身全球 Top 15。

2025-03-20 17:01:07 73

原创发布setup-tencent-kona：在GitHub上玩转Kona JDK

可以在GitHub Workflow中安装Tencent Kona JDK的各个长期支持版本（主版本）的最新季度版本。是一个GitHub Action的实现，开发者可在GitHub Actions/Workflow平台中快速接入和使用Tencent Kona JDK。版本号可以仅是主版本号，如8或17，此时将使用该主版本的最新季度版本。该发行版支持OpenJDK的全部长期支持版本，包括8，11，17和21。：使用多个版本，包括某个主版本的最新季度版本，以及特定的季度版本。：使用单个主版本的最新季度版本。

2025-03-19 11:26:20 300

Spark on Angel：Spark机器学习的核心加速器

空空如也