最新开源： Hugging Face最小AI视觉语言模型登场！百川智能开源Baichuan-M1医疗增强大模型！

快乐小码农

已于 2025-02-14 15:02:11 修改

阅读量1k

点赞数 23

分类专栏：开源大模型多模态大模型 LLM 文章标签：开源大模型推理模型

于 2025-02-14 11:20:06 首次发布

本文链接：https://blog.youkuaiyun.com/u012744245/article/details/145629058

版权

开源大模型同时被 3 个专栏收录

57 篇文章

订阅专栏

多模态大模型

35 篇文章

订阅专栏

LLM

7 篇文章

订阅专栏

01 Hugging Face 最小AI视觉语言模型登场

1月24日，Hugging Face 发布了两款全新轻量级视觉语言模型（VLM）：SmolVLM-256M 和 SmolVLM-500M。它们是 SmolVLM 家族的成员，接受图像和文本输入的任意序列来生成文本输出，专为提高效率而设计。

早在 2024 年 11 月，Hugging Face 就发布了仅有 20 亿参数的 SmolVLM，用于设备端推理，凭借其极低的内存占用在同类模型中脱颖而出。

此次推出的模型进一步缩减了模型参数，其中：

SmolVLM-256M：仅有 2.56 亿参数，是迄今为止最小的视觉语言模型，可在极低算力环境下运行，同时提供卓越的性能输出。
SmolVLM-500M：拥有 5 亿参数，针对硬件资源受限的场景设计，适用于大规模数据分析任务。

两款模型均采用 Hugging Face 的先进多模态技术，能够执行图像描述、短视频分析、文档理解等任务，尤其适合内存少于 1GB 的设备如笔记本电脑，为开发者提供更广泛的应用场景。

两款模型的开发依赖于两个专有数据集：The Cauldron 和 Docmatix。

The Cauldron：包含 50 个高质量图像和文本数据集，专注于多模态学习。
Docmatix：为文档理解设计的定制数据集，将扫描文档与详细标题配对，提升文档处理能力。

SmolVLM 可以回答有关图像的问题、描述视觉内容或转录文本。其轻量级架构使其适用于设备上的应用程序，同时在多模式任务上保持强大的性能。它可以在一张 GPU RAM 不到 1GB/1.23GB 的图像上运行推理。

Hugging Face 表示，SmolVLM 系列模型在构建可搜索数据库时的速度和成本表现优异，可媲美参数规模是其 10 倍的模型。

02 百川智能开源Baichuan-M1医疗增强大模型

1 月 24 日，百川智能发布了国内首个全场景深度思考模型 Baichuan-M1-preview！

相比其他推理模型，Baichuan-M1-preview 同时具备语言推理、视觉推理、搜索推理三个维度的全面推理能力，各项能力在多个领域的主流开源、闭源评测集上表现出众。

百川智能还推出了行业首个开源的医疗增强大模型 Baichuan-M1-14B，作为 Baichuan-M1-preview 的小尺寸版本，Baichuan-M1-14B 在保持高性能的同时，更加灵活易用。

Baichuan-M1-14B 在通用能力和医疗领域表现出色，尤其在医疗场景中表现优异。

在 cmexam、clinicalbench_hos、clinicalbench_hos、erke 等权威医学知识和临床能力评测上，Baichuan-M1-14B 的成绩超越了更大参数量的 Qwen2.5-72B-Instruct，与 o1-mini 也相差无几。

通过 20 万亿token的高质量数据训练，Baichuan-M1-14B 在多个医疗科室实现了细粒度建模，并引入创新模型结构，提升了上下文理解和长序列任务表现。

Baichuan-M1-14B 开源链接：

Github: https://github.com/baichuan-inc/Baichuan-M1-14B
Huggingface(base): https://huggingface.co/baichuan-inc/Baichuan-M1-14B-Base
Huggingface(Instruct): https://huggingface.co/baichuan-inc/Baichuan-M1-14B-Instruct
NPU版本支持BF16推理：https://modelers.cn/models/MindIE/Baichuan-M1-14B-Base

03 腾讯开源混元 3D 生成大模型 Hunyuan3D 2.0，草图速变3D

1 月 21 日，腾讯官宣开源上线混元 3D 生成大模型 2.0，同步上线混元 3D AI 创作引擎，号称是“业界首个一站式 3D 内容 AI 创作平台”。

Hunyuan3D 2.0 是一个先进的大规模3D合成系统，用于生成高分辨率的纹理3D资产。该系统包括两个基础组件：大规模形状生成模型 Hunyuan3D-DiT 和大规模纹理合成模型 Hunyuan3D-Paint。

形状生成模型，基于可扩展的流动变换器，旨在创建与给定条件图像对齐的几何形状。让生成的「白模」（没上色的模型）效果“堪比设计师手工建模”。
纹理合成模型，利用强大的几何和扩散先验，为生成或手工制作的网格生成高分辨率和生动的纹理贴图。可以根据文字或图片描述，为「白模」穿上各种纹理。

具体效果方面：
3D 纹理生成：通过文字或图片描述，一键生成高清纹理。

3D 草图生成：随手涂鸦的简笔画，加上简单描述就能生成 3D 模型。

3D 动画生成：选个动作模版，角色可以跑步、挥手、跳舞。

04 DeepSeek-R1 成为首个与OpenAI o1比肩的开源推理模型

1 月 20 日， DeepSeek 团队开源全新一代推理模型 DeepSeek-R1，旨在通过大规模强化学习（RL）提升推理能力。

此次，DeepSeek 发布了三组模型：

参数为 660B 的 DeepSeek-R1-Zero，不依赖监督微调（SFT），直接通过 RL 训练，展现了强大的推理行为。
参数为 660B 的 DeepSeek-R1，它从经过数千个长思想链（CoT）示例微调的检查点开始应用 RL；在 RL 前引入冷启动数据，进一步提升了推理性能，与 OpenAI-o1 在数学、代码和推理任务上表现相当。
从 DeepSeek-R1 中蒸馏推理能力到小型密集模型，参数从小到大分别为 1.5B、7B、8B、14B、32B 以及 70B。这六个模型同样完全开源，旨在回馈开源社区，推动「Open AI」的边界。

具体地，DeepSeek-R1 表现：

DeepSeek-R1 在AIME2024上获得了79.8%的成绩，略高于 OpenAI-o1-1217。
在MATH-500上，DeepSeek-R1 获得了97.3%的惊人成绩，表现与 OpenAI-o1-1217 相当，并明显优于其他模型。
在编码相关的任务中，DeepSeek-R1 在代码竞赛任务中表现出专家水平，在Codeforces上获得了2029 Elo评级，在竞赛中表现优于96.3%的人类参与者。
对于工程相关的任务，DeepSeek-R1 的表现略优于 OpenAI-o1-1217。

目前，DeepSeek 在网页端、App 端和 API 端全面上线了 R1，下图为网页端对话界面，选择 DeepSeek-R1 就能直接体验。

05 Kimi 发布多模态思考模型 k1.5，追平满血o1

1 月 20 日， Kimi 发布了全新的多模态思考模型 k1.5，O，采用强化学习进行训练。该模型在多个基准测试中表现出色：

1. 在 long-CoT 模式下，Kimi k1.5 的数学、代码、多模态推理能力，也达到长思考 SOTA 模型 OpenAI o1 正式版的水平。

2. 在 short-CoT 模式下， Kimi k1.5 的多项能力，大幅超越了全球范围内短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，领先达到 550%。尤其在 AIME 榜单上，k1.5 有 60.8，而最高的 DeepSeek-V3 只有 39.2。

思考模型/推理模型：

思考模型，或者叫推理模型，基于 GenAI 技术构建，而依赖于逻辑链条（Chain-of-Thought，CoT）来逐步推导出解决方案，这是一种用技术换时间和算力资源的方案，使思考模型可以用 10 分钟做完一套高考数学卷，分数超过 120 分，在逻辑推理能力上，进一步靠近人类专家。

思考模型分为短链思维（short-CoT）和长链思维（long-CoT）两种。short-CoT 更注重快速生成简洁的解决方案，long-CoT 则是通过多步骤的逻辑推理解决复杂问题。

去年11月，Kimi 推出了 k0-math 数学模型，12月发布了 k1 视觉思考模型，这次是k系列模型的第三次升级，延续了快速持续改进的节奏。

此次 Kimi团队首次公开了25页的模型训练技术报告《Kimi k1.5: Scaling Reinforcement Learning with Large Language Models》。

报告链接：https://arxiv.org/pdf/2501.12599

Kimi k1.5 通过扩展上下文窗口和改进的策略优化方法，建立了一个简化的强化学习框架，能够在文本和视觉数据上进行联合推理。

Kimi k1.5 模型的设计和训练有几个关键要素，核心是利用强化学习（RL）来增强其推理能力。其中一个技术亮点在于长到短的推理压缩（long2short）方法的提出，绝对值得技术者学习。

k1.5 多模态思考模型的预览版将陆续灰度上线 Kimi.com 网站和最新版本的 Kimi 智能助手 app。

参考：
https://mp.weixin.qq.com/s/hv8dYkKCimEadH9xFnGMtA
https://huggingface.co/blog/smolervlm
https://github.com/MoonshotAI/Kimi-k1.5
https://mp.weixin.qq.com/s/BmOKGKjXP2tjmPyNdU0Hqg
https://3d-models.hunyuan.tencent.com/
https://baijiahao.baidu.com/s?id=1821842918900082877&wfr=spider&for=pc

欢迎各位关注我的微信公众号：HsuDan，我将分享更多自己的学习心得、避坑总结、面试经验、AI最新技术资讯。