RynnBrain 是一款集视觉、语言和动作能力于一体的系统,让机器人能够“看懂、理解并行动”变成了现实。这个模型在处理时空理解和轨迹规划方面表现出色,能够快速支撑原型机的落地。想了解更多?可以在这儿找到它的开源地址:https://github.com/alibaba-damo-academy/RynnBrain,许可证是Apache-2.0。

SciEvalKit 则覆盖了物理、化学、材料和生命科学四个领域,能够自动化评分和复现实验结果,为科学大模型提供了一个统一的平台。实验室的详细信息可以访问:https://www.shlab.org.cn/news/5444233,而它的开源地址是:https://github.com/OpenCompass/SciEvalKit,许可证同样是Apache-2.0。
HoloBrain-0 和配套的基础设施 RoboOrchard 一起发布,旨在将具身智能技术从实验室推广到大规模产业中。核心算法及完整的部署环境都已齐全,助力生态的共同发展。想了解更多新闻吗?可以点击这里:https://finance.sina.com.cn/jjxw/2026-02-13/doc-inhmskfq0202396.shtml,开源地址为:https://github.com/HorizonRobotics/RoboOrchardLab,许可证是Apache 2.0。
有趣的是,这款3970亿参数的模型,实际只需要激活170亿,因此在部署时显存减少了60%,每百万Token的成本仅为0.8元,创造了新的基准纪录。这个模型支持从纯文本到原生多模态的各种功能,包括视觉理解、代码生成和智能体任务。更多信息可以查看中国科技网:https://www.stdaily.com/web/gdxw/2026-02-16/content_474848.html,开源地址是:https://github.com/QwenLM/Qwen3.5,许可证为Apache 2.0。
GLM-5 则特别适配了飞腾、兆芯等国产芯片,所有代码、推理和智能体任务都已经开源,企业级的部署门槛也大大降低了。想要加入社区吗?可以访问:https://hub.baai.ac.cn/view/52685,开源地址是:https://github.com/THUDM/GLM-5,许可证是MIT License。
FlashMLA 针对长文本和大模型场景进行了深度优化,显存占用明显降低,吞吐效率得到了提升,并且兼容主流的训练与推理框架,工程化集成一步到位。想了解它的更多信息?可以查看第一财经的报道:https://news.cctv.com/2025/02/24/ARTIYzdw9KThK8h2oydrEWf5250224.shtml,开源地址为:https://github.com/deepseek-ai/FlashMLA,许可证是MIT License。
Innovator-VL 专注于科研文献理解、分子结构解析和科学计算辅助,数据效率高,能够直接嵌入AI for Science的完整链路。想获取最新新闻?请点击:https://www.jiao-xue.com/news/detail?id=376937&from=timeline&isappinstalled=0。
CoPaw 提供本地模型接入、技能编写和专属消息应用接入等多种功能,用户可以自由定制自己的场景化方案。想了解更多,去GitHub看看吧:https://github.com/agentscope-ai/CoPaw,许可证同样是Apache-2.0。
——以上信息整理完毕,具体内容以各机构的官方发布为准——












用过地平线的开源项目,效率确实提升不少,希望这次也能有类似的好体验。
对于智谱AI的功能,有没有人已经尝试过?效果怎么样?
开源真是个好东西,大家一起进步,开发者都能受益。
智谱AI听起来很酷,有没有人分享一下具体的使用体验?
开源项目真的是个双刃剑,使用前一定要先评估一下风险,不要盲目跟风。
如果想要参与到这些项目中,入门的门槛大吗?有没有建议?
开源的精神真不错,大家一起分享知识,互相促进。
这次的开源项目中,哪个最值得关注呢?
听说地平线的项目能提高效率,真想试试,谁来推荐一下?