本文汇总了 2026 年 5 月 20 日发布的 6 个开源 AI 项目，涵盖 NVIDIA 三模式大语言模型、视频多模态模型、分层推理模型以及音视频工具等。
📝 详细摘要
文章以每日开源项目汇总的形式，介绍了 6 个最新发布的开源 AI 项目。核心项目包括 NVIDIA 的 Nemotron-Labs-Diffusion，这是一个支持 AR 解码、扩散并行解码和自推测解码三种模式无缝切换的大语言模型，旨在提升推理效率。其他项目包括：专为视频结构化信息提取设计的 2B 参数视频多模态模型 Marlin、基于分层推理架构的 1B 语言模型 HRM-Text、音视频智能领域资源汇总 Awesome-AVI、并行多模态搜索智能体 HyperEyes，以及为 ComfyUI 和 LTX2 视频扩散模型设计的自定义节点集合 10S-Comfy-nodes。文章为每个项目提供了简要介绍和链接，属于信息聚合类内容。
💡 主要观点
- NVIDIA 发布三模式大语言模型 Nemotron-Labs-Diffusion。 该模型支持 AR 解码、扩散并行解码和自推测解码三种模式，通过切换注意力模式实现无缝切换，旨在提升不同并发场景下的解码效率。
💬 文章金句
- NVIDIA 推出的三模式大语言模型，支持 AR 解码、扩散并行解码、自推测解码三种模式，仅需切换推理阶段的注意力模式即可实现无缝切换。
- Marlin-2B 是一款 2B 参数量的开源视频多模态大模型，专为视频结构化信息提取设计，支持输出带秒级时间戳的场景事件字幕。
- HyperEyes 是一款并行多模态搜索智能体，将视觉定位与检索能力融合为单一原子操作，可对多个实体同时开展并发搜索。
📊 文章信息
AI 初评：80
来源：机器之心SOTA模型
作者：机器之心SOTA模型
分类：人工智能
语言：中文
阅读时间：5 分钟
字数：1006
标签： 开源项目, 大语言模型, 视频多模态, NVIDIA, ComfyUI