📌 一句话摘要 7 月开源模型盘点显示 Kimi K3 领跑，具身智能模型集中爆发，多模态与 Agent 领域亦有众多新模型发布。 📝 详细摘要 本文梳理了 2024 年 7 月开源模型的主要进展：Kimi K3 以 2.8T 参数的原生多模态模型强势领跑；具身智能领域出现密集爆发，蚂蚁灵波 LingBot 系列、小米 Xiaomi‑Robotics‑U0、腾讯混元具身视觉模型等相继开源；多模态与 Agent 方向也有英伟达 Nemotron 系列、腾讯混元 Hy‑Embodied 系列、OpenMoss 音频理解模型等众多新作；此外，各大厂及个人开放者还发布了代码、OCR、音乐转录等细分
📌 一句话摘要
7 月开源模型盘点显示 Kimi K3 领跑，具身智能模型集中爆发，多模态与 Agent 领域亦有众多新模型发布。
📝 详细摘要
本文梳理了 2024 年 7 月开源模型的主要进展：Kimi K3 以 2.8T 参数的原生多模态模型强势领跑；具身智能领域出现密集爆发，蚂蚁灵波 LingBot 系列、小米 Xiaomi‑Robotics‑U0、腾讯混元具身视觉模型等相继开源；多模态与 Agent 方向也有英伟达 Nemotron 系列、腾讯混元 Hy‑Embodied 系列、OpenMoss 音频理解模型等众多新作；此外，各大厂及个人开放者还发布了代码、OCR、音乐转录等细分领域的模型，模型规模从十亿到万亿参数不等，覆盖语言、视觉、语音、智能体等多种任务，为开发者提供了丰富的选择与技术趋势参考。
💡 主要观点
-
Kimi K3 为国产多模态领军模型，参数 2.8T，采用 KDA 等技术，尽管较慢但效果强劲。
文章指出 Kimi‑K3 是当月的超新星，被视为国产模型的 Top1，其采用 Kimi Delta Attention、Attention Residuals、Stable LatentMoE 等前沿技术，在多模态任务上表现出色，唯一不足是推理速度偏慢。
具身智能模型月内密集开源，包括蚂蚁灵波 LingBot 系列、小米 Xiaomi‑Robotics‑U0、腾讯混元具身视觉模型等，表明具身领域进入爆发期。
7 月陆续开源了 LingBot‑Depth、LingBot‑Vision、LingBot‑Video、LingBot‑World、Xiaomi‑Robotics‑U0、Hy‑Embodied‑VLM‑1.0 等具身感知、世界模型和控制模型，说明产业正在从单模态语言向具身感知与控制快速迭代。
多模态与 Agent 领域亦有众多新模型，如英伟达 Nemotron 系列、腾讯混元 Hy‑Embodied 系列、OpenMoss 音频理解模型等，功能覆盖视觉、语音、智能体交互。
英伟达开源了 Nemotron‑Labs‑TwoTower、Nemotron‑Labs‑Audex、Nemotron 3 Embed 等模型；腾讯混元释放了 Hy‑Embodied‑RxBrain、Hy‑Embodied‑VLM 以及 HunyuanOCR‑1.5；OpenMoss 则提供了端到端音频转录与说话人分离模型，展示多模态与智能体技术的同步进展。
各大厂及个人开放者持续贡献，模型规模从十亿到万亿参数不等，涵盖基础语言、代码、OCR、音乐转录等多种任务。
除了巨头模型外，还有华为盘古 openPangu‑2.0‑Flash、美团 LongCat‑2.0、快手 KAT‑Coder‑V2.5‑Dev、Poolside Laguna S 2.1、微软 Mage‑Flow、个人开放者的 Inflect‑Micro‑v2 语音合成模型等，形成了从小参数轻量模型到万亿参数巨模的完整生态。
💬 文章金句
- 如果说 6 月的 GLM5.2 一骑绝尘，7 月的超新星就是 Kimi-K3，现在说 Kimi-K3 是国模的 Top1 应该没人会反对，但贵也是真贵，慢也是真慢。
📊 文章信息
AI 初评：80
来源：魔搭ModelScope社区
作者：魔搭ModelScope社区
分类：人工智能
语言：中文
阅读时间：17 分钟
字数：4157
标签：
开源模型, 具身智能, 多模态, Kimi K3, LLM
阅读完整文章