系列篇章No.文章1【AI大模型前沿】深度剖析瑞智病理大模型 RuiPath如何革新癌症病理诊断技术2【AI大模型前沿】清华大学 CLAMP-3多模态技术引领音乐检索新潮流3【AI大模型前沿】浙大携手阿里推出HealthGPT医学视觉语言大模型助力智能医疗新突破4【AI大模型前沿】阿里 QwQ-32B320 亿参数推理大模型性能比肩 DeepSeek-R1免费开源5【AI大模型前沿】TRELLIS微软、清华、中科大联合推出的高质量3D生成模型6【AI大模型前沿】Migician清华、北大、华科联手打造的多图像定位大模型一键解决安防监控与自动驾驶难题7【AI大模型前沿】DeepSeek-V3-0324AI 模型的全面升级与技术突破8【AI大模型前沿】BioMedGPT-R1清华联合水木分子打造的多模态生物医药大模型开启智能研发新纪元9【AI大模型前沿】DiffRhythm西北工业大学打造的10秒铸就完整歌曲的AI歌曲生成模型10【AI大模型前沿】R1-Omni阿里开源全模态情感识别与强化学习的创新结合11【AI大模型前沿】Qwen2.5-Omni阿里巴巴的多模态大模型实现看、听、说、写一体化12【AI大模型前沿】SmolDocling256M参数的轻量级多模态文档处理利器10分钟搞定百页PDF13【AI大模型前沿】Stable Virtual CameraStability AI 推出的2D图像转3D视频模型一键生成沉浸式视频14【AI大模型前沿】阿里 Qwen3 震撼开源模型新王诞生开启全球大模型新纪元15【AI大模型前沿】InternVLOpenGVLab开源多模态大模型解锁视觉问答与多语言翻译的全能应用图鉴16【AI大模型前沿】Fin-R1上海财经大学联合财跃星辰推出的金融推理大模型凭7B参数拿下评测第二离行业第一仅差3分17【AI大模型前沿】Med-R1基于强化学习的医疗视觉语言模型突破跨模态医学推理的普适性18【AI大模型前沿】Baichuan-M1-14B百川智能推出专为医疗优化的开源大语言模型19【AI大模型前沿】一键生成宫崎骏动画风EasyControl Ghibli 让照片秒变吉卜力艺术品20【AI大模型前沿】TxGemma谷歌推出的高效药物研发大模型临床试验预测准确率超90%21【AI大模型前沿】F5R-TTS腾讯推出TTS领域的新王者又快又准又自然零样本语音克隆新高度22【AI大模型前沿】MiniMind-V低成本打造超小多模态视觉语言模型仅需1.3元人民币和1小时23【AI大模型前沿】MoCha端到端对话角色视频生成模型、电影级对话角色合成黑科技、重新定义动画创作24【AI大模型前沿】HuatuoGPT-o1-7B中英文双语医学推理打破语言障碍的AI大模型25【AI大模型前沿】MedReason大规模医学推理数据集、借用知识图谱将大模型打造成“医术”专家26【AI大模型前沿】SkyReels-V2昆仑万维开源的无限时长电影生成模型开启视频生成新纪元27【AI大模型前沿】DiaNari Labs开源16亿参数TTS模型只需文本输入生成媲美真人对话的语音28【AI大模型前沿】阿里巴巴开源LHM单图生成可动画3D人体模型开启3D建模新纪元29【AI大模型前沿】TinyLLaVA-Video-R1北航开源视频推理模型、小尺寸大智慧、参数少一半性能翻一番30【AI大模型前沿】TTRL测试时强化学习开启无标签数据推理新篇章31【AI大模型前沿】Aero-1-AudioQwen2.5架构加持轻量级音频模型天花板、吊打Whisper32【AI大模型前沿】DianJin-R1阿里云通义点金联合苏大推出的金融推理增强大模型33【AI大模型前沿】VITA-Audio腾讯开源的高效语音交互多模态大语言模型34【AI大模型前沿】Multiverse全球首个AI多人游戏世界模型低成本高效率新突破35【AI大模型前沿】Seed1.5-VL多模态理解的效率革新者以小博大性能惊艳36【AI大模型前沿】ViLAMP蚂蚁集团和人民大学联手打造的长视频理解利器单卡处理3小时视频37【AI大模型前沿】Muyan-TTS开源零样本语音合成模型、0.33秒极速生成播客级语音、小白也能玩转AI配音38【AI大模型前沿】Dolphin字节跳动开源文档解析大模型轻量级、高效、多格式开启文档处理新时代39【AI大模型前沿】ChatTS字节跳动联合清华大学开源、多模态时序大模型助力时序数据对话与推理40【AI大模型前沿】Index-AniSoraB站开源的动漫视频生成模型助力高效创作41【AI大模型前沿】RelightVid上海 AI Lab联合复旦等高校推出的视频重照明模型42【AI大模型前沿】BAGEL字节跳动开源、多模态大模型的创新突破与实践指南43【AI大模型前沿】Matrix-Game昆仑万维开源大模型一键生成你的专属虚拟世界44【AI大模型前沿】Pixel Reasoner滑铁卢联合港科大等高校推出的视觉语言模型助力视觉推理新突破45【AI大模型前沿】CoGenAV多模态语音表征新范式、通义联合深技大打造、噪声环境WER降低70%46【AI大模型前沿】Ming-Lite-Omni蚂蚁集团开源的统一多模态大模型的创新实践47【AI大模型前沿】DeepEyes小红书与西安交大联合打造的多模态深度思考模型48【AI大模型前沿】OmniAudio阿里通义实验室的空间音频生成模型开启沉浸式体验新时代49【AI大模型前沿】MiniCPM 4.0面壁智能开源的极致高效端侧大模型小版本、低消耗、220倍极致提速50【AI大模型前沿】SmolVLAHugging Face开源的轻量级视觉-语言-行动机器人模型51【AI大模型前沿】Time-R1伊利诺伊大学香槟分校开源的时间推理语言模型、实现过去→未来全链路推演52【AI大模型前沿】MonkeyOCR基于结构-识别-关系三元组范式的文档解析模型53【AI大模型前沿】GLM-4.5智谱打造的开源SOTA模型推理、代码与智能体能力融合先锋54【AI大模型前沿】百度飞桨PaddleOCR 3.0开源发布支持多语言、手写体识别赋能智能文档处理55【AI大模型前沿】Stream-Omni多模态交互的“黄金三角”——视觉、语音、文本的完美融合56【AI大模型前沿】VuiFluxions-AI开源的轻量级语音对话模型开启自然语音交互新时代57【AI大模型前沿】腾讯AI Lab开源的SongGeneration音乐生成大模型的技术探索与实践58【AI大模型前沿】Osmosis-Structure-0.6B小型语言模型在结构化信息提取中的突破59【AI大模型前沿】Kwai Keye-VL颠覆认知国产多模态大模型突然发布视频理解能力堪比人类60【AI大模型前沿】Nanonets-OCR-s从学术论文到法律合同智能识别公式、签名、表格与图像61【AI大模型前沿】OmniAvatar浙大联合阿里打造的音频驱动全身视频生成模型62【AI大模型前沿】DAMO GRAPE阿里达摩院与浙江肿瘤医院联合打造的早期胃癌识别AI模型63【AI大模型前沿】阿里开源Lingshu一个模型搞定12种医学影像诊断64【AI大模型前沿】原石科技MetaStone-S1突破性反思型生成式大模型的技术解析与实践指南65【AI大模型前沿】清华实验室开源MOSS-TTSD口语对话语音生成的突破66【AI大模型前沿】昆仑万维开源Skywork-R1V338B多模态推理模型高考数学142分刷新开源SOTA67【AI大模型前沿】VoxtralMistral AI开源的高性价比语音转录与理解模型68【AI大模型前沿】Goedel-Prover-V2普林斯顿联合清华开源的定理证明模型AI数学研究新里程碑69【AI大模型前沿】Seed-X字节跳动开源的7B参数多语言翻译模型挑战超大型模型性能70【AI大模型前沿】OpenReasoning-Nemotron英伟达开源的推理利器助力数学、科学与代码任务71【AI大模型前沿】阿里通义千问 Qwen3-Coder开启智能代码生成与代理式编程新时代72【AI大模型前沿】Qwen3-SmVL基于阿里通义千问3和SmolVLM拼接打造1 GB显存可跑的中文超小多模态大模型73【AI大模型前沿】通义万相Wan2.2阿里270亿参数巨兽开源消费级显卡就能跑免费平替Sora上线74【AI大模型前沿】Higgs Audio V2杀疯Boson AI开源语音大模型克隆声音、同步BGM、低延迟对话一键搞定75【AI大模型前沿】腾讯混元3D世界生成模型HunyuanWorld-1.0开启沉浸式3D内容创作新纪元76【AI大模型前沿】Intern-S1上海AI Lab打造的科学多模态大模型助力科研智能化77【AI大模型前沿】腾讯混元Dense模型从智能座舱到客服机器人用0.5B参数打穿全场景78【AI大模型前沿】Qwen-Image免费开源、写段文案→直接出图→还能继续精修全程不用PS79【AI大模型前沿】小米开源MiDashengLM语音、音乐、环境声一网打尽、智能座舱直接起飞80【AI大模型前沿】InternVL3.5上海 AI Lab 开源多模态大模型、荣登多模态开源榜首81【AI大模型前沿】Qwen3-Max-Preview阿里通义千问的万亿参数大模型开启AI新纪元82【AI大模型前沿】dots.vlm1小红书hi lab开源的高性能多模态大模型、免费可商用图表推理直接封神83【AI大模型前沿】GLM-4.5V智谱最新一代视觉推理模型开源即巅峰42项SOTA碾压全场多模态一键秒杀84【AI大模型前沿】Jan-v1基于阿里云Qwen3-4B-Thinking的高性能本地运行AI模型85【AI大模型前沿】KittenTTSKittenML开源的轻量级文本转语音模型离线部署与高效性能的完美结合86【AI大模型前沿】Baichuan-M2百川智能开源医疗增强大模型助力医疗智能化转型87【AI大模型前沿】MiroThinker基于Qwen3构建的开源Agent模型系列助力复杂任务解决88【AI大模型前沿】DINOv3Meta开源的自监督视觉模型卫星/医疗/自拍全通杀性能吊打CLIP全家桶89【AI大模型前沿】VibeVoice微软开源7B模型跨语言、多说话人、长文本一次到位90【AI大模型前沿】Waver 1.0字节跳动推出的AI视频生成模型支持文本/图像到高清视频的创作91【AI大模型前沿】MobileCLIP2苹果开发端侧大模型让手机秒变AI神器、拍照就能写文案、搜图片零误差92【AI大模型前沿】MiniCPM-V 4.5OpenBMB推出的高性能端侧多模态大模型93【AI大模型前沿】Step-Audio 2 mini阶跃星辰开源的端到端语音大模型听得清楚、想得明白、说得自然94【AI大模型前沿】HunyuanWorld-Voyager腾讯开源的超长漫游世界模型开启3D场景生成新纪元95【AI大模型前沿】EmbeddingGemma谷歌开源的移动端优先文本嵌入模型200MB 内存搞定 100 种语言 RAG性能翻倍96【AI大模型前沿】Apertus瑞士首个开源大模型多语言支持合规训练高效性能97【AI大模型前沿】OneCAT美团联合上交大推出的纯解码器多模态模型98【AI大模型前沿】MiniCPM4.1面壁智能重磅开源128K长文本推理秒级响应端侧性能狂飙7倍99【AI大模型前沿】VoxCPMOpenBMB 推出的无分词器 TTS 模型实现上下文感知语音生成与逼真语音克隆100【AI大模型前沿】IBM Granite-Docling-258M开源企业级文档 AI 模型的创新与应用101【AI大模型前沿】小红书开源FireRedTTS-2突破性多说话人长对话语音生成系统完全解析102【AI大模型前沿】PP-OCRv5百度飞桨的高效多语言文字识别利器0.07 亿参数狂飙 370 字/秒支持 40 语种103【AI大模型前沿】小米AI实验室发布ZipVoice系列语音合成模型重塑语音交互体验104【AI大模型前沿】IndexTTS2B站开源的零样本语音合成模型实现情感与时长精准控制105【AI大模型前沿】Ling-V2蚂蚁百灵团队打造的高效智能语言模型106【AI大模型前沿】腾讯ARC开源AudioStory大语言模型驱动的长篇叙事音频生成技术107【AI大模型前沿】Mini-o3字节跳动联合港大推出的开源视觉推理模型108【AI大模型前沿】InternVLA-N1上海 AI Lab 开源的端到端双系统导航大模型109【AI大模型前沿】InternVLA-A1上海AI实验室开源的具身操作大模型助力机器人实现理解、想象与执行一体化110【AI大模型前沿】深度解析DeepSeek-R1-Safe华为与浙大合作的安全大模型111【AI大模型前沿】小米开源语音大模型 Xiaomi-MiMo-Audio开启语音领域的“LLaMA时刻”112【AI大模型前沿】百度Qianfan-VL企业级多模态大模型的领域增强解决方案OCR、数学、图表一把抓113【AI大模型前沿】Qwen3Guard阿里云通义千问团队推出的安全防护模型114【AI大模型前沿】Qwen3-VL阿里云通义千问的多模态视觉语言模型开启智能交互新纪元115【AI大模型前沿】Qwen3-Omni阿里巴巴通义千问团队引领全模态大模型新突破116【AI大模型前沿】Qwen3-TTS-Flash阿里通义的多语言多音色语音合成利器117【AI大模型前沿】FLM-Audio智源研究院开源的全双工音频对话大模型开启自然流畅语音交互新时代118【AI大模型前沿】DeepSeek-V3.2-Exp基于稀疏注意力机制的高效长文本处理大模型119【AI大模型前沿】智谱GLM-4.6355B参数的旗舰级AI模型代码能力与推理性能全面升级120【AI大模型前沿】Logics-Parsing阿里巴巴开源的端到端文档解析模型121【AI大模型前沿】Ming-UniAudio蚂蚁集团开源的多功能统一语音大模型122【AI大模型前沿】Ling-1T蚂蚁集团开源万亿参数的高效推理非思考模型123【AI大模型前沿】微软UserLM-8bAI助手的“逼真陪练”多轮对话精炼利器124【AI大模型前沿】NeuTTS AirNeuphonic打造的超拟真离线语音合成模型125【AI大模型前沿】Youtu-Embedding腾讯优图开源的高性能通用文本表示模型126【AI大模型前沿】UniPixel香港理工大学联合腾讯推出的像素级多模态大模型127【AI大模型前沿】SongBloom腾讯AI Lab开源的全长度歌曲生成模型128【AI大模型前沿】SAIL-VL2字节跳动开源的“小而强”视觉语言模型2B参数也能吊打大模型129【AI大模型前沿】PaddleOCR-VL百度0.9B超轻量级文档解析利器多语言多模态功能强大130【AI大模型前沿】HunyuanWorld-Mirror腾讯开源的多功能3D重建大模型131【AI大模型前沿】DeepSeek-OCR开启OCR 2.0时代用视觉压缩技术革新文档处理132【AI大模型前沿】FIBO首个开源原生支持JSON的文本生成图像模型133【AI大模型前沿】SoulX-Podcast多语言、多方言、多说话人的语音合成新突破134【AI大模型前沿】美团 LongCat-Flash-Omni低延迟音视频交互的全模态大模型135【AI大模型前沿】Ouro字节跳动Seed团队推出的循环语言模型开启推理新纪元136【AI大模型前沿】UniWorld基于强化学习的图像编辑大模型技术解析与应用探索137【AI大模型前沿】FG-CLIP360推出的双语细粒度视觉语言对齐模型助力多模态理解新突破138【AI大模型前沿】Maya1Maya Research开源的语音合成模型让AI声音充满情感139【AI大模型前沿】Step-Audio-EditX全球首个开源LLM音频编辑大模型开启音频创作新纪元140【AI大模型前沿】OmniVinciNVIDIA全模态大模型语音、图像、视频全搞定的六边形战士141【AI大模型前沿】Open-o3-Video北大联合字节开源的时空推理视频模型142【AI大模型前沿】SenseNova-SI商汤开源的空间智能大模型性能超越GPT-5143【AI大模型前沿】ERNIE 4.5百度文心大模型的多模态技术革新与应用实践144【AI大模型前沿】腾讯KaLM-Embedding高性能多语言文本嵌入模型的创新与实践145【AI大模型前沿】Bee腾讯混元与清华联合开源的全栈多模态大模型创新项目146【AI大模型前沿】InfinityStar字节跳动推出的高效视频生成模型开启视频创作新纪元147【AI大模型前沿】Meta SAM 3D从单图到3D世界的神奇钥匙148【AI大模型前沿】Meta SAM 3基于概念提示的图像与视频分割模型149【AI大模型前沿】腾讯 HunyuanVideo-1.5用消费级显卡解锁高清视频生成的无限可能150【AI大模型前沿】Olmo 3开源时代的 AI 定制先锋打造专属智能模型151【AI大模型前沿】Fara-7B微软打造的高效计算机操作代理模型开启智能办公新时代152【AI大模型前沿】HunyuanOCR腾讯混元推出的高效端到端OCR视觉语言模型153【AI大模型前沿】Z-Image阿里通义的图像生成“魔法棒”低资源设备也能玩转高清图像154【AI大模型前沿】Depth Anything 3字节跳动推出的高效视觉空间重建模型155【AI大模型前沿】DeepSeek-Math-V2数学推理的“智能助手”从定理证明到竞赛夺冠156【AI大模型前沿】GLM-ASR智谱开源的高性能语音识别模型157【AI大模型前沿】GLM-TTS智谱AI打造的可控情感零样本文本转语音模型158【AI大模型前沿】GLM-4.6V智谱多模态大模型的创新突破与应用实践159【AI大模型前沿】GLM-4.7智谱AI的旗舰大模型开启智能编程新时代160【AI大模型前沿】StepAudio R1首个解锁音频推理能力的开源大模型161【AI大模型前沿】GELab-Zero阶跃开源的4B端侧多模态GUI Agent模型助力本地可控的移动设备智能化162【AI大模型前沿】Vidi2由字节跳动开源的多模态视频理解与生成大模型163【AI大模型前沿】Mistral 3欧洲开源力量的AI力作多模态与高性能的完美融合164【AI大模型前沿】NewBie-image-Exp0.1NewBieAI实验室打造的高效动漫图像生成模型165【AI大模型前沿】LongCat-Image美团开源的高效图像生成与编辑模型166【AI大模型前沿】NVIDIA Nemotron 3多智能体 AI 的高效推理引擎开启智能协作新时代167【AI大模型前沿】LLaDA2.0蚂蚁集团开源的100B扩散语言模型高效推理与卓越性能168【AI大模型前沿】小米MiMo-V2-Flash高效推理与智能体任务优化的开源大模型169【AI大模型前沿】Molmo 2艾伦人工智能研究所开源的多模态视频理解模型170【AI大模型前沿】Meta SAM Audio革新音频分离技术开启多模态音频处理新时代171【AI大模型前沿】TRELLIS.2微软开源的40亿参数图像转3D生成模型172【AI大模型前沿】T5Gemma 2谷歌开源的下一代紧凑型多模态长上下文编解码模型173【AI大模型前沿】Qwen-Image-Layered基于分层技术的图像编辑新突破174【AI大模型前沿】谷歌FunctionGemma轻量化函数调用AI模型的创新与实践175【AI大模型前沿】Tencent-HY-MT1.5腾讯混元开源的多语言翻译模型176【AI大模型前沿】Yume1.5交互式世界生成模型的革新与实践177【AI大模型前沿】Step-DeepResearch高效低成本的端到端深度研究 Agent 模型178【AI大模型前沿】Qwen-Doc阿里通义千问的长文本理解与推理技术解析179【AI大模型前沿】MAI-UI阿里通义开源的全尺寸GUI智能体基座模型开启下一代人机交互新纪元180【AI大模型前沿】MedASR谷歌开源的高精度医疗语音识别模型181【AI大模型前沿】Fun-Audio-Chat阿里巴巴开源的高效语音交互大模型182【AI大模型前沿】XVERSE-Ent元象开源的泛娱乐中英双语底座大模型183【AI大模型前沿】星辰语义大模型TeleChat3国产千亿MoE大模型的创新与应用184【AI大模型前沿】腾讯 Youtu-LLM轻量级语言模型的高性能突破185【AI大模型前沿】MiroThinker v1.5开源搜索智能体的革命性突破重新定义AI交互186【AI大模型前沿】Qwen3-VL-Reranker阿里通义开源的跨模态重排序模型187【AI大模型前沿】VoiceSculptor基于LLaSA与CosyVoice2的指令化语音合成利器188【AI大模型前沿】NVIDIA Nemotron Speech ASR低延迟实时语音识别的开源利器189【AI大模型前沿】千寻智能Spirit-v1.5开启具身智能新纪元助力机器人迈向真实世界190【AI大模型前沿】Qwen3-VL-Embedding阿里通义开源的多模态信息检索模型助力高效跨模态理解与检索191【AI大模型前沿】智谱AI开源GLM-Image自回归扩散双引擎驱动的多模态图像生成新范式192【AI大模型前沿】Baichuan-M3-235B国产开源医疗大模型登顶全球榜单2350亿参数重构AI临床决策新标准193【AI大模型前沿】Google MedGemma 1.5技术解析开源多模态医疗AI从2D影像到3D CT/MRI的跨越式进化194【AI大模型前沿】FlashLabs Chroma 1.0 技术深度解析全球首个开源实时端到端语音对话模型195【AI大模型前沿】微软VibeVoice-ASR技术解析支持60分钟长音频端到端识别的开源语音识别新标杆196【AI大模型前沿】AgentCPM-Explore清华面壁开源4B端侧智能体以小博大实现百轮深度搜索与长程推理目录系列篇章前言一、项目概述二、核心功能一超长程任务处理二SOTA级性能突破三多工具协同调度四全栈开源生态三、技术揭秘一课程化强化学习二AgentRL异步架构三AgentDock沙盒隔离四端到端训练透明四、应用场景一企业级深度研究助手二端侧私有化智能体三智能体训练与科研平台五、快速使用一环境准备二启动AgentDock工具沙盒三运行QuickStart示例四查看结果与调试五使用AgentToLeaP进行评测结语项目地址前言2025-2026年大模型参数竞赛白热化数百亿参数模型能力强大却带来算力与隐私挑战。清华大学等机构联合推出的AgentCPM-Explore以4B参数在8个国际评测中实现SOTA部分指标超越闭源巨头首次让端侧智能体具备生产级Deep Research能力。一、项目概述AgentCPM-Explore是面向深度研究场景的专业化LLM Agent基于Qwen3-4B-Thinking基座模型进行专门强化学习训练通过AgentRL框架实现工具调用与长程规划能力的高效注入。其核心突破在于以仅40亿的参数规模支持超过100轮的连续环境交互与多源信息交叉验证在GAIA基准上从基础模型的25.24%跃升至63.90%不仅刷新同尺寸模型性能天花板更越级挑战并比肩部分30B级以上模型与闭源商业系统为端侧私有化部署、高隐私场景下的自主研究智能体树立了新范式。二、核心功能一超长程任务处理AgentCPM-Explore具备卓越的长期记忆与目标保持能力支持100轮连续交互不迷失方向。在复杂信息检索任务中能动态调整搜索策略基于中间结果进行多源交叉验证自动发现信息矛盾并触发验证流程确保最终答案的准确性与一致性真正实现深度研究所需的长时间跨度推理能力。二SOTA级性能突破仅以4B参数规模在GAIA、HLE、BrowseComp等8个国际权威智能体基准上刷新同尺寸模型SOTAGAIA得分从基座25.24%跃升至63.90%。关键指标上超越Claude-4.5-sonnet比肩部分30B模型与OpenAI-o3等闭源系统验证了专精训练优于盲目堆参数的技术路线为端侧智能体树立新标杆。三多工具协同调度内置AgentDock统一工具沙盒原生支持16个MCP服务及100工具调用。实现搜索、浏览、计算、代码执行等多模态工具的无缝协同通过智能路由与负载均衡保障100QPS高并发具备故障自愈与备用切换机制确保长链路任务中工具调用的稳定性与可靠性。四全栈开源生态提供从训练到评测的完整开源方案AgentRL异步强化学习框架千行代码实现训推同卡、AgentToLeaP一键评测平台覆盖8大权威基准。不仅开源模型权重更公开从基座到SOTA的完整训练演进代码支持128K长文本训练与多卡并行极大降低社区二次开发门槛。三、技术揭秘一课程化强化学习基于Qwen3-4B-Thinking基座采用课程学习策略逐步提升任务复杂度。从短链推理到百轮长程交互通过阶段性难度递增让模型稳定掌握目标保持能力。结合奖励塑形机制缓解稀疏反馈问题确保中间步骤的负面信号不会破坏整体策略实现长链路训练的稳定性与收敛性。二AgentRL异步架构核心引擎仅7个文件、千行代码实现采样与训练在同一GPU全异步并行。兼容PyTorch原生并行及FSDP2/Tensor/Context Parallel支持128K长上下文。零门槛接入标准ChatCompletions接口无需修改模型架构即可启动RL训练硬件利用率最大化同时保持代码极简可维护。三AgentDock沙盒隔离采用容器化部署实现工具服务完全隔离避免环境冲突。内置智能路由根据实时负载动态分发请求单点故障时自动触发重试与备用切换。统一输出格式标准化降低模型解析负担支持弹性扩缩容与动态服务发现为长程任务提供工业级稳定性保障。四端到端训练透明开源从Base模型GAIA 25.24%到SOTA63.90%的完整训练代码与数据配比方案。公开多阶段训练曲线、奖励函数设计及超参数配置支持社区复现与验证。这种白盒开源策略打破大模型训练黑箱为智能体领域的可解释研究与安全对齐提供坚实基础。四、应用场景一企业级深度研究助手在需要处理复杂信息查询与报告生成的场景中AgentCPM-Explore可部署于企业内网安全地执行竞品分析自动搜索、对比、验证多家竞争对手的产品参数、市场策略行业调研追踪特定领域最新技术进展跨多信源交叉验证信息准确性数据挖掘结合内部数据库与公开网络信息生成结构化分析报告二端侧私有化智能体得益于4B参数的轻量化设计该模型可部署于本地工作站甚至高性能边缘设备隐私保护场景金融、医疗、政务等敏感领域数据不出本地即可完成复杂研究任务离线环境使用野外考察、舰船作业等无网络环境下基于本地知识库执行任务个人知识管理个人用户可在笔记本上运行管理私有笔记、文献生成个性化研究报告三智能体训练与科研平台开源的全套基础设施为学术界提供了宝贵的研究平台算法验证研究者可在AgentRL基础上快速验证新的RL算法、奖励机制能力评测利用AgentToLeaP建立统一的评测标准推动领域发展领域适配通过微调将通用探索能力迁移至特定垂直领域如生物医药、法律检索五、快速使用一环境准备硬件要求模型推理单张消费级GPU如RTX 4090或云服务器如H100完整训练建议多卡A100/H100集群软件环境# 1. 克隆仓库gitclone https://github.com/OpenBMB/AgentCPM.gitcdAgentCPM-Explore# 2. 使用Docker快速部署推荐# 支持amd64/arm64架构dockerpull yuyangfu/agenttoleap-eval:v2.0dockerrun-dit--nameagenttoleap--gpusall--networkhost-v$(pwd):/workspace yuyangfu/agenttoleap-eval:v2.0dockerexec-itagenttoleap /bin/bashcd/workspace二启动AgentDock工具沙盒AgentDock提供一键启动的Docker Compose配置# 在config.toml中配置模型API信息支持本地模型或商业API# 启动全部服务管理面板、数据库、工具节点dockercompose up-d# 默认管理面板地址http://localhost:8000三运行QuickStart示例# quickstart.py 关键配置QUERY查询今日arXiv计算机科学领域最新论文# 自定义任务API_KEYyour-api-key# 大模型API密钥MODEL_NAMEagentcpm-exploreBASE_URLhttp://localhost:8000/v1# 本地或远程模型服务MANAGER_URLhttp://localhost:8000# AgentDock服务地址# 运行python quickstart.py执行流程解析用户意图生成执行计划自动调用搜索工具访问arXiv解析返回结果提取关键信息标题、作者、摘要必要时多轮验证如检查是否遗漏重要论文生成结构化报告四查看结果与调试执行完成后结果保存在outputs/quickstart_results/dialog.json完整交互轨迹包含每轮思考过程与工具调用report.md最终生成的结构化报告通过分析dialog.json开发者可深入理解模型的决策逻辑针对性优化提示词或工具配置。五使用AgentToLeaP进行评测# 一键启动GAIA评测python-magenttoleap.eval--benchmarkgaia--modelagentcpm-explore# 支持多维度指标输出任务完成率、步骤效率、准确率等结语AgentCPM-Explore的发布标志着端侧智能体技术的重要里程碑。它证明了一个关键趋势在AI Agent领域“专精化训练正在超越参数规模崇拜”。通过4B参数实现比肩30B模型的深度研究能力不仅为资源受限场景提供了可行方案更开源了从训练到评测的全套基础设施推动行业从黑盒API调用走向可验证、可复现、可定制的开放研究范式。对于开发者而言这意味着更低的部署成本无需昂贵的算力集群单卡即可运行生产级智能体更高的隐私保障完全本地部署数据不出域更强的定制能力基于开源框架快速构建领域专属Agent随着AgentCPM-Report8B参数报告生成模型的同步开源OpenBMB社区正在构建覆盖深度探索-报告生成的完整智能体解决方案。无论是学术研究、企业应用还是个人开发者AgentCPM系列都提供了值得深入探索的技术基座。项目地址GitHub开源仓库https://github.com/OpenBMB/AgentCPMHuggingFace模型页https://huggingface.co/openbmb/AgentCPM-ExploreModelScope模型页https://modelscope.cn/models/OpenBMB/AgentCPM-Explore更多专栏系列文章AI大模型提示工程完全指南、AI大模型探索之路零基础入门、AI大模型预训练微调进阶、AI大模型开源精选实践、AI大模型RAG应用探索实践 其他专栏可以查看博客主页作者介绍资深程序老猿从业10年、互联网系统架构师目前专注于AIGC的探索CSDN博客之星|AIGC领域优质创作者专属社群欢迎关注【小兵的AI视界】公众号或扫描下方二维码回复‘入群’ 即刻上车获取邀请链接。领取三大专属福利1️⃣免费赠送AI编程500本2️⃣AI技术教程副业资料1套3️⃣DeepSeek资料教程1套限前500人如果文章内容对您有所触动别忘了点赞、⭐关注收藏加入我们一起携手同行AI的探索之旅开启智能时代的大门
【AI大模型前沿】AgentCPM-Explore：清华面壁开源4B端侧智能体，以小博大实现百轮深度搜索与长程推理
系列篇章No.文章1【AI大模型前沿】深度剖析瑞智病理大模型 RuiPath如何革新癌症病理诊断技术2【AI大模型前沿】清华大学 CLAMP-3多模态技术引领音乐检索新潮流3【AI大模型前沿】浙大携手阿里推出HealthGPT医学视觉语言大模型助力智能医疗新突破4【AI大模型前沿】阿里 QwQ-32B320 亿参数推理大模型性能比肩 DeepSeek-R1免费开源5【AI大模型前沿】TRELLIS微软、清华、中科大联合推出的高质量3D生成模型6【AI大模型前沿】Migician清华、北大、华科联手打造的多图像定位大模型一键解决安防监控与自动驾驶难题7【AI大模型前沿】DeepSeek-V3-0324AI 模型的全面升级与技术突破8【AI大模型前沿】BioMedGPT-R1清华联合水木分子打造的多模态生物医药大模型开启智能研发新纪元9【AI大模型前沿】DiffRhythm西北工业大学打造的10秒铸就完整歌曲的AI歌曲生成模型10【AI大模型前沿】R1-Omni阿里开源全模态情感识别与强化学习的创新结合11【AI大模型前沿】Qwen2.5-Omni阿里巴巴的多模态大模型实现看、听、说、写一体化12【AI大模型前沿】SmolDocling256M参数的轻量级多模态文档处理利器10分钟搞定百页PDF13【AI大模型前沿】Stable Virtual CameraStability AI 推出的2D图像转3D视频模型一键生成沉浸式视频14【AI大模型前沿】阿里 Qwen3 震撼开源模型新王诞生开启全球大模型新纪元15【AI大模型前沿】InternVLOpenGVLab开源多模态大模型解锁视觉问答与多语言翻译的全能应用图鉴16【AI大模型前沿】Fin-R1上海财经大学联合财跃星辰推出的金融推理大模型凭7B参数拿下评测第二离行业第一仅差3分17【AI大模型前沿】Med-R1基于强化学习的医疗视觉语言模型突破跨模态医学推理的普适性18【AI大模型前沿】Baichuan-M1-14B百川智能推出专为医疗优化的开源大语言模型19【AI大模型前沿】一键生成宫崎骏动画风EasyControl Ghibli 让照片秒变吉卜力艺术品20【AI大模型前沿】TxGemma谷歌推出的高效药物研发大模型临床试验预测准确率超90%21【AI大模型前沿】F5R-TTS腾讯推出TTS领域的新王者又快又准又自然零样本语音克隆新高度22【AI大模型前沿】MiniMind-V低成本打造超小多模态视觉语言模型仅需1.3元人民币和1小时23【AI大模型前沿】MoCha端到端对话角色视频生成模型、电影级对话角色合成黑科技、重新定义动画创作24【AI大模型前沿】HuatuoGPT-o1-7B中英文双语医学推理打破语言障碍的AI大模型25【AI大模型前沿】MedReason大规模医学推理数据集、借用知识图谱将大模型打造成“医术”专家26【AI大模型前沿】SkyReels-V2昆仑万维开源的无限时长电影生成模型开启视频生成新纪元27【AI大模型前沿】DiaNari Labs开源16亿参数TTS模型只需文本输入生成媲美真人对话的语音28【AI大模型前沿】阿里巴巴开源LHM单图生成可动画3D人体模型开启3D建模新纪元29【AI大模型前沿】TinyLLaVA-Video-R1北航开源视频推理模型、小尺寸大智慧、参数少一半性能翻一番30【AI大模型前沿】TTRL测试时强化学习开启无标签数据推理新篇章31【AI大模型前沿】Aero-1-AudioQwen2.5架构加持轻量级音频模型天花板、吊打Whisper32【AI大模型前沿】DianJin-R1阿里云通义点金联合苏大推出的金融推理增强大模型33【AI大模型前沿】VITA-Audio腾讯开源的高效语音交互多模态大语言模型34【AI大模型前沿】Multiverse全球首个AI多人游戏世界模型低成本高效率新突破35【AI大模型前沿】Seed1.5-VL多模态理解的效率革新者以小博大性能惊艳36【AI大模型前沿】ViLAMP蚂蚁集团和人民大学联手打造的长视频理解利器单卡处理3小时视频37【AI大模型前沿】Muyan-TTS开源零样本语音合成模型、0.33秒极速生成播客级语音、小白也能玩转AI配音38【AI大模型前沿】Dolphin字节跳动开源文档解析大模型轻量级、高效、多格式开启文档处理新时代39【AI大模型前沿】ChatTS字节跳动联合清华大学开源、多模态时序大模型助力时序数据对话与推理40【AI大模型前沿】Index-AniSoraB站开源的动漫视频生成模型助力高效创作41【AI大模型前沿】RelightVid上海 AI Lab联合复旦等高校推出的视频重照明模型42【AI大模型前沿】BAGEL字节跳动开源、多模态大模型的创新突破与实践指南43【AI大模型前沿】Matrix-Game昆仑万维开源大模型一键生成你的专属虚拟世界44【AI大模型前沿】Pixel Reasoner滑铁卢联合港科大等高校推出的视觉语言模型助力视觉推理新突破45【AI大模型前沿】CoGenAV多模态语音表征新范式、通义联合深技大打造、噪声环境WER降低70%46【AI大模型前沿】Ming-Lite-Omni蚂蚁集团开源的统一多模态大模型的创新实践47【AI大模型前沿】DeepEyes小红书与西安交大联合打造的多模态深度思考模型48【AI大模型前沿】OmniAudio阿里通义实验室的空间音频生成模型开启沉浸式体验新时代49【AI大模型前沿】MiniCPM 4.0面壁智能开源的极致高效端侧大模型小版本、低消耗、220倍极致提速50【AI大模型前沿】SmolVLAHugging Face开源的轻量级视觉-语言-行动机器人模型51【AI大模型前沿】Time-R1伊利诺伊大学香槟分校开源的时间推理语言模型、实现过去→未来全链路推演52【AI大模型前沿】MonkeyOCR基于结构-识别-关系三元组范式的文档解析模型53【AI大模型前沿】GLM-4.5智谱打造的开源SOTA模型推理、代码与智能体能力融合先锋54【AI大模型前沿】百度飞桨PaddleOCR 3.0开源发布支持多语言、手写体识别赋能智能文档处理55【AI大模型前沿】Stream-Omni多模态交互的“黄金三角”——视觉、语音、文本的完美融合56【AI大模型前沿】VuiFluxions-AI开源的轻量级语音对话模型开启自然语音交互新时代57【AI大模型前沿】腾讯AI Lab开源的SongGeneration音乐生成大模型的技术探索与实践58【AI大模型前沿】Osmosis-Structure-0.6B小型语言模型在结构化信息提取中的突破59【AI大模型前沿】Kwai Keye-VL颠覆认知国产多模态大模型突然发布视频理解能力堪比人类60【AI大模型前沿】Nanonets-OCR-s从学术论文到法律合同智能识别公式、签名、表格与图像61【AI大模型前沿】OmniAvatar浙大联合阿里打造的音频驱动全身视频生成模型62【AI大模型前沿】DAMO GRAPE阿里达摩院与浙江肿瘤医院联合打造的早期胃癌识别AI模型63【AI大模型前沿】阿里开源Lingshu一个模型搞定12种医学影像诊断64【AI大模型前沿】原石科技MetaStone-S1突破性反思型生成式大模型的技术解析与实践指南65【AI大模型前沿】清华实验室开源MOSS-TTSD口语对话语音生成的突破66【AI大模型前沿】昆仑万维开源Skywork-R1V338B多模态推理模型高考数学142分刷新开源SOTA67【AI大模型前沿】VoxtralMistral AI开源的高性价比语音转录与理解模型68【AI大模型前沿】Goedel-Prover-V2普林斯顿联合清华开源的定理证明模型AI数学研究新里程碑69【AI大模型前沿】Seed-X字节跳动开源的7B参数多语言翻译模型挑战超大型模型性能70【AI大模型前沿】OpenReasoning-Nemotron英伟达开源的推理利器助力数学、科学与代码任务71【AI大模型前沿】阿里通义千问 Qwen3-Coder开启智能代码生成与代理式编程新时代72【AI大模型前沿】Qwen3-SmVL基于阿里通义千问3和SmolVLM拼接打造1 GB显存可跑的中文超小多模态大模型73【AI大模型前沿】通义万相Wan2.2阿里270亿参数巨兽开源消费级显卡就能跑免费平替Sora上线74【AI大模型前沿】Higgs Audio V2杀疯Boson AI开源语音大模型克隆声音、同步BGM、低延迟对话一键搞定75【AI大模型前沿】腾讯混元3D世界生成模型HunyuanWorld-1.0开启沉浸式3D内容创作新纪元76【AI大模型前沿】Intern-S1上海AI Lab打造的科学多模态大模型助力科研智能化77【AI大模型前沿】腾讯混元Dense模型从智能座舱到客服机器人用0.5B参数打穿全场景78【AI大模型前沿】Qwen-Image免费开源、写段文案→直接出图→还能继续精修全程不用PS79【AI大模型前沿】小米开源MiDashengLM语音、音乐、环境声一网打尽、智能座舱直接起飞80【AI大模型前沿】InternVL3.5上海 AI Lab 开源多模态大模型、荣登多模态开源榜首81【AI大模型前沿】Qwen3-Max-Preview阿里通义千问的万亿参数大模型开启AI新纪元82【AI大模型前沿】dots.vlm1小红书hi lab开源的高性能多模态大模型、免费可商用图表推理直接封神83【AI大模型前沿】GLM-4.5V智谱最新一代视觉推理模型开源即巅峰42项SOTA碾压全场多模态一键秒杀84【AI大模型前沿】Jan-v1基于阿里云Qwen3-4B-Thinking的高性能本地运行AI模型85【AI大模型前沿】KittenTTSKittenML开源的轻量级文本转语音模型离线部署与高效性能的完美结合86【AI大模型前沿】Baichuan-M2百川智能开源医疗增强大模型助力医疗智能化转型87【AI大模型前沿】MiroThinker基于Qwen3构建的开源Agent模型系列助力复杂任务解决88【AI大模型前沿】DINOv3Meta开源的自监督视觉模型卫星/医疗/自拍全通杀性能吊打CLIP全家桶89【AI大模型前沿】VibeVoice微软开源7B模型跨语言、多说话人、长文本一次到位90【AI大模型前沿】Waver 1.0字节跳动推出的AI视频生成模型支持文本/图像到高清视频的创作91【AI大模型前沿】MobileCLIP2苹果开发端侧大模型让手机秒变AI神器、拍照就能写文案、搜图片零误差92【AI大模型前沿】MiniCPM-V 4.5OpenBMB推出的高性能端侧多模态大模型93【AI大模型前沿】Step-Audio 2 mini阶跃星辰开源的端到端语音大模型听得清楚、想得明白、说得自然94【AI大模型前沿】HunyuanWorld-Voyager腾讯开源的超长漫游世界模型开启3D场景生成新纪元95【AI大模型前沿】EmbeddingGemma谷歌开源的移动端优先文本嵌入模型200MB 内存搞定 100 种语言 RAG性能翻倍96【AI大模型前沿】Apertus瑞士首个开源大模型多语言支持合规训练高效性能97【AI大模型前沿】OneCAT美团联合上交大推出的纯解码器多模态模型98【AI大模型前沿】MiniCPM4.1面壁智能重磅开源128K长文本推理秒级响应端侧性能狂飙7倍99【AI大模型前沿】VoxCPMOpenBMB 推出的无分词器 TTS 模型实现上下文感知语音生成与逼真语音克隆100【AI大模型前沿】IBM Granite-Docling-258M开源企业级文档 AI 模型的创新与应用101【AI大模型前沿】小红书开源FireRedTTS-2突破性多说话人长对话语音生成系统完全解析102【AI大模型前沿】PP-OCRv5百度飞桨的高效多语言文字识别利器0.07 亿参数狂飙 370 字/秒支持 40 语种103【AI大模型前沿】小米AI实验室发布ZipVoice系列语音合成模型重塑语音交互体验104【AI大模型前沿】IndexTTS2B站开源的零样本语音合成模型实现情感与时长精准控制105【AI大模型前沿】Ling-V2蚂蚁百灵团队打造的高效智能语言模型106【AI大模型前沿】腾讯ARC开源AudioStory大语言模型驱动的长篇叙事音频生成技术107【AI大模型前沿】Mini-o3字节跳动联合港大推出的开源视觉推理模型108【AI大模型前沿】InternVLA-N1上海 AI Lab 开源的端到端双系统导航大模型109【AI大模型前沿】InternVLA-A1上海AI实验室开源的具身操作大模型助力机器人实现理解、想象与执行一体化110【AI大模型前沿】深度解析DeepSeek-R1-Safe华为与浙大合作的安全大模型111【AI大模型前沿】小米开源语音大模型 Xiaomi-MiMo-Audio开启语音领域的“LLaMA时刻”112【AI大模型前沿】百度Qianfan-VL企业级多模态大模型的领域增强解决方案OCR、数学、图表一把抓113【AI大模型前沿】Qwen3Guard阿里云通义千问团队推出的安全防护模型114【AI大模型前沿】Qwen3-VL阿里云通义千问的多模态视觉语言模型开启智能交互新纪元115【AI大模型前沿】Qwen3-Omni阿里巴巴通义千问团队引领全模态大模型新突破116【AI大模型前沿】Qwen3-TTS-Flash阿里通义的多语言多音色语音合成利器117【AI大模型前沿】FLM-Audio智源研究院开源的全双工音频对话大模型开启自然流畅语音交互新时代118【AI大模型前沿】DeepSeek-V3.2-Exp基于稀疏注意力机制的高效长文本处理大模型119【AI大模型前沿】智谱GLM-4.6355B参数的旗舰级AI模型代码能力与推理性能全面升级120【AI大模型前沿】Logics-Parsing阿里巴巴开源的端到端文档解析模型121【AI大模型前沿】Ming-UniAudio蚂蚁集团开源的多功能统一语音大模型122【AI大模型前沿】Ling-1T蚂蚁集团开源万亿参数的高效推理非思考模型123【AI大模型前沿】微软UserLM-8bAI助手的“逼真陪练”多轮对话精炼利器124【AI大模型前沿】NeuTTS AirNeuphonic打造的超拟真离线语音合成模型125【AI大模型前沿】Youtu-Embedding腾讯优图开源的高性能通用文本表示模型126【AI大模型前沿】UniPixel香港理工大学联合腾讯推出的像素级多模态大模型127【AI大模型前沿】SongBloom腾讯AI Lab开源的全长度歌曲生成模型128【AI大模型前沿】SAIL-VL2字节跳动开源的“小而强”视觉语言模型2B参数也能吊打大模型129【AI大模型前沿】PaddleOCR-VL百度0.9B超轻量级文档解析利器多语言多模态功能强大130【AI大模型前沿】HunyuanWorld-Mirror腾讯开源的多功能3D重建大模型131【AI大模型前沿】DeepSeek-OCR开启OCR 2.0时代用视觉压缩技术革新文档处理132【AI大模型前沿】FIBO首个开源原生支持JSON的文本生成图像模型133【AI大模型前沿】SoulX-Podcast多语言、多方言、多说话人的语音合成新突破134【AI大模型前沿】美团 LongCat-Flash-Omni低延迟音视频交互的全模态大模型135【AI大模型前沿】Ouro字节跳动Seed团队推出的循环语言模型开启推理新纪元136【AI大模型前沿】UniWorld基于强化学习的图像编辑大模型技术解析与应用探索137【AI大模型前沿】FG-CLIP360推出的双语细粒度视觉语言对齐模型助力多模态理解新突破138【AI大模型前沿】Maya1Maya Research开源的语音合成模型让AI声音充满情感139【AI大模型前沿】Step-Audio-EditX全球首个开源LLM音频编辑大模型开启音频创作新纪元140【AI大模型前沿】OmniVinciNVIDIA全模态大模型语音、图像、视频全搞定的六边形战士141【AI大模型前沿】Open-o3-Video北大联合字节开源的时空推理视频模型142【AI大模型前沿】SenseNova-SI商汤开源的空间智能大模型性能超越GPT-5143【AI大模型前沿】ERNIE 4.5百度文心大模型的多模态技术革新与应用实践144【AI大模型前沿】腾讯KaLM-Embedding高性能多语言文本嵌入模型的创新与实践145【AI大模型前沿】Bee腾讯混元与清华联合开源的全栈多模态大模型创新项目146【AI大模型前沿】InfinityStar字节跳动推出的高效视频生成模型开启视频创作新纪元147【AI大模型前沿】Meta SAM 3D从单图到3D世界的神奇钥匙148【AI大模型前沿】Meta SAM 3基于概念提示的图像与视频分割模型149【AI大模型前沿】腾讯 HunyuanVideo-1.5用消费级显卡解锁高清视频生成的无限可能150【AI大模型前沿】Olmo 3开源时代的 AI 定制先锋打造专属智能模型151【AI大模型前沿】Fara-7B微软打造的高效计算机操作代理模型开启智能办公新时代152【AI大模型前沿】HunyuanOCR腾讯混元推出的高效端到端OCR视觉语言模型153【AI大模型前沿】Z-Image阿里通义的图像生成“魔法棒”低资源设备也能玩转高清图像154【AI大模型前沿】Depth Anything 3字节跳动推出的高效视觉空间重建模型155【AI大模型前沿】DeepSeek-Math-V2数学推理的“智能助手”从定理证明到竞赛夺冠156【AI大模型前沿】GLM-ASR智谱开源的高性能语音识别模型157【AI大模型前沿】GLM-TTS智谱AI打造的可控情感零样本文本转语音模型158【AI大模型前沿】GLM-4.6V智谱多模态大模型的创新突破与应用实践159【AI大模型前沿】GLM-4.7智谱AI的旗舰大模型开启智能编程新时代160【AI大模型前沿】StepAudio R1首个解锁音频推理能力的开源大模型161【AI大模型前沿】GELab-Zero阶跃开源的4B端侧多模态GUI Agent模型助力本地可控的移动设备智能化162【AI大模型前沿】Vidi2由字节跳动开源的多模态视频理解与生成大模型163【AI大模型前沿】Mistral 3欧洲开源力量的AI力作多模态与高性能的完美融合164【AI大模型前沿】NewBie-image-Exp0.1NewBieAI实验室打造的高效动漫图像生成模型165【AI大模型前沿】LongCat-Image美团开源的高效图像生成与编辑模型166【AI大模型前沿】NVIDIA Nemotron 3多智能体 AI 的高效推理引擎开启智能协作新时代167【AI大模型前沿】LLaDA2.0蚂蚁集团开源的100B扩散语言模型高效推理与卓越性能168【AI大模型前沿】小米MiMo-V2-Flash高效推理与智能体任务优化的开源大模型169【AI大模型前沿】Molmo 2艾伦人工智能研究所开源的多模态视频理解模型170【AI大模型前沿】Meta SAM Audio革新音频分离技术开启多模态音频处理新时代171【AI大模型前沿】TRELLIS.2微软开源的40亿参数图像转3D生成模型172【AI大模型前沿】T5Gemma 2谷歌开源的下一代紧凑型多模态长上下文编解码模型173【AI大模型前沿】Qwen-Image-Layered基于分层技术的图像编辑新突破174【AI大模型前沿】谷歌FunctionGemma轻量化函数调用AI模型的创新与实践175【AI大模型前沿】Tencent-HY-MT1.5腾讯混元开源的多语言翻译模型176【AI大模型前沿】Yume1.5交互式世界生成模型的革新与实践177【AI大模型前沿】Step-DeepResearch高效低成本的端到端深度研究 Agent 模型178【AI大模型前沿】Qwen-Doc阿里通义千问的长文本理解与推理技术解析179【AI大模型前沿】MAI-UI阿里通义开源的全尺寸GUI智能体基座模型开启下一代人机交互新纪元180【AI大模型前沿】MedASR谷歌开源的高精度医疗语音识别模型181【AI大模型前沿】Fun-Audio-Chat阿里巴巴开源的高效语音交互大模型182【AI大模型前沿】XVERSE-Ent元象开源的泛娱乐中英双语底座大模型183【AI大模型前沿】星辰语义大模型TeleChat3国产千亿MoE大模型的创新与应用184【AI大模型前沿】腾讯 Youtu-LLM轻量级语言模型的高性能突破185【AI大模型前沿】MiroThinker v1.5开源搜索智能体的革命性突破重新定义AI交互186【AI大模型前沿】Qwen3-VL-Reranker阿里通义开源的跨模态重排序模型187【AI大模型前沿】VoiceSculptor基于LLaSA与CosyVoice2的指令化语音合成利器188【AI大模型前沿】NVIDIA Nemotron Speech ASR低延迟实时语音识别的开源利器189【AI大模型前沿】千寻智能Spirit-v1.5开启具身智能新纪元助力机器人迈向真实世界190【AI大模型前沿】Qwen3-VL-Embedding阿里通义开源的多模态信息检索模型助力高效跨模态理解与检索191【AI大模型前沿】智谱AI开源GLM-Image自回归扩散双引擎驱动的多模态图像生成新范式192【AI大模型前沿】Baichuan-M3-235B国产开源医疗大模型登顶全球榜单2350亿参数重构AI临床决策新标准193【AI大模型前沿】Google MedGemma 1.5技术解析开源多模态医疗AI从2D影像到3D CT/MRI的跨越式进化194【AI大模型前沿】FlashLabs Chroma 1.0 技术深度解析全球首个开源实时端到端语音对话模型195【AI大模型前沿】微软VibeVoice-ASR技术解析支持60分钟长音频端到端识别的开源语音识别新标杆196【AI大模型前沿】AgentCPM-Explore清华面壁开源4B端侧智能体以小博大实现百轮深度搜索与长程推理目录系列篇章前言一、项目概述二、核心功能一超长程任务处理二SOTA级性能突破三多工具协同调度四全栈开源生态三、技术揭秘一课程化强化学习二AgentRL异步架构三AgentDock沙盒隔离四端到端训练透明四、应用场景一企业级深度研究助手二端侧私有化智能体三智能体训练与科研平台五、快速使用一环境准备二启动AgentDock工具沙盒三运行QuickStart示例四查看结果与调试五使用AgentToLeaP进行评测结语项目地址前言2025-2026年大模型参数竞赛白热化数百亿参数模型能力强大却带来算力与隐私挑战。清华大学等机构联合推出的AgentCPM-Explore以4B参数在8个国际评测中实现SOTA部分指标超越闭源巨头首次让端侧智能体具备生产级Deep Research能力。一、项目概述AgentCPM-Explore是面向深度研究场景的专业化LLM Agent基于Qwen3-4B-Thinking基座模型进行专门强化学习训练通过AgentRL框架实现工具调用与长程规划能力的高效注入。其核心突破在于以仅40亿的参数规模支持超过100轮的连续环境交互与多源信息交叉验证在GAIA基准上从基础模型的25.24%跃升至63.90%不仅刷新同尺寸模型性能天花板更越级挑战并比肩部分30B级以上模型与闭源商业系统为端侧私有化部署、高隐私场景下的自主研究智能体树立了新范式。二、核心功能一超长程任务处理AgentCPM-Explore具备卓越的长期记忆与目标保持能力支持100轮连续交互不迷失方向。在复杂信息检索任务中能动态调整搜索策略基于中间结果进行多源交叉验证自动发现信息矛盾并触发验证流程确保最终答案的准确性与一致性真正实现深度研究所需的长时间跨度推理能力。二SOTA级性能突破仅以4B参数规模在GAIA、HLE、BrowseComp等8个国际权威智能体基准上刷新同尺寸模型SOTAGAIA得分从基座25.24%跃升至63.90%。关键指标上超越Claude-4.5-sonnet比肩部分30B模型与OpenAI-o3等闭源系统验证了专精训练优于盲目堆参数的技术路线为端侧智能体树立新标杆。三多工具协同调度内置AgentDock统一工具沙盒原生支持16个MCP服务及100工具调用。实现搜索、浏览、计算、代码执行等多模态工具的无缝协同通过智能路由与负载均衡保障100QPS高并发具备故障自愈与备用切换机制确保长链路任务中工具调用的稳定性与可靠性。四全栈开源生态提供从训练到评测的完整开源方案AgentRL异步强化学习框架千行代码实现训推同卡、AgentToLeaP一键评测平台覆盖8大权威基准。不仅开源模型权重更公开从基座到SOTA的完整训练演进代码支持128K长文本训练与多卡并行极大降低社区二次开发门槛。三、技术揭秘一课程化强化学习基于Qwen3-4B-Thinking基座采用课程学习策略逐步提升任务复杂度。从短链推理到百轮长程交互通过阶段性难度递增让模型稳定掌握目标保持能力。结合奖励塑形机制缓解稀疏反馈问题确保中间步骤的负面信号不会破坏整体策略实现长链路训练的稳定性与收敛性。二AgentRL异步架构核心引擎仅7个文件、千行代码实现采样与训练在同一GPU全异步并行。兼容PyTorch原生并行及FSDP2/Tensor/Context Parallel支持128K长上下文。零门槛接入标准ChatCompletions接口无需修改模型架构即可启动RL训练硬件利用率最大化同时保持代码极简可维护。三AgentDock沙盒隔离采用容器化部署实现工具服务完全隔离避免环境冲突。内置智能路由根据实时负载动态分发请求单点故障时自动触发重试与备用切换。统一输出格式标准化降低模型解析负担支持弹性扩缩容与动态服务发现为长程任务提供工业级稳定性保障。四端到端训练透明开源从Base模型GAIA 25.24%到SOTA63.90%的完整训练代码与数据配比方案。公开多阶段训练曲线、奖励函数设计及超参数配置支持社区复现与验证。这种白盒开源策略打破大模型训练黑箱为智能体领域的可解释研究与安全对齐提供坚实基础。四、应用场景一企业级深度研究助手在需要处理复杂信息查询与报告生成的场景中AgentCPM-Explore可部署于企业内网安全地执行竞品分析自动搜索、对比、验证多家竞争对手的产品参数、市场策略行业调研追踪特定领域最新技术进展跨多信源交叉验证信息准确性数据挖掘结合内部数据库与公开网络信息生成结构化分析报告二端侧私有化智能体得益于4B参数的轻量化设计该模型可部署于本地工作站甚至高性能边缘设备隐私保护场景金融、医疗、政务等敏感领域数据不出本地即可完成复杂研究任务离线环境使用野外考察、舰船作业等无网络环境下基于本地知识库执行任务个人知识管理个人用户可在笔记本上运行管理私有笔记、文献生成个性化研究报告三智能体训练与科研平台开源的全套基础设施为学术界提供了宝贵的研究平台算法验证研究者可在AgentRL基础上快速验证新的RL算法、奖励机制能力评测利用AgentToLeaP建立统一的评测标准推动领域发展领域适配通过微调将通用探索能力迁移至特定垂直领域如生物医药、法律检索五、快速使用一环境准备硬件要求模型推理单张消费级GPU如RTX 4090或云服务器如H100完整训练建议多卡A100/H100集群软件环境# 1. 克隆仓库gitclone https://github.com/OpenBMB/AgentCPM.gitcdAgentCPM-Explore# 2. 使用Docker快速部署推荐# 支持amd64/arm64架构dockerpull yuyangfu/agenttoleap-eval:v2.0dockerrun-dit--nameagenttoleap--gpusall--networkhost-v$(pwd):/workspace yuyangfu/agenttoleap-eval:v2.0dockerexec-itagenttoleap /bin/bashcd/workspace二启动AgentDock工具沙盒AgentDock提供一键启动的Docker Compose配置# 在config.toml中配置模型API信息支持本地模型或商业API# 启动全部服务管理面板、数据库、工具节点dockercompose up-d# 默认管理面板地址http://localhost:8000三运行QuickStart示例# quickstart.py 关键配置QUERY查询今日arXiv计算机科学领域最新论文# 自定义任务API_KEYyour-api-key# 大模型API密钥MODEL_NAMEagentcpm-exploreBASE_URLhttp://localhost:8000/v1# 本地或远程模型服务MANAGER_URLhttp://localhost:8000# AgentDock服务地址# 运行python quickstart.py执行流程解析用户意图生成执行计划自动调用搜索工具访问arXiv解析返回结果提取关键信息标题、作者、摘要必要时多轮验证如检查是否遗漏重要论文生成结构化报告四查看结果与调试执行完成后结果保存在outputs/quickstart_results/dialog.json完整交互轨迹包含每轮思考过程与工具调用report.md最终生成的结构化报告通过分析dialog.json开发者可深入理解模型的决策逻辑针对性优化提示词或工具配置。五使用AgentToLeaP进行评测# 一键启动GAIA评测python-magenttoleap.eval--benchmarkgaia--modelagentcpm-explore# 支持多维度指标输出任务完成率、步骤效率、准确率等结语AgentCPM-Explore的发布标志着端侧智能体技术的重要里程碑。它证明了一个关键趋势在AI Agent领域“专精化训练正在超越参数规模崇拜”。通过4B参数实现比肩30B模型的深度研究能力不仅为资源受限场景提供了可行方案更开源了从训练到评测的全套基础设施推动行业从黑盒API调用走向可验证、可复现、可定制的开放研究范式。对于开发者而言这意味着更低的部署成本无需昂贵的算力集群单卡即可运行生产级智能体更高的隐私保障完全本地部署数据不出域更强的定制能力基于开源框架快速构建领域专属Agent随着AgentCPM-Report8B参数报告生成模型的同步开源OpenBMB社区正在构建覆盖深度探索-报告生成的完整智能体解决方案。无论是学术研究、企业应用还是个人开发者AgentCPM系列都提供了值得深入探索的技术基座。项目地址GitHub开源仓库https://github.com/OpenBMB/AgentCPMHuggingFace模型页https://huggingface.co/openbmb/AgentCPM-ExploreModelScope模型页https://modelscope.cn/models/OpenBMB/AgentCPM-Explore更多专栏系列文章AI大模型提示工程完全指南、AI大模型探索之路零基础入门、AI大模型预训练微调进阶、AI大模型开源精选实践、AI大模型RAG应用探索实践 其他专栏可以查看博客主页作者介绍资深程序老猿从业10年、互联网系统架构师目前专注于AIGC的探索CSDN博客之星|AIGC领域优质创作者专属社群欢迎关注【小兵的AI视界】公众号或扫描下方二维码回复‘入群’ 即刻上车获取邀请链接。领取三大专属福利1️⃣免费赠送AI编程500本2️⃣AI技术教程副业资料1套3️⃣DeepSeek资料教程1套限前500人如果文章内容对您有所触动别忘了点赞、⭐关注收藏加入我们一起携手同行AI的探索之旅开启智能时代的大门
