近日，多个技术巨头纷纷推出具有突破性的开源模型，从大规模语言模型到创新的视频生成框架，再到专业的动漫内容创作工具，为 AI 应用的行业发展带来新动能。

华为首次开源盘古 Pro MoE 大模型，性能表现优异

华为正式发布了其首款开源的盘古 Pro MoE（Mixture of Experts）大模型，参数规模达 72B（激活参数 16B），在中英文理解和推理任务中显示出与 32B 密集模型相媲美的卓越表现。该模型采用先进的分组混合专家（MoGE）架构，通过设备间专家均衡分配，有效实现负载均衡，从而显著提升推理效率。

技术亮点与性能表现

• 硬件优化：

  在昇腾 800I A2 单卡测试中，推理吞吐率达到 1148 tokens/秒，远优于传统模型。

• 多任务表现：

  在 MMLU-PRO、DROP、C-Eval、CLUEWSC、代码生成及数学推理等多项中英文评测中均优于同等级密集模型。

• 模型技术：

  • 专家感知量化（Expert-aware Quantization）

  • KV 缓存优化（KV Cache Optimization）

  • 高效算子融合（如 MulAttention）

  • 分层混合并行（Hierarchical Mixture of Parallelism）

  • 负载均衡路由策略与辅助损失机制，确保专家均衡负载

• 应用广泛：

  相关技术报告已公布，并在 Hugging Face 平台得到第三方社区的广泛关注。

GitCode：https://gitcode.com/ascend-tribe/pangu-pro-moe-model
Hugging Face：https://huggingface.co/IntervitensInc/pangu-pro-moe-model

英文技术报告：https://arxiv.org/abs/2505.21411

中文技术报告：

https://gitcode.com/ascend-tribe/pangu-pro-moe/blob/main/Pangu-Pro-MoE-CN-Report.pdf

字节 PICO-MR EX-4D 实现单目到 4D 视频的创新突破

字节跳动旗下 PICO-MR 团队开源的 EX-4D 框架，借助深度密闭网格（DW-Mesh）技术，实现了从单目视频生成多视角、高质量 4D 视频序列的创新。

Input Video	Output Video

核心技术

• 深度密闭网格（DW-Mesh）：

  构建全密闭场景拓扑结构，无需多视角监督即可处理复杂场景

• 几何先验：

  结合预训练的深度预测模型，精确标记遮挡区域以保证极端视角（±90°）下视频的物理一致性和细节完整性

• 数据“脑补”：

  引入渲染 Mask 和跟踪 Mask 策略，通过单视角数据丰富多视角信息，有效降低数据采集成本

性能与应用

• 在包含 150 个网络视频的数据集上，FID、FVD 和 VBench 指标全面优于主流开源方法，尤其在极端视角下表现更佳

• 超过 70%的评测者认为其极端视角的物理一致性明显优于同类技术

• 采用 LoRA-Adapter 的轻量级设计，结合几何先验，兼顾效率与效果

• 开源代码已在 GitHub 公布，支持沉浸式 3D 内容、VR、AR 等用户体验创新

GitHub：https://github.com/tau-yihouxiang/EX-4D

Bilibili AniSora V3：动漫视频生成的突破升级

作为国内知名弹幕视频网站，Bilibili 宣布开源的动漫视频生成模型 AniSora V3，取得显著技术飞跃。

主要技术与改进

• 基础模型：

  基于 CogVideoX-5B 和 Wan2.1-14B，融合强化学习、RLHF（Reinforcement Learning with Human Feedback）优化

• 增强表达能力：

  • 改进时空掩码模块，支持复杂表情和动态镜头

  • 扩展数据集，涵盖超过 1000 万动漫片段

  • 硬件优化，适配国产芯片，推理速度提升 20%

  • 多任务学习，支持单帧静图到唇动同步视频生成

• 高质量生成：

  在视觉效果和动作流畅度方面达到行业领先标准

• 开源资源：

  完整代码已在 GitHub 公布，社区开发者可申请获取模型和数据，强化动画内容创作能力

应用前景

• 支持单图转视频、漫画改编、VTuber 内容制作和高分辨率动画生成

• 以专业、定制化的解决方案降低内容创作门槛，提高效率

• 未来将持续改进模型性能，拓展多样化应用场景，推动动画和虚拟内容产业发展

GitHub：https://github.com/bilibili/Index-anisora

通过华为、字节跳动和 Bilibili 的技术突破，国产 AI 在大模型、3D 视频和动漫生成领域展现出强大的创新能力，未来值得期待这一系列开源技术在行业中的深度落地与应用推广。

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

 

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓