GitLab

AudioFly 是一个音频生成模型。它根据文本描述合成音效。该模型可以以 44.1 kHz 的采样率生成高质量音频。生成的音频与提示文本有很强的一致性。 AudioFly 采用了潜在扩散模型架构。该模型拥有 10 亿个参数，并在大量多样化的语料库上进行了训练。训练数据包括开源数据集，如 AudioSet、AudioCaps 和 TUT，以及专有的内部数据。该模型在单一事件和多事件场景中表现良好。

OpenMM is a toolkit for molecular simulation using high performance GPU code.

Kimi K2.5 作为一个原生多模态模型，提供了最先进的编码和视觉功能，以及自主智能体集群范式。

Gemma 4 模型旨在在每个尺寸级别上都达到前沿性能，覆盖从移动和边缘设备（E2B、E4B）到消费级 GPU 和工作站（26B A4B、31B）的多种部署场景。

Step 3.7 Flash 是一个拥有 1980 亿参数的稀疏混合专家（MoE）视觉语言模型，它将一个 1960 亿参数的语言主干网络与一个 18 亿参数的视觉编码器相结合，以实现原生图像理解。

原始仓库版本： https://github.com/OpenGVLab/DCNv4

4b848f7dd7da74ff03f7d278f902c6fd05b391b5