上海交大团队出品的大模型实战开源课程
上海交大团队推出的大模型实战开源课程，在GitHub获4.6w+ star。课程从零开始设计，包含API调用、模型微调、多模态开发等模块，配套在线实验环境，适合系统学习大模型知识。
相关文档
FDE 实战案例：海量多模态数据清洗成可信数据的八步方法
作者以美妆企业 FDE 落地项目为例，讲解如何将小红书、抖音、视频号、微博等平台采集的多模态数据（文字、图片、音频、视频）清洗成一套可信、可查询的结构化数据。文章提出八步通用链路：定数据规范、保留原始内容、梳理用户/帖子/评论关系、多模态归一处理、冲突与质量清洗（含证据分级）、生成结构化数据、执行验收、按规则和版本入库。文中还给出 OCR/ASR 工具选型建议（FFmpeg、PaddleOCR、Whisper 等）以及大模型结构化输出的实践经验。
Qwen 发布会观察：从模型训练到芯片协同的完整研发体系正在形成
作者总结了 Qwen 发布会的重点：除了新模型外，更值得关注的是 Qwen 形成了从模型训练、推理优化到芯片协同的完整研发体系。核心亮点是 RSI 递归自我进化，Qwen3.8-Max 在少人工干预下连续运行一个多月完成 33 轮迭代，包括自主优化 SGLang 提升 96% 吞吐、芯片设计中减少 42% 物理实现面积。Qwen3.8-Omni-Flash 统一多模态理解框架支持 1M 上下文，价格大幅下降约九成。Qwen4 已开始训练，未来参数量将扩展到 5 万亿至 10 万亿。开源生态方面，累计下载超 30 亿次，衍生模型超 30 万个。
小白入门：Hugging Face vs GitHub 测评 & 完整学习指南——新手避坑 10 个坑
面向新手的避坑指南，总结了 GitHub 和 Hugging Face 各 5 个常见误区。GitHub 方面包括：只用 ZIP 下载不用 clone、乱建仓库缺 README、只会 Star 不读源码、commit message 混乱、盲目追求 rebase 等高阶命令。Hugging Face 方面包括：盲目下载超出硬件能力的大模型、只会复制示例代码不懂参数、混淆 Models/Datasets/Spaces 用途、环境配置困难、贪多求全不深入。文章针对每个坑给出现象、危害和正确做法，帮助新手少走弯路。
小白入门：Hugging Face vs GitHub 完整学习指南——组合实战完成可上线的 AI 小项目
本教程通过一个完整实战项目串联 GitHub 和 Hugging Face 两大平台，从零到一开发并上线一个「小红书文案生成器」。作者分五个步骤详细讲解：先在 GitHub 搜索优质 Gradio 项目模板二次开发，再到 Hugging Face 筛选合适的中文化开源大模型（推荐 Qwen2-1.5B-Instruct），随后本地调试 Prompt 和 Gradio 界面，部署到 Hugging Face Space 实现公开访问，最后同步代码到 GitHub 作为作品集。文章还提供了简历加分的项目描述写法，并总结出「GitHub 打基础、Hugging Face 冲垂直赛道」的学习路线，帮助读者掌握 AI 应用开发的最小完整工作流。
小白入门：Hugging Face vs GitHub 测评 & 完整学习指南
文章面向零基础学习者，从求职含金量、技能通用性、学习成本、薪资溢价四大维度对比测评 GitHub 与 Hugging Face。结论：GitHub 是全行业基础通用技能，门槛低、1 周可上手，适合保底；Hugging Face 是 AI 赛道核心生产力工具，薪资溢价 20%-30%，但需要 Python 和 AI 基础。两者并非二选一，而是「基础工具 + 垂直工具」组合。文章还针对求职转行、笃定 AI 赛道、副业赚钱、兴趣爱好者四类人群给出不同学习优先级建议：先学 GitHub 建立技术感觉，再进阶 Hugging Face 效率更高。
智谱GLM-5.3-Flash发布：真正的智能平权
文章揭秘了海外爆火的匿名模型OX Alpha的真实身份——智谱发布的GLM-5.3-Flash。该模型是总参数320B、激活18B的MoE架构，GLM-5系列首个原生多模态模型，支持图像、视频和文本输入，上下文达100万。其能力逼近Opus 4.8，而价格极低（每百万Token输入0.8元、输出2.8元），比DeepSeek V4还便宜一半。作者通过自建1000条新闻评测集实测发现其在精选率和品味上优于MiMo 2.5 Pro和DeepSeek V4 Pro，前端代码能力也直逼顶级模型。此外，智谱用10万张国产卡扛下了匿名测试期的全部推理流量。作者决定将AIHOT网站模型全面切换至GLM-5.3-Flash。
GLM-5.3-Flash 发布：多模态大模型，开始真正“看着自己干活”了
文章介绍了智谱 GLM-5.3-Flash 模型的发布。该模型总参数量 320B、激活 18B，采用稀疏与线性注意力混合架构，注意力计算量降低 3 倍，支持 1M 上下文。作为 GLM-5 系列首个原生多模态模型，其最大亮点是视觉能力被直接纳入 Coding 循环，模型可观察网页截图、渲染结果和交互反馈，自主发现并修正问题，实现“生成—检查—迭代—交付”的完整闭环。文章还展示了其在游戏开发、3D 建模、办公文档和法律金融场景的应用，并给出 API 使用细节，认为大模型竞争正从回答质量转向完整工作的交付质量。
为 DeepSeek-v4-flash 增加视觉和联网搜索能力的 Skill
作者分享了为 deepseek-v4-flash 开发的两个 skill：一个增加免费视觉能力，另一个通过 antigravity cli 借道 google 实现联网搜索和网页解析。尽管 deepseek-v4-flash 官方已支持搜索，但作者认为其效果不如 google，并提供了禁用官方搜索的方法。源码已开源。
聊聊我对 Kimi K3 的体感
作者分享了使用 Kimi K3 模型的实际体验，通过 3D 坦克大战游戏、权力游戏地图动画和教学视频制作三个案例，展示了其在多模态和复杂任务处理上的强大能力。文章指出 K3 提供了 Claude 和 Codex 之外的优质选择，且具备合规性优势，但同时也面临算力短缺的局限。
魔搭每天 2000 次免费 API，我把它接进了 Agent 工作流
文章介绍了如何利用阿里云魔搭 ModelScope 每日 2000 次的免费 API 额度，将其接入 Agent 工作流以降低 AI 创作成本。作者详细讲解了账号注册、API Key 获取、模型筛选与调用的全过程，并开源了一个名为 `tiezhu-modelscope-api-inference` 的 Skill，实现了自动额度管理和多模态任务处理。
20 个 Codex 替代不了的 GitHub 真神器
文章旨在寻找无法被 Codex 等通用 AI 编程工具替代的 GitHub 开源项目。作者确立了包括多 Agent 编排、本地化设备操作、特定硬技能及隐私保护在内的筛选标准，精选并介绍了 CrewAI、AppAgent、F5-TTS、Stable-Diffusion-WebUI 等 20 款工具，强调了它们在复杂协作、隐私安全和特定垂直领域的独特价值。
NVIDIA 推出 Nemotron 3 Nano Omni 开源多模态模型
NVIDIA 发布了开源多模态大模型 Nemotron 3 Nano Omni。该模型集成了视觉、语音和语言能力，旨在解决 AI 智能体在处理不同模态数据时面临的延迟和上下文碎片化问题。凭借 30B-A3B 混合专家架构，其在开放模型中实现了领先的准确吞吐比（9倍于同类），可广泛用于计算机控制、文档智能及音视频理解等企业级场景。
