大家好，我是刘聪NLP。
7月的最后一天，给大家盘点了7月国内的开源大模型！
咱们8月也不例外，最后一天看看国内都开源了哪些大模型，
看看哪些你知道，哪些你不知道，是时候在明天上班前查缺补漏了，
别领导一问，你不知道就尴尬了，哈哈哈~
整个8月，大模型开源社区依旧很卷，除了很火的Qwen-Image、GLM4.5V、MiniCPM-V 4.5、DeepSeek-V3.1，
还有很多其他的模型值得注意，比如小红书的dots.vlm1、书生InternVL-3.5系列模型、万相Wan2.2-S2V-14B，
今天美团也是压线开源LongCat模型。
一字卷~
PS：觉得不错，给博主来个免费的三连吧！你的支持，是我更新的动力，冲冲冲。
详细如下：
8月1日，问小白开源XBai-o4，o4 代表第四代开源大模型技术，XBai-o4 在复杂推理能力方面表现出色，全面超越 OpenAI-o3-mini。模型大小32B，基于Qwen3-32B增量训练的来。
8月4日，腾讯混元开源4个尺寸的小模型，包括，0.5B、1.8B、4B、7B，对标Qwen3系列小模型，腾讯HunYuan跟阿里Qwen在开源上干起来了？
8月4日，通义千问开源首款文生图模型 Qwen-Image，文本渲染能力十分出众，支持多行布局、段落级文本生成以及细粒度细节呈现。
8月4日，小米开源音频大模型 MiDashengLM-7B，在多个关键音频理解任务上超越了Qwen2.5-Omni-7B和Kimi-Audio-Instruct-7B。
8月6日，OpenAI开源GPT-OSS模型，本来分享国内开源大模型不应该有OSS，但毕竟是OpenAI，还是尊重一手，但效果反正中文效果不太理想。GPT-OSS-20B和Qwen3 30B-A3B，要选哪一个？实测对比告诉你！
8月6日，小红书开源dots.vlm1模型，采用全自研的12亿参数NaViT视觉编码器和DeepSeek V3的大语言模型构建，在视觉的理解和推理任务上均有不俗的表现。
8月7日，通义千问，又更新Qwen3的4B级别Dense小模型，Qwen3-4B-Instruct-2507 和 Qwen3-4B-Thinking-2507。
8月8日，面壁智能开源MiniCPM-V-4，4B大小，能在手机、PC 等端侧丝滑、流畅的完成实时视频理解、图像理解等任务。
8月11日，百川开源最新32B的医疗领域模型 Baichuan-M2-32B，细节决定成败！深耕医疗的Baichuan-M2用了哪些黑科技
8月11日，智谱开源GLM4.5-V模型，总参数 106B，激活参数 12B，沿用GLM-4.1V-Thinking的结构，同时是混合推理模型，可通过“思考模式”开关选择快速响应或深度推理。智谱开源的GLM4.5V到底行不行？掏出祖传多模态理解测试
8月12日，上海人工智能实验室开源Lumina-mGPT 2.0，一个仅使用解码器的自回归模型，统一了包括文生图、图像对生成、主体驱动生成、多轮图像编辑、可控生成等任务。
8月12日，快手开源8B推理模型Klear-Reasoner-8B。
8月13日，阶跃开源定理证明模型 StepFun-Prover-Preview-32B。
8月14日， 腾讯推出Hunyuan-GameCraft，基于HunyuanVideo底模的高动态交互式游戏视频生成框架，输入一张图 + 文字描述+动作指令 就能 输出高清动态游戏视频
8月18日，阶跃开源NextStep-1系列模型，一个 14B 自回归模型，一个图像生成和编辑模型。
8月19日，通义千问开源图像编辑模型 Qwen-Image-Edit，基于 20B Qwen-Image 模型构建，扩展了 Qwen-Image 的文本渲染能力至图像编辑任务，支持精确的文本编辑。
8月20日，DeepSeek-V3.1开源，代码能力提高，但文本能力并没提高，甚至有些下降。DeepSeek更新版本v3.1，有效果提升吗？附实测对比
8月21日，字节开源Seed-OSS模型，大小为36B，但没有专门训练中文。字节开源Seed-OSS模型，36B的理想尺寸，但中文好像不行
8月23日，上海人工智能实验室推出了 Intern-S1的轻量化版本 Intern-S1-mini，8B大小，在科学任务上效果出众。
8月26日，面壁开源MiniCPM-V 4.5模型，8B大小，主打高刷视频理解。最强开源8B级VLM模型！高刷视频理解的有救了～
8月26日，上海人工智能实验室开源书生InternVL-3.5系列模型，共9个模型，Dense模型有1B、2B、4B、8B、14B、38B，MoE模型有InternVL3.5-20B-A4B、InternVL3.5-30B-A3B InternViT-300M、InternVL3.5-241B-A28B
8月26日，通义万相开源Wan2.2-S2V-14B模型，一个音频驱动的14B视频模型，仅需一张图片和一段音频，即可生成面部表情自然、口型一致、肢体动作丝滑的电影级数字人视频。
8月28日，腾讯混元宣布开源端到端视频音效生成模型HunyuanVideo-Foley，只需输入视频和文字，就能为视频匹配电影级音效。
8月28日，字节开源USO模型，一个统一的风格和主体驱动图片生成框架。
8月31日，美团开源LongCat模型，一个 560B参数的 MoE模型，模型采用动态计算机制，可根据上下文需求激活 18.6B∼31.3B参数。
这个LongCat蛮有意思的，我还在评测中，敬请期待！
个人整理，也许有遗漏的国内开源大模型，欢迎评论区补充！
-- 完 --
机智流推荐阅读：
2. 开源多模态大模型新突破，书生·万象3.5发布，通用能力、推理能力与部署效率全面升级
3. 工具调用推理只是花瓶，还是真的让大模型更聪明？腾讯清华团队揭秘工具集成推理的奥秘
4. CVPR2025 | g3D-LF让机器人“看懂”3D空间、“听懂”复杂语言，无需LLM，但导航、问答一气呵成
关注机智流并加入 AI 技术交流群，不仅能和来自大厂名校的 AI 开发者、爱好者一起进行技术交流，同时还有HuggingFace每日精选论文与顶会论文解读、Talk分享、通俗易懂的Agent知识与项目、前沿AI科技资讯、大模型实战教学活动等。
cc | 大模型技术交流群 hf | HuggingFace 高赞论文分享群 具身 | 具身智能交流群 硬件 | AI 硬件交流群 智能体 | Agent 技术交流群
