OpenBayes 一周速览丨对标GPT-4o! BAGEL统一处理多模态数据理解和生成任务； 专为软件工程任务设计, Devstral自主处理复杂工程问题
公共资源速递
2 个公共模型：
* BAGEL-7B-MoT
* Qwen3 Embedding-0.6B & Reranker-0.6B
13 个公共教程：
大模型 * 2
AI for Science * 5
多模态理解与生成 * 6
访问官网立即使用：http://openbayes.com
公共模型
1. BAGEL-7B-MoT
* 发布机构：字节跳动 Seed 团队
BAGEL-7B-MoT 模型采用混合 Transformer 专家（MoT）架构，通过动态路由机制分配子任务至不同专家模块，能够在 70 亿活跃参数规模下实现等效 140 亿参数的表达能力。该模型旨在统一处理文本、图像、视频等多模态数据的理解与生成任务。BAGEL 在多模态理解与生成、复杂推理与编辑、世界建模与导航等多模态任务中展现了全面的能力。
* 直接使用：
https://go.openbayes.com/0TiGg
2. Qwen3 Embedding-0.6B & Reranker-0.6B
* 发布机构：Qwen 团队
Qwen3 Embedding 基于 Qwen3 系列的密集基础模型构建，提供了各种大小（0.6B、4B 和 8B）的全面文本嵌入和重新排名模型。该系列继承了其基础模型的卓越多语言功能、长文本理解和推理技能。Qwen3 Embedding 系列代表了多种文本嵌入和排名任务的重大进步，包括文本检索、代码检索、文本分类、文本聚类和双文本挖掘。
* 直接使用：
https://go.openbayes.com/G5XTU
公共教程
大模型 * 2
1. vLLM+Open WebUl 部署 Devstral-Small-2505
Devstral-Small-2505 是一款专为软件工程任务设计的代理型大语言模型（LLM），擅长使用工具探索代码库、编辑多个文件以及驱动软件工程代理。该模型在 SWE-bench 上表现出色，使其成为该基准测试中排名第一的开源模型。
该教程算力资源采用单卡 A6000，打开下方链接体验 AI 助力软件工程。
* 在线运行：
https://go.openbayes.com/vYajV
使用步骤
2. vLLM+Open WebUI 部署 AM-Thinking-v1 密集语言模型
AM-Thinking-v1 是一款专注于增强推理能力的 32B 密集语言模型。该模型在推理基准测试中表现出强大的性能，可与 DeepSeek-R1、Qwen3-235B-A22B、Seed1.5-Thinking 等大型 MoE 模型和 Nemotron-Ultra-253B-v1 等更大的密集模型相媲美。
本教程采用资源为单卡 A6000，打开下方链接快速与模型开启对话。
* 在线运行：
https://go.openbayes.com/XgnIU
使用步骤
AI for Science * 5
1. Aurora 大规模大气基础模型 Demo
Aurora 能够实现对空气质量、海洋波浪、热带气旋路径及高分辨率天气等多种地球系统变量的准确预测。在显著降低计算成本的同时，超越现有操作预测系统的性能，推动高质量气候和天气信息的广泛获取。经验证表明，与最先进的数值预报系统 IFS 相比，Aurora 的计算速度提升了约 5000 倍。
该教程算力资源采用单卡 A6000，相关数据已配置完成，复制链接到网页，快速预测大气数据。
* 在线运行：
https://go.openbayes.com/4CpZl
模型界面示例
2. VenusFactory 蛋白质工程设计平台
VenusFactory 是一个专为蛋白质工程领域设计的统一平台，旨在整合生物数据检索、标准化任务基准测试和预训练蛋白质语言模型（PLMs）的模块化微调功能。该平台支持命令行执行和基于 Gradio 的无代码界面，集成了超过 40 个与蛋白质相关的数据集和超过 40 个流行的 PLMs，方便计算机科学和生物学领域的研究人员使用。
本教程提供了一个全面的 Demo 启动指南，可以快速了解 VenusFactory 的主要功能，并在一个蛋白质可溶性预测的 Demo 数据集上进行微调训练、评估和预测。
* 在线运行：
https://go.openbayes.com/9Cjrx
工作流程
3. 一键部署 MedGemma-4b-it 多模态医疗 Al 模型
MedGemma-4b-it 专为医疗图像与文本的联合分析设计，采用了 SigLIP 图像编码器，该编码器经过专门预训练，使用的数据涵盖去标识化的医学图像，包括胸部 X 光、皮肤病图像、眼科图像和组织病理切片。其大语言模型组件则基于多种医学数据进行训练，涵盖放射影像、组织病理图像块、眼科与皮肤科图像以及医学文本。
打开下方链接进入模型即可上传医学影像或文本问题。
* 在线运行：
https://go.openbayes.com/N8Py7
项目示例
4. 一键部署 MedGemma-27B-Text-IT 医学推理大模型
MedGemma-27b-text-it 侧重于临床文本的处理，尤其擅长患者分诊和决策辅助，为医生提供迅速且有价值的患者病情信息，便于制定高效的治疗计划。
打开下方链接进入模型体验 AI 就医。
* 在线运行：
https://go.openbayes.com/5zhSv
项目示例
5. vLLM+Open WebUI 部署 II-Medical-8B 医学推理大模型
II-Medical-8B 专为增强医疗推理的 AI 能力而设计。它在先前的 II-Medical-7B-Preview 基础上进行了重大改进，显著提升了医疗问答能力。该模型基于 Qwen/Qwen3-8B 模型，通过使用特定于医疗领域的推理数据集进行 SFT（监督微调）以及在硬推理数据集上训练 DAPO 来优化模型性能。
打开下方链接进入模型，在家也能完成就医。
* 在线运行：
https://go.openbayes.com/PMNAG
项目示例
多模态理解与生成 * 6
1. MMaDA：多模态大型扩散语言模型
MMaDA-8B-Base 是首个系统性探索扩散架构作为多模态基础范式的统一模型，旨在通过文本推理、多模态理解和图像生成的深度融合，实现跨模态任务的通用智能能力。
进入下方链接克隆模型，文本推理、图像生成等多模态任务一键搞定。
* 在线运行：
https://go.openbayes.com/4nuNg
项目示例
2. BAGEL：多模态理解和生成的统一模型
BAGEL-7B-MoT 旨在统一处理文本、图像、视频等多模态数据的理解与生成任务。BAGEL 在多模态理解与生成、复杂推理与编辑、世界建模与导航等多模态任务中展现了全面的能力。其主要功能为视觉理解、文本到图像生成、图像编辑等。
进入下方链接克隆模型，从图像生成到世界建模一键完成。
* 在线运行：
https://go.openbayes.com/mpYQI
项目示例
3. JoyCaption Beta1 字幕视觉语言模型 Demo
Joycaption 涵盖广泛的图像风格、内容、种族、性别和取向，最小化过滤理解世界的各个方面，但不支持非法内容。用户可以使用多种模式和提示生成描述性字幕，适用于不同的应用场景，如社交媒体帖子、产品列表等。
进入下方链接一键启动，为你的创作生成个性化字幕。
* 在线运行：
https://go.openbayes.com/bvGPI
项目示例
4. Stable-audio-open-small：音频生成模型 Demo
Stable-audio-open-small 专注于高效创作高质量短音频内容。基于先进的扩散模型技术，支持用户通过文本提示快速生成音乐片段、音效及环境声等多样化音频（如鼓点循环、旋律片段或自然音景），适用于音乐制作、游戏开发、影视配乐等场景。
一键克隆启动，开启你的创作之旅。
* 在线运行：
https://go.openbayes.com/FPR0g
项目示例
5. ComfyUl HunyuanCustom 视频生成工作流教程
HunyuanCustom 支持生成以文本、图像、音频和视频输入为条件的主题一致性视频。借助 HunyuanCustom 的多模式功能，可以完成众多下游任务。例如，通过获取多张图片作为输入，HunyuanCustom 可以促进虚拟人体广告和虚拟试妆。
本教程采用资源为单卡 RTX 4090，视频生成大约需要 10 分钟。建议使用具有 80GB 内存的 GPU，以获得更好的生成质量。
* 在线运行：
https://go.openbayes.com/VUUc6
项目示例
6. ComfyUl Wan2.1-VACE-14B 图生视频工作流教程
Wan2.1-VACE-14B 基于通义万相 V2.1 基座训练，是当前业界首个支持多任务灵活组合的视频 AI 工具，能够一站式完成从视频生成到精细化编辑的全流程需求。支持文本到视频、图像到视频、首尾帧到视频等。
本教程采用资源为单卡 A6000，生成视频大约花费 30 分钟，推荐使用更高的算力。
* 在线运行：
https://go.openbayes.com/oBnzr
项目示例