小马良

浙江大学开源的《大模型基础》，此书旨在为对大语言模型感兴趣的读者系统地讲解相关基础知识、介绍前沿技术。作者团队将认真听取开源社区以及广大专家学者的建议，持续进行月度更新，致力打造易读、严谨、有深度的大模型教材。并且，本书还将针对每章内容配备相关的Paper List，以跟踪相关技术的最新进展。

Z-Image-Turbo - Children's Drawings这款LoRA会将任何提示转化为儿童画。

Technically-Color-Z-Image-Turbo 是基于 Z-Image-Turbo 基础模型微调的 LoRA，专为复现 20 世纪经典电影 的标志性视觉风格而设计。

本研报由知乎与魔搭ModelScope社区联合发布，旨在通过对中国AI开发者生态的深度洞察，揭示AI开发者的现状、动机、挑战与未来趋势。研报通过定量与定性研究相结合的方法，全面分析了AI开发者的群体特征、技术应用、社区互动及其对未来技术发展的影响。

Google Cloud 团队正式发布《AI Agent Development Guide for Startups》 ——一份面向初创企业的 AI 智能体构建技术指南，系统化地解答“如何开始”、“如何构建”以及“如何上线”的关键问题。

Gurren Lagann / Anime Style Wan 2.2 14B Lora是一个致敬《天元突破》动画美学的 Wan 2.2 风格 LoRA，是一个为 Wan 2.2 T2V 14B 模型设计的风格 LoRA，致力于还原 Gainax 2007 年经典动画《天元突破 红莲螺岩》的独特视觉语言与动态节奏。

Pose Transfer 是一个专为图像编辑任务设计的 LoRA 微调模型，基于 Qwen Image Edit 架构训练而成，旨在实现高质量的人物姿势迁移——即将源图像中的人物姿态，迁移到目标图像中的人物身上。

VestalWater's Illustrious Styles for Qwen Image 是一次对 AI 图像美学方向的主动选择——它不迎合大众审美趋势，而是服务于特定创作者群体的需求：那些希望摆脱“AI塑料感”、追求更具手绘质感与专业实用性的用户。

Outfit Extractor 是一个针对性极强的工具型 LoRA，填补了当前 AI 时尚应用中“高质量衣物素材获取”的空白。虽然它并非必需，但对于追求精确控制和专业级输出的用户而言，它提供了一条更干净、更可控的编辑路径。

Clothes Try On (Clothing Transfer) 是目前基于 Qwen-Image-Edit 实现虚拟试衣的实用化尝试之一。虽然在复杂图案和配件处理上仍有提升空间，但其在人体贴合度和体型泛化能力方面的表现令人印象深刻。

Anime to Realism是基于Qwen-Image-Edit训练的LoRA，将动漫风格图像转换为现实风格图像。添加此Lora后生成的真人图片细节更多，油腻感减少。

wan2.2-14B-Kinestasis_concept-lora-v1是基于 Wan2.2-I2V-A14B训练的Lora，专注于生成具有高频场景转换特征的视频序列，适用于创意短片、视觉实验或动态蒙太奇风格内容生成。

wen Edit Figure Maker由模型训练者 aldniki217 基于 Qwen Image Edit 模型微调训练的 LoRA，灵感源自谷歌 Nano Banana模型的“真实手办”玩法，但更稳定、更可控、更支持中文。

Qwen Image Edit Easy Inpaint LoRA 并不是一个全能型修复模型，而是一个“小而专”的Lora模型：它降低了局部编辑的使用门槛；通过“涂黑即修复”的逻辑，实现直观交互；配合 ComfyUI 节点可构建稳定自动化流程。

Raena-Qwen-Image 是一个为 Qwen-Image 微调的 LoRA，专为动漫风格生成设计。该模型的目标是增强 Qwen-Image 在生成高质量动漫输出的能力，具有更清晰的细节、更丰富的色彩和更好的美学效果。

Qwen-Image-Edit-InStyle 是对 Qwen-Image-Edit 模型在风格迁移能力上的一次重要增强。 它让原本“泛化有余、精准不足”的风格迁移，变得可预测、可控制、可复用，特别适用于： 艺术创作中的风格探索、品牌视觉统一性生成、游戏与动画概念设计、个性化内容生成。

PJ0 QwenImage Realistic FP8 是一次针对性明确的优化迭代，重点提升真实感与细节表现力。结合合理的参数设置，尤其在低 CFG 与优质采样器配合下，能够稳定输出接近专业摄影水准的图像结果，适合写实风格创作者纳入工作流程。

Sigma Face Expression 是一个典型的“小而精”风格 LoRA，虽不具备广泛适用性，但在特定场景下能带来意想不到的趣味效果。