随着2025年帷幕的缓缓拉开，ModelScope团队怀着新年新气象的美好期许，为广大开发者带来了1月份的重磅更新。
本次发布不仅集成了众多开发者心心念念的一系列新功能，如通过SDK和ModelScope命令行来实现原生的、不依赖于Git协议的模型与数据集的流式上传。还针对Notebook进行了一系列功能扩展与用户体验的快速迭代，比如引入了VS-Code IDE功能等。
此外，ModelScope社区上的模型、数据集、创空间与合集等诸多元素，也正通过平台的血缘体系建设， 产生更紧密的关联和化学反应。AIGC专区依然处于一个迅速迭代的周期中，本期也引入了创意广场等诸多新元素和生图能力+训练性能的优化。在开源工具链部分，除了持续推进ModelScope被各个开源生态的集成，Swift框架也完成了3.0大版本的正式发布，在引入诸多新特性的同时，也为更全面支持大模型的训练和集成奠定了基础。
与此同时，我们正紧锣密鼓地进行更多功能的开发与测试。在新的一年里，我们将继续加快技术迭代的步伐，与广大开发者共建一个更完整易用的社区模型开发生态。
1. Notebook添加VS-Code Web-IDE的支持，提供在Notebook环境里，原生的IDE代码开发体验。
2. Notebook添加包括持久化存储额度，CPU/内存等资源使用的实时监控等能力，使得开发者能够更准确、直观地掌握Notebook开发环境的状态，从而提升开发效率和资源利用的合理性。
3. 支持包括合集在内的多种元素之间的自动关联：方便开发者进行更有效的社区内容探索。
4. ModelScope API-Inference功能：增强了API-Inference支持的模型类型，涵盖了视觉（Vision）和 AIGC领域的模型。例如通过API-Inference，可以直接调用平台上大量的文生图模型：
具体可参考文档：https://www.modelscope.cn/docs/model-service/API-Inference/intro
5. AIGC专区：
AIGC模型在各个列表的模型卡片中，添加了封面缩略图：
增加图库、创意广场以及图片返图功能模块，支持专区生成的图片能更方便地在社区内进行分享：
在专业生图功能中优化了多LoRA叠合生成逻辑与交互：
在模型训练功能中，我们新增了对 Flux 框架的 Joy Caption 打标算法的支持，并引入了一键重启功能，允许用户在训练任务因超时而终止后能够轻松继续训练。
6. SwingDeploy平台免费部署功能上线：模型部署服务推出了免费部署额度，用户仅需关联阿里云账号即可在线体验！当前，我们为每个社区用户在CPU环境下提供10个任务的免费部署额度。快速部署（SwingDeploy）功能集成了主流的推理框架并且适配OpenAI API兼容的推理能力，为社区用户提供更加灵活和高效的部署选项。
7. 模型库页面分类添加MLX分类。同时MLX社区完成了与ModelScope生态的适配，通过“MLXLM_USE_MODELSCOPE”环境变量，即可实现从ModelScope社区加载MLX模型。
8. 模型卡片对于ModelScope生态的自动适配功能beta上线。更好支持平台上代码的开箱可用性。
9. 创空间设置添加了“深度重启” 选项。
1. SDK 1.22（最新版本为1.22.2）发布，提供如下新功能：
通过ModelScope命令行或SDK接口，直接基于Http协议上传模型/数据集，避免本地操作git lfs数据来进行上传可能引入的overhead。在上传之前，请确保模型/数据集已经提前创建好。
通过ModelScope命令行上传模型:
modelscope upload org/model-name /path/to/local/dir --token MODELSCOP-TOKEN通过SDK上传模型：
from modelscope.hub.api import HubApiapi = HubApi()api.login('MODELSCOPE-TOKEN')api.upload_folder(repo_id='org/model-name',folder_path='/path/to/local/dir ',commit_message='upload model folder to repo')
具体使用方式可参考文档：https://www.modelscope.cn/docs/models/upload
模型下载的hash校验逻辑改为流式hash计算，避免大模型文件下载后的hash校验成为卡点。
支持与SWIFT 3.0大版本的对接，并支持最新版本的datasets
通过在snapshot_download里添加repo_id与repo_type来统一模型与数据集的下载，同时我们也统一了自定义缓存路径是模型和数据集的存储，并且对下载进度展示做了优化。
2. SWIFT 3.0大版本正式发布，并已经迭代到3.0.2。3.0实现了所有组件的完整重构，为SWIFT框架提供了更好的扩展性新模型结构支持的便利性。支持的新特性包括：
通过plugin机制来定制模型训练过程，添加了多模态模型PreTrain的支持。
数据集模型的整体重构带来了加载速度2-20倍的提升，并支持了streaming模式。
用model id统一了模型，移除model_type机制并大大简化了新模型使用方式。
template整体切换为messages格式的入参，并使用jinja模型推理。
添加了大模型的RM和PPO训练，推理，部署和BNB/GPTQ量化，并提供了对于SequenceClassification模型的支持。
完整的SWIFT 3.0大版本Release Note可参见：
https://swift.readthedocs.io/zh-cn/latest/Instruction/ReleaseNote3.0.html
3. EvalScope发布了0.9.0版本，支持自定义schema进行数据混合评测，使得开发者能够用更少量的多数据集混合获取的数据，来进行更全面的模型能力评估。在添加了PMMEval等benchmark以外，支持自行添加benchmark功能，集合社区力量来覆盖更多的评测benchmark支持。在评测接口上，统一了使用本地和远端模型服务通过API进行评测的接口，并添加了TTFT，TPOT等多种性能指标。
4. DiffSynth-Studio 完成了HunyuanVideo的接入，并通过包括模型加载方式在内的多方优化，支持了显存的极致优化。在训练方面，提供了resume from ckpt的能力。
