MOSS 是由 OpenMOSS 社区开发的系列开源多模态 AI 模型，涵盖实时视频理解、多说话人语音识别、语音克隆等方向，以模块化设计和端到端能力为特点。近期，MOSS 家族在 Hugging Face 等平台发布多个新模型，引发关注。
MOSS 近期进展
当前焦点与观察点
MOSS 系列模型正向多模态、轻量化、端到端方向快速迭代，覆盖视频、语音、音频等多个感知通道。其开源策略吸引了开发者社区关注，如 SGLang、vLLM 等框架已集成部分模型。然而，MOSS 的智能体工作流尚未形成共享基础，如 OptiverGlobal 专家指出，多数智能体工作流难以累积复用，这或是 MOSS 生态需要解决的长期问题。总体而言，MOSS 在开源多模态模型领域已占据一席之地，后续需关注其工具链成熟度与应用落地。