Google 一款轻量级、高效能的AI模型，专为大规模高频任务设计。Gemini 1.5 Flash官网入口网址

Falcon 2 是一款开源、多语言、多模态的模型，具备图像到文本转换能力。Falcon 2官网入口网址

革命性AI技术，多模态智能互动，GPT4o.so官网入口网址

大型视频语言模型，用于视觉问答和视频字幕生成。VideoLLaMA2-7B-16F-Base官网入口网址

微软轻量级、先进的多模态模型，专注于文本和视觉的高质量推理密集数据。Phi-3-vision-128k-instruct官网入口网址

开源多模态预训练模型，具备中英双语对话能力。GLM-4V-9B官网入口网址

专为内容创作者设计的AI内容搜索引擎，Qmedia官网入口网址

大型视频-语言模型，提供视觉问答和视频字幕生成。VideoLLaMA2-7B官网入口网址

大型多模态模型，处理多图像、视频和3D数据。LLaVA-NeXT官网入口网址

腾讯混元AI视频是腾讯推出的强大的AI视频生成工具，具备高度的创新性和实用性。用户可以通过平台生成高质量的视频内容，支持创意视频制作、特效生成，动画与游戏开发，满足多样化的需求。

SiliconFlow（硅基流动）是生成式AI计算基础设施平台。SiliconFlow提供包括SiliconLLM大模型推理引擎、OneDiff高性能文生图/视频加速库，及SiliconCloud模型云服务平台等产品，降低AI模型部署和推理成本，提升用户体验。

DeepSeek 是一款先进的 AI 语言模型，擅长逻辑推理、数学和编程任务，提供免费使用。

统一的代码库，用于微调大型多模态模型，lmms-finetune官网入口网址

大规模多模态医学数据集，MedTrinity-25M官网入口网址

多模态自回归模型，擅长文本生成图像，Lumina-mGPT官网入口网址

MedRAX是一个用于胸部X光片解读的医疗推理AI代理，整合多种分析工具，无需额外训练即可处理复杂医疗查询。

多模态大型语言模型，优化图像与文本交互能力

先进的多模态大型语言模型，具备卓越的多模态推理能力。

先进的多模态模型，支持图像和文本理解。Phi-3.5-vision官网入口网址

VideoRAG 是一个用于处理极长上下文视频的检索增强型生成框架。

Doubao-1.5-pro 是一个高性能的稀疏 MoE 大语言模型，专注于推理性能与模型能力的极致平衡。

OmniHuman-1 是一种基于单张人像和运动信号生成人类视频的多模态框架。

Kimi k1.5 是一个通过强化学习扩展的多模态语言模型，专注于提升推理和逻辑能力。

Gemini Pro 是 Google DeepMind 推出的高性能 AI 模型，专注于复杂任务处理和编程性能。

下一代多模态智能模型

一个用于信息检索和生成的灵活高性能框架

视觉语言模型的最新进展，集成微信AI的新技术

自然语言编程，快速构建AI应用，Wordware官网入口网址

OpenAI Agents SDK 是一个用于构建自主智能体的开发工具包，简化多智能体工作流的编排。

TheoremExplainAgent 是一个用于生成多模态定理解释视频的智能系统。

UniTok是一个用于视觉生成和理解的统一视觉分词器。

用于多模态上下文中的检索增强生成的基准测试代码库。