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

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。

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

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。

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

视觉语言模型的最新进展，集成微信AI的新技术

大规模多模态医学数据集，MedTrinity-25M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。

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。

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。

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。

Qwen2.5-VL 是一款强大的视觉语言模型，能够理解图像和视频内容并生成相应文本。

多模态大型语言模型，提升视觉和语言的综合理解能力

多语言多模态嵌入模型，用于文本和图像检索。jina-clip-v2官网入口网址

高性能多模态语言模型，适用于图像和视频理解。MiniCPM-V 2.6官网入口网址

自然语言编程，快速构建AI应用，Wordware官网入口网址

UniTok是一个用于视觉生成和理解的统一视觉分词器。

Gemini 2.0 Flash-Lite 是高效的语言模型，专为长文本处理和多种应用场景优化。

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。

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 2.0 是谷歌推出的最新一代生成式 AI 模型，包含 Flash、Flash-Lite 和 Pro 版本。

Gemini 2.0 Flash Thinking Experimental 是一款增强推理模型，能够展示其思考过程以提升性能和可解释性。

大规模多模态推理与指令调优平台