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
Gemini 2.5 是谷歌最智能的 AI 模型,具备推理能力。
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。
多模态大型语言模型,优化图像与文本交互能力
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
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。
先进的多模态图像生成模型,结合文本提示和视觉参考生成高质量图像。
视觉语言模型,结合图像和文本信息进行智能处理。
先进的多模态大型语言模型,具备卓越的多模态推理能力。
多模态自回归模型,擅长文本生成图像,Lumina-mGPT官网入口网址
增强文本与视觉任务处理能力的开源模型。
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。
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。
LLMs 无需任何培训就能看见和听见
大规模多模态推理与指令调优平台
一个用于信息检索和生成的灵活高性能框架
- 智能浏览器新标签页 -
完全免费 · 简洁大方功能丰富 · 高效舒适