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。
SmolVLM-256M 是世界上最小的多模态模型,可高效处理图像和文本输入并生成文本输出。
Janus-Pro-7B 是一个新型的自回归框架,统一多模态理解和生成。
轻量级语言模型编程库,将提示视为函数。
一个用于信息检索和生成的灵活高性能框架
多模态大语言模型,提升多模态推理能力
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
增强文本与视觉任务处理能力的开源模型。
一款支持多模态功能的全功能大语言模型安卓应用。
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。
Janus-Pro-1B 是一个统一多模态理解和生成的自回归框架。
LLMs 无需任何培训就能看见和听见
MiniCPM-o 2.6是一个强大的多模态大型语言模型,适用于视觉、语音和多模态直播。
大规模多模态推理与指令调优平台
下一代多模态智能模型
统一文本、音乐和动作生成模型
124B参数的多模态大型语言模型
定制化漫画生成模型,连接多模态LLMs和扩散模型。
视觉语言模型的最新进展,集成微信AI的新技术
多模态原生Mixture-of-Experts模型
多模态大型语言模型,支持图像与文本的交互理解。
多模态大型语言模型,融合视觉与语言理解。
多模态大型模型,处理文本、图像和视频数据
SEED-Story是一款多模态长篇故事生成工具,结合文本和图像生成丰富连贯的故事,适用于故事创作和内容生成,SEED-Story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。
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。
VideoLLaMA3是前沿的多模态基础模型,专注于图像和视频理解。
一个用于智能设备等的多模态原生代理框架。
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。
多模态大型语言模型的优化与分析
几行代码接入大模型
- 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