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。

InternVL2.5-MPO系列模型，基于InternVL2.5和混合偏好优化，展现卓越性能。

多模态大型语言模型的优化与分析

下一代多模态智能模型

多模态原生混合专家模型

低延迟、高质量的端到端语音交互模型

统一文本、音乐和动作生成模型

几行代码接入大模型

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

基于InternViT-6B-448px-V1-5的增强版视觉模型

WePOINTS项目，提供多模态模型的统一框架

先进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。

基于孪生多模态扩散变换器的创意布局到图像生成技术

多模态12B参数模型，结合视觉编码器处理图像和文本。

国产化大模型，支持多模态，快速低成本智能化转型。

多模态大型语言模型，提升视觉和语言的综合理解能力

基于文本生成图像的多模态扩散变换器模型

基于Llama-3-8B的多模态大型语言模型，专注于UI任务。

视觉语言模型，结合图像和文本信息进行智能处理。

多模态语音大型语言模型

多模态原生Mixture-of-Experts模型

Qwen2-VL-7B是最新的视觉语言模型，支持多模态理解和文本生成。

先进多模态大型语言模型系列

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，支持图像和文本理解

多模态大型语言模型，融合视觉与语言理解。

视觉语言模型的最新进展

多模态大型模型，处理文本、图像和视频数据

开源多模态大型语言模型，支持实时语音输入和流式音频输出。Mini-Omni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