3-5.多模态模型
Qwen2.5-Omni：阿里开源的端到端全模态大模型
Qwen2.5-Omni简介 Qwen2.5-Omni是由阿里开源的端到端全模态大模型，能够处理文本、图像、音频和视频等多种模态输入，并以流式方式同时生成文本和自然语音响应...
Cosmos-Reason1：NVIDIA推出的系列多模态大型语言模型
Cosmos-Reason1简介 Cosmos-Reason1是由NVIDIA开发的一系列多模态大型语言模型，专注于理解和推理物理世界。该模型通过长链推理过程生成自然语言中的体现决策...
Qwen2.5-VL-32B：阿里开源的最新多模态模型
Qwen2.5-VL-32B简介 Qwen2.5-VL-32B 是由阿里巴巴团队开发的最新多模态模型，参数规模为为32B。该模型在视觉语言理解和生成方面表现出色，能够处理图像描述、...
InternVL：OpenGVLab等推出的多模态大模型
InternVL简介 InternVL是由上海人工智能实验室（OpenGVLab）联合南京大学、香港大学、香港中文大学、清华大学、中国科学技术大学和商汤科技等机构共同开发的...
Mistral Small 3.1：Mistral AI 开源的多模态 AI 模型
Mistral Small 3.1简介 Mistral Small 3.1 是由 Mistral AI 开源的多模态 AI 模型。它在 Mistral Small 3 的基础上进行了优化，具备卓越的文本处理能力、多模...
Gemma 3：谷歌最新推出的开源多模态 AI 模型
Gemma 3 简介 Gemma 3 是由谷歌 AI 团队开发的最新开源多模态 AI 模型。它支持文本和图像输入，并能生成文本输出，具备多语言和长上下文处理能力。开发团队通...
Gemini 2.0 Flash：Google推出的多模态AI模型
Gemini 2.0 Flash 简介 Gemini 2.0 Flash 是由Google推出的多模态AI模型。它结合了多模态输入、增强推理和自然语言理解能力，能够根据文本描述生成连贯的图像...
Nexus-O：HiThink联合多家机构推出的多模态交互模型
Nexus-O简介 Nexus-O是由HiThink Research联合多家知名机构共同开发的多模态交互模型，旨在通过整合音频、图像/视频和文本数据，实现高效的人机交互和多模态...
Aya Vision：Cohere 开发的先进多模态、多语言视觉模型
Aya Vision简介 Aya Vision 是由 Cohere 团队开发的先进多模态、多语言视觉模型，旨在提升全球多语言场景下的视觉和文本理解能力。该模型支持 23 种主要语言...
Granite 3.2：IBM 开源的多模态系列 AI 模型
Granite 3.2 简介 Granite 3.2 是由 IBM 开发的开源多模态 AI 模型系列，旨在为企业提供高效、实用的 AI 解决方案。该系列由 IBM 的技术团队开发，包含多个版...
一站式AI信息服务平台：AI工具大全、AI每日快讯、AI项目库、AI融资快报、AI研究报告、AI教程、AI副业、AI考证等。助您全面系统了解AI、使用AI
粤公网安备44011102483711号