SD百科导航
  • 首页
  • 快讯
  • 早报
  • 模型
  • ComfyUI
  • 新技术
  • 百科
    • 教程
    • 硬件
    • 科普
  • 百科工具
    • 工具
  • 排行榜
    • 首页
    • 快讯
    • 早报
    • 模型
    • ComfyUI
    • 新技术
    • 百科
      • 教程
      • 硬件
      • 科普
    • 百科工具
      • 工具
    • 排行榜

    多模态模型

    共 326 篇文章
    百科工具模型ComfyUIAI合集web UI提示词
    大语言模型多模态模型图像模型语音模型3D模型Flux衍生视频模型世界模型决策模型
    排序
    发布更新浏览点赞
    Liquid AI 发布 LFM2.5-VL-3B:边缘侧的视觉语言新标杆,速度与精度的双重突破

    Liquid AI 发布 LFM2.5-VL-3B:边缘侧的视觉语言新标杆,速度与精度的双重突破

    Liquid AI 今日正式发布了 LFM2.5-VL-3B,这是一款专为边缘计算和实时交互设计的视觉语言模型(VLM)。它在保持极低延迟的同时,在屏幕理解、函数调用和指代定位等关键任务上实现了显著的...
    多模态模型# LFM2.5-VL-3B# Liquid AI
    3个月前
    1190
    OpenRSI:衔远科技与清华联合推出的AI4AI开源工程框架,首发布Frontis-MA1聚焦MLE元进化

    OpenRSI:衔远科技与清华联合推出的AI4AI开源工程框架,首发布Frontis-MA1聚焦MLE元进化

    衔远科技和清华大学联合推出的 OpenRSI(Open Recursive Self-Improvement)并不是在谈论科幻电影里那种瞬间觉醒的超级智能,而是试图解决一个非常具体的工程难题:如何让 ...
    多模态模型# Frontis-MA1# OpenRSI
    3个月前
    1510
    英伟达 Alpamayo 2 Super:面向 Robotaxi 的开放推理模型,让自动驾驶决策“可解释、可审查”

    英伟达 Alpamayo 2 Super:面向 Robotaxi 的开放推理模型,让自动驾驶决策“可解释、可审查”

    对于 Robotaxi 和其他自动驾驶汽车而言,最困难的问题并非日常场景,而是那些难以预料且难以训练应对的罕见复杂情况(长尾事件)。处理这些事件需要的不仅仅是目标检测和运动预测,更需要理解情境、推理因...
    多模态模型# Alpamayo 2 Super# 英伟达
    3个月前
    1050
    阿里达摩院推出ClinFusion:面向全面医学理解的以视觉为中心的医疗多模态大模型

    阿里达摩院推出ClinFusion:面向全面医学理解的以视觉为中心的医疗多模态大模型

    现在很多人工智能能看懂图片、回答问题,但放到医院看病的场景里,普通 AI 有两大硬伤: 第一,医院影像种类太杂。既有拍胸片这种二维平面 X 光,也有 CT、核磁这种一层层堆叠的三维立体影像。现有的 A...
    多模态模型# ClinFusion# 阿里达摩院
    3个月前
    1560
    小米具身基座模型 Xiaomi-Robotics-1 正式开源:10万小时数据驱动,多项基准登顶

    小米具身基座模型 Xiaomi-Robotics-1 正式开源:10万小时数据驱动,多项基准登顶

    今日,小米技术宣布将具身智能基座模型 Xiaomi-Robotics-1 正式开源。此次开源不仅释放了模型权重,还覆盖了从真机后训练到模型部署的完整流程,并配套提供了 Benchmark 评测代码,旨...
    多模态模型# Xiaomi-Robotics-1# 具身基座模型# 小米
    3个月前
    1440
    Mistral AI开源Shieldstral:30亿参数策略自适应多模态安全分类器

    Mistral AI开源Shieldstral:30亿参数策略自适应多模态安全分类器

    在生成式 AI 快速落地的今天,内容审核(Content Moderation)面临着巨大的挑战:不同的产品、受众和场景对“安全”的定义截然不同。网络安全工具可能允许的攻击性代码,在心理健康平台上却是...
    多模态模型# Mistral AI# Shieldstral# Shieldstral 1.0 3B
    3个月前
    1160
    Thinking Machines 发布 Inkling-Small:276B 总参数、12B 活跃参数的开放权重多模态模型

    Thinking Machines 发布 Inkling-Small:276B 总参数、12B 活跃参数的开放权重多模态模型

    Thinking Machines 正式发布了 Inkling-Small,一款高效的开放权重混合专家(MoE)Transformer 模型。该模型拥有 2760 亿总参数,但在推理时仅激活 120 ...
    多模态模型# Inkling-Small# Thinking Machines
    4个月前
    1540
    月之暗面发布 Kimi K3:全球首个 2.8T 参数开源模型,性能比肩 Claude Fable 5

    月之暗面发布 Kimi K3:全球首个 2.8T 参数开源模型,性能比肩 Claude Fable 5

    中国 AI 初创公司月之暗面(Moonshot AI)正式发布了 Kimi K3,这是一款拥有 2.8 万亿参数的混合专家(MoE)模型。作为目前全球最大的开源 AI 模型,Kimi K3 在长周期编...
    多模态模型早报# Kimi K3# 月之暗面
    4个月前
    3680
    Thinking Machines 发布 Inkling:Apache 2.0 许可下的抗审查多模态开源巨模型

    Thinking Machines 发布 Inkling:Apache 2.0 许可下的抗审查多模态开源巨模型

    由前 OpenAI CTO Mira Murati 创立的 AI 初创公司 Thinking Machines 正式发布了其首款旗舰模型 Inkling。这是一款总参数达 9750 亿的原生多模态混合...
    多模态模型# Inkling# Thinking Machines
    4个月前
    1650
    Datalab 发布 lift:9B 开源视觉模型,以 Schema 约束解码重塑 PDF 结构化提取

    Datalab 发布 lift:9B 开源视觉模型,以 Schema 约束解码重塑 PDF 结构化提取

    在文档自动化领域,从非结构化的 PDF 和图像中提取精准数据一直是个难题。通用大模型往往会产生“幻觉”或输出格式错误的 JSON,而传统的 OCR 工具又缺乏语义理解能力。Datalab 最新发布的 ...
    多模态模型# Datalab# LIFT
    5个月前
    1780
    Unlimited OCR:让 AI 像人类一样“流畅抄书”,破解长文档识别的速度与内存魔咒

    Unlimited OCR:让 AI 像人类一样“流畅抄书”,破解长文档识别的速度与内存魔咒

    在 AI 文档处理领域,一个长期存在的痛点是“上下文断裂”与“性能衰减”。当我们将一本几十页的 PDF 交给 AI 时,它往往只能逐页处理,每翻一页就“失忆”一次;或者随着输出长度增加,速度越来越慢...
    多模态模型# Unlimited OCR# 百度
    5个月前
    2450
    Mistral 发布 OCR 4:支持 170 种语言与自托管部署的企业级文档理解模型

    Mistral 发布 OCR 4:支持 170 种语言与自托管部署的企业级文档理解模型

    Mistral AI 正式推出了其最新的文档理解模型 OCR 4。这款专为企业和开发者设计的工具,不仅在多语言支持上实现了重大突破(覆盖 10 个语系的 170 种语言),更在结构化提取、置信度评分及...
    多模态模型# Mistral# OCR 4
    5个月前
    1600
    加载更多

    网址

    日榜周榜月榜
    LoginFlip

    LoginFlip

    LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
    banana-slides

    banana-slides

    banana-slides是一个基于 nano banana pro 的原生 AI PPT 生成应用,支持从想法 / 大纲 / 页面描述出发,自动生成完整、美观、风格统一的演示文稿,迈向真正的 “Vibe PPT”。
    Qwen Chat

    Qwen Chat

    Qwen Chat是阿里通义团队在海外市场推出了一款全新的AI助手,可以看作是通义千问的海外版,这款助手基于开源的Open WebUI框架开发而成。
    xpander.ai

    xpander.ai

    xpander.ai 是一个用于构建和部署 AI 代理的后台即服务(BaaS)平台,它使基础设施对开发者透明。开发者可以专注于业务逻辑和代理框架,而 xpander.ai 负责处理内存、存储、MCP 工具、CI/CD、人机交互触发、测试,并提供一个可视化的工作台。
    LEANN

    LEANN

    LEANN 是一款创新的向量数据库,它民主化了个人 AI。将您的笔记本电脑转变为强大的 RAG 系统,能够索引并搜索数百万文档,同时比传统解决方案 使用 97% 更少的存储 且无准确性损失。
    方舟 Coding Plan

    方舟 Coding Plan

    火山引擎重磅发布 方舟 Coding Plan —— 一款专为开发者打造的“量大管饱”型 AI 编程订阅服务。首月仅需 8.9 元,即可享受海量 Token 额度、全系国产顶级模型自由切换,并免费解锁云端智能体助手 ArkClaw。
    查看完整榜单
    SD百科导航
    SD百科导航是专注于AI创作领域的专业导航网站。我们全面涵盖Stable Diffusion、Flux、AI绘画、AI视频、AI音乐以及大语言模型等前沿内容。

    关于我们友链申请广告合作

    扫码关注微信公众号SD百科导航
    扫码关注微信公众号
    Copyright © 2026 SD百科导航 皖ICP备18025588号-5  皖公网安备34040002000401 
    网址
    网址文章软件模型
      ↵ENTER↓↑NAV

      网址

      日榜周榜月榜
      LoginFlip

      LoginFlip

      LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
      banana-slides

      banana-slides

      banana-slides是一个基于 nano banana pro 的原生 AI PPT 生成应用,支持从想法 / 大纲 / 页面描述出发,自动生成完整、美观、风格统一的演示文稿,迈向真正的 “Vibe PPT”。
      Qwen Chat

      Qwen Chat

      Qwen Chat是阿里通义团队在海外市场推出了一款全新的AI助手,可以看作是通义千问的海外版,这款助手基于开源的Open WebUI框架开发而成。
      xpander.ai

      xpander.ai

      xpander.ai 是一个用于构建和部署 AI 代理的后台即服务(BaaS)平台,它使基础设施对开发者透明。开发者可以专注于业务逻辑和代理框架,而 xpander.ai 负责处理内存、存储、MCP 工具、CI/CD、人机交互触发、测试,并提供一个可视化的工作台。
      LEANN

      LEANN

      LEANN 是一款创新的向量数据库,它民主化了个人 AI。将您的笔记本电脑转变为强大的 RAG 系统,能够索引并搜索数百万文档,同时比传统解决方案 使用 97% 更少的存储 且无准确性损失。
      方舟 Coding Plan

      方舟 Coding Plan

      火山引擎重磅发布 方舟 Coding Plan —— 一款专为开发者打造的“量大管饱”型 AI 编程订阅服务。首月仅需 8.9 元,即可享受海量 Token 额度、全系国产顶级模型自由切换,并免费解锁云端智能体助手 ArkClaw。
      查看完整榜单