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 311 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
    Zyphra 发布 Zamba2-VL:开源混合 Mamba2-Transformer 视觉语言模型,首 Token 延迟降低一个数量级,支持 1.2B/2.7B/7B 多规模边缘部署

    Zyphra 发布 Zamba2-VL:开源混合 Mamba2-Transformer 视觉语言模型,首 Token 延迟降低一个数量级,支持 1.2B/2.7B/7B 多规模边缘部署

    在多模态大模型日益普及的今天,高昂的计算成本与漫长的首字延迟(TTFT)仍是阻碍其实时交互与端侧落地的主要障碍。Zyphra 正式发布了 Zamba2-VL,这是首个基于完全开源的混合 Mamba2...
    多模态模型# Zamba2-VL# Zyphra
    5个月前
    2240
    快手 Keye 发布 Keye-VL-2.0-30B-A3B:300 亿参数多模态旗舰,DSA 架构支持 1 小时长视频无损理解,时间定位能力媲美 Gemini-3-Flash

    快手 Keye 发布 Keye-VL-2.0-30B-A3B:300 亿参数多模态旗舰,DSA 架构支持 1 小时长视频无损理解,时间定位能力媲美 Gemini-3-Flash

    快手 Keye 团队正式发布了 Keye-VL-2.0-30B-A3B,这是 Keye 系列最新的 300 亿参数旗舰基础模型。作为首个在生产环境中落地 DSA(动态稀疏注意力) 架构的多模态模型,它...
    多模态模型# Keye-VL-2.0-30B-A3B# 快手 Keye
    5个月前
    2280
    阿里发布 Qwen3.7-Plus:首个视觉与语言统一的多模态智能体基座,支持 GUI/CLI 混合交互、端到端代码生成及 11+ 小时自主 APP 研发闭环

    阿里发布 Qwen3.7-Plus:首个视觉与语言统一的多模态智能体基座,支持 GUI/CLI 混合交互、端到端代码生成及 11+ 小时自主 APP 研发闭环

    阿里巴巴今日正式发布 Qwen3.7-Plus,这是一款将视觉与语言深度融合的多模态智能体基座模型。在继承 Qwen3.7 强大文本与编码能力的基础上,Qwen3.7-Plus 实现了从“被动理解”到...
    多模态模型# Qwen3.7-Plus
    5个月前
    2060
    MiniMax M3 正式发布:首个集前沿编码、100万上下文与原生多模态于一身的开放权重模型,MSA 架构实现推理速度 15 倍加速

    MiniMax M3 正式发布:首个集前沿编码、100万上下文与原生多模态于一身的开放权重模型,MSA 架构实现推理速度 15 倍加速

    MiniMax M3 正式发布,M3 在编码和代理工作等专门任务上达到了前沿水平的性能。它采用了MiniMax团队提出的全新注意力架构 MSA,并支持高达 100 万 token 的超长上下文窗口。备...
    多模态模型# MiniMax M3
    5个月前
    1940
    LLaVA-OneVision-2:首个“读懂”视频编码的 8B 多模态模型,抛弃均匀抽帧,长视频与时序定位能力代际领先

    LLaVA-OneVision-2:首个“读懂”视频编码的 8B 多模态模型,抛弃均匀抽帧,长视频与时序定位能力代际领先

    LLaVA-OneVision-2 (LLaVA-OV-2) 是 LLaVA 家族的新一代里程碑式作品。作为一个完全开放的 80 亿参数多模态大模型,它基于 Qwen3-8B 语言骨干,首创性地引入了...
    多模态模型# LLaVA-OneVision-2
    5个月前
    2180
    AllenAI 发布 OlmoEarth v1.1:计算成本降低 3 倍,高效赋能全球卫星遥感分析

    AllenAI 发布 OlmoEarth v1.1:计算成本降低 3 倍,高效赋能全球卫星遥感分析

    2025 年 11 月,AllenAI 发布了专注于地球观测的开源模型家族 OlmoEarth v1。自发布以来,该模型已被广泛应用于追踪红树林变化、分类森林损失驱动因素以及生成国家级作物类型地图等关...
    多模态模型# OlmoEarth
    5个月前
    2310
    Nemostation 发布 Marlin:2B 参数视频模型,低成本实现高精度事件提取与时间定位

    Nemostation 发布 Marlin:2B 参数视频模型,低成本实现高精度事件提取与时间定位

    在视频大模型(Video VLM)领域,高昂的算力成本和庞大的模型体积往往是落地应用的最大阻碍。近日,Nemostation 推出了 Marlin——一款仅拥有 20 亿(2B)参数的微型视频视觉语言...
    多模态模型# Marlin# Nemostation
    5个月前
    3050
    腾讯联合多所高校发布 ReactiveGWM:让游戏 NPC 具备跨游戏迁移的自主策略能力

    腾讯联合多所高校发布 ReactiveGWM:让游戏 NPC 具备跨游戏迁移的自主策略能力

    由腾讯、新加坡国立大学、香港理工大学、香港科技大学(广州)、中国科学院大学及香港科技大学的研究团队共同推出的 ReactiveGWM,正在重新定义游戏世界模型中非玩家角色(NPC)的行为逻辑。 项目主...
    多模态模型# ReactiveGWM# 游戏# 腾讯
    5个月前
    2710
    面壁智能发布MiniCPM-V 4.6:0.8B 参数实现 Qwen2B 级性能,全面支持 iOS/Android/HarmonyOS 原生部署

    面壁智能发布MiniCPM-V 4.6:0.8B 参数实现 Qwen2B 级性能,全面支持 iOS/Android/HarmonyOS 原生部署

    在移动设备算力有限但多模态需求日益增长的今天,如何在手机端实现高精度、低延迟的图像与视频理解?MiniCPM-V 4.6 是由面壁智能最新发布的边缘部署友好型多模态大模型。它基于 SigLIP2-40...
    多模态模型# MiniCPM-V 4.6# 面壁智能
    5个月前
    2270
    字节跳动发布Lance:重塑多模态 AI,一款 3B 参数实现理解/生成/编辑全统一的轻量级模型

    字节跳动发布Lance:重塑多模态 AI,一款 3B 参数实现理解/生成/编辑全统一的轻量级模型

    在当前 AI 领域,多模态模型往往面临“理解强则生成弱”、“功能单一且训练昂贵”的困境。Lance 是由字节跳动最新发布的轻量级、原生统一多模态模型。它仅凭 30 亿(3B)激活参数,便在单一框架下同...
    多模态模型# Lance# 字节跳动
    5个月前
    2420
    Perceptron发布Mk1:视频分析成本降低 90%,以“物理 AI”重构时空推理,性能比肩 GPT-5 与 Gemini 3.1 Pro

    Perceptron发布Mk1:视频分析成本降低 90%,以“物理 AI”重构时空推理,性能比肩 GPT-5 与 Gemini 3.1 Pro

    在传统视觉语言模型(VLM)中,视频往往被简化为不连续的静态图像序列,导致模型难以理解因果关系、物体动态及时间连续性。Perceptron Mk1 应运而生——这是由 Meta FAIR 前科学家 A...
    多模态模型# Perceptron Mk1
    5个月前
    1850
    Jina AI 发布 jina-embeddings-v5-omni:文本向量字节级一致,无需重建索引即可实现图文音视跨模态检索,Small 模型性能媲美 LCO-7B

    Jina AI 发布 jina-embeddings-v5-omni:文本向量字节级一致,无需重建索引即可实现图文音视跨模态检索,Small 模型性能媲美 LCO-7B

    在多模态检索领域,传统方案往往要求端到端重训整个模型,导致文本向量分布改变,迫使企业重建海量文本索引。Jina AI 正式发布 jina-embeddings-v5-omni,彻底打破这一困境。 官方...
    多模态模型# Jina AI# jina-embeddings-v5-omni
    6个月前
    2430
    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。
    BlitzBrowser

    BlitzBrowser

    BlitzBrowser是一款开源无头浏览器管理项目,核心价值在于将各类浏览器封装进Docker容器中,实现便捷的部署、运行与管理,支持本地或云端部署,同时兼容Chrome DevTools协议(CDP)。
    海绵音乐

    海绵音乐

    海绵音乐是由字节跳动最新推出的免费AI音乐创作和分享平台。它旨在利用AI技术生成个性化音乐,让用户能够轻松创作出符合自己风格的音乐作品。
    WorkflowAI

    WorkflowAI

    WorkflowAI是一个开源平台,供产品和工程团队合作构建和迭代AI功能,可以并行测试和比较80多种领先的人工智能模型,并评估其质量、成本和速度。
    Apple Wallpapers

    Apple Wallpapers

    AppleWalls 提供 iPhone、iPad 与 Mac 系统原生高清壁纸下载,收录 iOS 与 macOS 各版本官方壁纸。探索苹果设计美学,体验纯粹的 Apple 风格。
    SentrySearch

    SentrySearch

    SentrySearch 将你的 mp4 视频分割成重叠的片段,使用 Google 的 Gemini Embedding API 或本地的 Qwen3-VL 模型将每个片段嵌入为视频,并将向量存储在本地 ChromaDB 数据库中。当你搜索时,你的文本查询被嵌入到同一向量空间中,并与存储的视频嵌入进行匹配。最佳匹配会自动从原始文件中裁剪出来,并保存为一个片段。
    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。
      BlitzBrowser

      BlitzBrowser

      BlitzBrowser是一款开源无头浏览器管理项目,核心价值在于将各类浏览器封装进Docker容器中,实现便捷的部署、运行与管理,支持本地或云端部署,同时兼容Chrome DevTools协议(CDP)。
      海绵音乐

      海绵音乐

      海绵音乐是由字节跳动最新推出的免费AI音乐创作和分享平台。它旨在利用AI技术生成个性化音乐,让用户能够轻松创作出符合自己风格的音乐作品。
      WorkflowAI

      WorkflowAI

      WorkflowAI是一个开源平台,供产品和工程团队合作构建和迭代AI功能,可以并行测试和比较80多种领先的人工智能模型,并评估其质量、成本和速度。
      Apple Wallpapers

      Apple Wallpapers

      AppleWalls 提供 iPhone、iPad 与 Mac 系统原生高清壁纸下载,收录 iOS 与 macOS 各版本官方壁纸。探索苹果设计美学,体验纯粹的 Apple 风格。
      SentrySearch

      SentrySearch

      SentrySearch 将你的 mp4 视频分割成重叠的片段,使用 Google 的 Gemini Embedding API 或本地的 Qwen3-VL 模型将每个片段嵌入为视频,并将向量存储在本地 ChromaDB 数据库中。当你搜索时,你的文本查询被嵌入到同一向量空间中,并与存储的视频嵌入进行匹配。最佳匹配会自动从原始文件中裁剪出来,并保存为一个片段。
      查看完整榜单