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
    阿里发布 Qwen-Robot Suite:具身智能“手脑脚”三位一体,含操作模型 Manip、导航模型 Nav 与世界模型 World,基于 >38,000 小时开源数据训练,实现跨本体零样本泛化

    阿里发布 Qwen-Robot Suite:具身智能“手脑脚”三位一体,含操作模型 Manip、导航模型 Nav 与世界模型 World,基于 >38,000 小时开源数据训练,实现跨本体零样本泛化

    阿里巴巴正式发布了千问家族首个完整的具身智能模型套件 —— Qwen-Robot Suite。该套件包含 Qwen-RobotManip(操作)、Qwen-RobotNav(导航)和 Qwen-Rob...
    多模态模型早报# Qwen-Robot Suite# Qwen-RobotManip# Qwen-RobotNav
    5个月前
    2970
    百度发布 PP-OCRv6:轻量级 OCR 新标杆,3450 万参数模型精度超越 Qwen3-VL-235B 等千亿级 VLM,支持 50 种语言与工业场景识别,CPU 推理提速 5.2 倍

    百度发布 PP-OCRv6:轻量级 OCR 新标杆,3450 万参数模型精度超越 Qwen3-VL-235B 等千亿级 VLM,支持 50 种语言与工业场景识别,CPU 推理提速 5.2 倍

    在光学字符识别(OCR)领域,百度 PaddleOCR 团队正式推出了新一代旗舰模型 PP-OCRv6。该系列模型参数量仅在 150 万至 3450 万之间,却通过架构创新与数据优化,实现了检测准确率...
    多模态模型# PaddleOCR# PP-OCRv6# 百度
    5个月前
    3950
    MiniMax-M3 模型正式释出:4280亿参数原生多模态模型,支持100万Token超长上下文与桌面操作,MSA架构使预填充速度提升9倍

    MiniMax-M3 模型正式释出:4280亿参数原生多模态模型,支持100万Token超长上下文与桌面操作,MSA架构使预填充速度提升9倍

    MiniMax 正式发布了其最新一代旗舰模型 MiniMax-M3。这是一款总参数量达 4280 亿、激活参数量约 230 亿 的原生多模态模型。M3 不仅支持高达 100 万 Token 的超长上下...
    多模态模型# MiniMax M3
    5个月前
    3090
    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
    2480
    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
    6个月前
    2650
    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
    6个月前
    2350
    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
    6个月前
    2220
    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
    6个月前
    2490
    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
    6个月前
    2580
    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
    6个月前
    3350
    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
    6个月前
    3050
    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
    6个月前
    2540
    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