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
    阿里国际发布 Ovis2.6-80B-A3B:MoE 架构实现“800亿参数知识,30亿参数推理”,低成本高吞吐的多模态新标杆

    阿里国际发布 Ovis2.6-80B-A3B:MoE 架构实现“800亿参数知识,30亿参数推理”,低成本高吞吐的多模态新标杆

    在多模态大语言模型(MLLM)领域,如何平衡模型规模、推理成本与复杂任务处理能力一直是行业痛点。近日,阿里国际正式推出 Ovis2.6-80B-A3B,这是 Ovis 系列的最新重磅升级。 模型:ht...
    多模态模型# Ovis2.6-80B-A3B# 阿里国际
    6个月前
    2880
    小米开源 Xiaomi OneVL:业内首个统一 VLA 与世界模型的自动驾驶方案,潜空间推理实现 SOTA 精度与毫秒级延迟

    小米开源 Xiaomi OneVL:业内首个统一 VLA 与世界模型的自动驾驶方案,潜空间推理实现 SOTA 精度与毫秒级延迟

    在端到端自动驾驶领域,如何平衡推理速度、决策精度与可解释性一直是行业难题。近日,小米正式发布并开源 Xiaomi OneVL 自动驾驶模型。这是业内首个将 VLA(视觉-语言-行动) 与 世界模型 统...
    多模态模型# OneVL# 小米
    6个月前
    2180
    SketchVLM:让 AI 学会“圈点勾画”,无需训练即可在图像上生成 SVG 标注,视觉推理准确率提升 28.5%

    SketchVLM:让 AI 学会“圈点勾画”,无需训练即可在图像上生成 SVG 标注,视觉推理准确率提升 28.5%

    当你向 AI 询问“如何检查汽车机油”或“迷宫怎么走”时,传统的视觉语言模型(VLM)通常只会返回一大段枯燥的文字描述。用户很难将这些文字与图像中的具体位置对应起来,更难以验证 AI 的推理过程是否正...
    多模态模型# SketchVLM
    6个月前
    2030
    英伟达发布 Nemotron 3 Nano Omni:首个开放全模态模型,代理效率提升 9 倍

    英伟达发布 Nemotron 3 Nano Omni:首个开放全模态模型,代理效率提升 9 倍

    在当前的 AI 代理系统中,处理视觉、语音和语言任务往往需要调用多个独立的模型。数据在不同模型间传递不仅增加了延迟,还导致上下文丢失,进而影响响应的准确性和实时性。 今天,英伟达发布了 Nemotro...
    多模态模型# Nemotron 3 Nano Omni# 英伟达
    6个月前
    2030
    小米开源 MiMo-V2.5 系列并启动 Orbit 百万亿 Token 计划

    小米开源 MiMo-V2.5 系列并启动 Orbit 百万亿 Token 计划

    小米技术官方宣布,其最新一代大模型 MiMo-V2.5 系列正式全量开源,并同步启动 MiMo Orbit 生态共建计划。该系列模型已于 4 月 23 日开启公测,经过打磨后在智能水平与稳定性上达到开...
    多模态模型早报# MiMo-V2.5# 小米
    6个月前
    1,0450
    商汤科技发布 SenseNova-U1:基于 NEO-Unify 架构的原生多模态大模型

    商汤科技发布 SenseNova-U1:基于 NEO-Unify 架构的原生多模态大模型

    商汤科技(SenseTime)正式发布了全新一代原生多模态模型系列 SenseNova-U1。该系列基于全新的 NEO-Unify 架构,在单一模型中实现了多模态理解、推理与生成的真正统一,标志着多模...
    多模态模型# SenseNova-U1# 商汤科技
    6个月前
    3230
    蚂蚁集团推出的全能统一扩散大语言模型LLaDA2.0-Uni:看图、画图、改图、推理一体化

    蚂蚁集团推出的全能统一扩散大语言模型LLaDA2.0-Uni:看图、画图、改图、推理一体化

    LLaDA2.0-Uni 是由蚂蚁集团Inclusion AI推出的最新一代多模态人工智能模型。它基于混合专家(MoE)架构,创造性地将多模态理解与生成能力统一在一个单一的扩散大语言模型(dLLM)中...
    多模态模型# LLaDA2.0-Uni# 蚂蚁集团
    6个月前
    3170
    阿里发布Qwen3.6-27B:270亿参数稠密模型,旗舰级编程能力

    阿里发布Qwen3.6-27B:270亿参数稠密模型,旗舰级编程能力

    阿里云通义千问团队正式宣布开源 Qwen3.6-27B,这是一款拥有 270 亿参数的稠密多模态模型。作为社区呼声最高的规格之一,Qwen3.6-27B 在智能体编程能力上实现了突破性进展,不仅全面超...
    多模态模型# Qwen3.6-27B
    6个月前
    2590
    月之暗面开源最新模型 Kimi K2.6:开源编码新标杆,长时执行与代理群的质的飞跃

    月之暗面开源最新模型 Kimi K2.6:开源编码新标杆,长时执行与代理群的质的飞跃

    月之暗面(Moonshot AI)正式开源其最新模型 Kimi K2.6。作为 Kimi 系列的最新迭代,K2.6 在长时编码能力、复杂工程任务处理以及大规模代理群(Agent Swarm)协作方面取...
    多模态模型早报# Kimi K2.6# 月之暗面
    6个月前
    3470
    阿里发布下一代旗舰模型预览版Qwen3.6-Max-Preview:更强知识,更强编程,持续进化

    阿里发布下一代旗舰模型预览版Qwen3.6-Max-Preview:更强知识,更强编程,持续进化

    阿里云通义千问团队正式推出 Qwen3.6-Max-Preview,这是继 Qwen3.6-Plus 之后的下一代旗舰模型的早期预览版本。作为当前通义千问系列中能力最强的模型,它在智能体编程、世界知识...
    多模态模型早报# Qwen3.6-Max-Preview# 阿里
    6个月前
    3040
    阿里发布Qwen3.6-35B-A3B:开源智能体编程新标杆,30亿激活参数媲美百亿级稠密模型

    阿里发布Qwen3.6-35B-A3B:开源智能体编程新标杆,30亿激活参数媲美百亿级稠密模型

    阿里云通义千问团队正式宣布开源 Qwen3.6-35B-A3B。这是一款基于混合专家(MoE)架构的高效大语言模型,总参数量为 350亿,但在推理时仅激活 30亿 参数。凭借极高的参数效率,它在智能体...
    多模态模型# Qwen3.6-35B-A3B# 阿里
    6个月前
    4480
    Liquid AI 发布 LFM2.5-VL-450M:边缘端的结构化视觉智能新标杆

    Liquid AI 发布 LFM2.5-VL-450M:边缘端的结构化视觉智能新标杆

    Liquid AI 今日正式发布了 LFM2.5-VL-450M,这是其前代模型 LFM2-VL-450M 的重大升级版。作为一款紧凑的多模态大语言模型(VLM),LFM2.5-VL-450M 在保持...
    多模态模型# LFM2.5-VL-450M# Liquid AI
    7个月前
    3500
    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。
    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。
    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。
    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。
      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。
      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。
      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