優質新品

Promptpilot
PromptPilot 是一個智能解決方案平臺,專注於大模型的優化和用戶任務意圖的實現。通過交互反饋,該平臺能夠自動優化多步驟、多模態和多場景的任務,為用戶提供高效的智能解決方案,適合企業和個人用戶提升工作效率和任務完成質量。
大模型
43.1K

Liquid
Liquid 是一個自迴歸生成模型,通過將圖像分解為離散代碼並與文本標記共享特徵空間,促進視覺理解和文本生成的無縫集成。此模型的主要優點在於無需外部預訓練的視覺嵌入,減少了對資源的依賴,同時通過規模法則發現了理解與生成任務之間的相互促進效應。
AI模型
40.6K
中文精選

Kimi VL
Kimi-VL 是一個先進的混合專家視覺語言模型,專為多模態推理、長上下文理解及強大代理能力而設計。該模型在多個複雜領域表現出色,具有 2.8B 參數的高效性,同時具備出色的數學推理和圖像理解能力。Kimi-VL 以其優化的計算性能和處理長輸入的能力,標誌著多模態模型的新標準。
AI模型
39.7K

Unitok
UniTok是一種創新的視覺分詞技術,旨在彌合視覺生成和理解之間的差距。它通過多碼本量化技術,顯著提升了離散分詞器的表示能力,使其能夠捕捉到更豐富的視覺細節和語義信息。這一技術突破了傳統分詞器在訓練過程中的瓶頸,為視覺生成和理解任務提供了一種高效且統一的解決方案。UniTok在圖像生成和理解任務中表現出色,例如在ImageNet上實現了顯著的零樣本準確率提升。該技術的主要優點包括高效性、靈活性以及對多模態任務的強大支持,為視覺生成和理解領域帶來了新的可能性。
AI模型
54.1K

Zerobench
ZeroBench 是一個專為評估大型多模態模型(LMMs)視覺理解能力而設計的基準測試。它通過 100 個精心設計且經過嚴格審查的複雜問題,以及 334 個子問題,挑戰當前模型的極限。該基準測試旨在填補現有視覺基準的不足,提供更具挑戰性和高質量的評估工具。ZeroBench 的主要優點是其高難度、輕量級、多樣化和高質量的特點,使其能夠有效區分模型的性能。此外,它還提供了詳細的子問題評估,幫助研究人員更好地理解模型的推理能力。
AI模型
50.8K

Minicpm O 2 6
MiniCPM-o 2.6是MiniCPM-o系列中最新且功能最強大的模型。該模型基於SigLip-400M、Whisper-medium-300M、ChatTTS-200M和Qwen2.5-7B構建,擁有8B參數。它在視覺理解、語音交互和多模態直播方面表現出色,支持即時語音對話和多模態直播功能。該模型在開源社區中表現優異,超越了多個知名模型。其優勢在於高效的推理速度、低延遲、低內存和功耗,能夠在iPad等終端設備上高效支持多模態直播。此外,MiniCPM-o 2.6易於使用,支持多種使用方式,包括llama.cpp的CPU推理、int4和GGUF格式的量化模型、vLLM的高吞吐量推理等。
AI模型
71.2K

Qwen2 VL 72B
Qwen2-VL-72B是Qwen-VL模型的最新迭代,代表了近一年的創新成果。該模型在視覺理解基準測試中取得了最新的性能,包括MathVista、DocVQA、RealWorldQA、MTVQA等。它能夠理解超過20分鐘的視頻,並可以集成到手機、機器人等設備中,進行基於視覺環境和文本指令的自動操作。除了英語和中文,Qwen2-VL現在還支持圖像中不同語言文本的理解,包括大多數歐洲語言、日語、韓語、阿拉伯語、越南語等。模型架構更新包括Naive Dynamic Resolution和Multimodal Rotary Position Embedding (M-ROPE),增強了其多模態處理能力。
AI模型
156.5K
國外精選

GLM 4V 9B
GLM-4V-9B是智譜AI推出的新一代預訓練模型,支持1120*1120高分辨率下的中英雙語多輪對話,以及視覺理解能力。在多模態評測中,GLM-4V-9B展現出超越GPT-4-turbo-2024-04-09、Gemini 1.0 Pro、Qwen-VL-Max和Claude 3 Opus的卓越性能。
AI模型
81.4K

Video LLaVA
Video-LLaVA 是一個用於學習聯合視覺表示的模型,通過對齊前投影進行訓練。它可以將視頻和圖像表示進行對齊,從而實現更好的視覺理解。該模型具有高效的學習和推理速度,適用於視頻處理和視覺任務。
AI視頻搜索
60.2K
精選AI產品推薦
中文精選

騰訊混元圖像 2.0
騰訊混元圖像 2.0 是騰訊最新發布的 AI 圖像生成模型,顯著提升了生成速度和畫質。通過超高壓縮倍率的編解碼器和全新擴散架構,使得圖像生成速度可達到毫秒級,避免了傳統生成的等待時間。同時,模型通過強化學習算法與人類美學知識的結合,提升了圖像的真實感和細節表現,適合設計師、創作者等專業用戶使用。
圖片生成
81.7K
國外精選

Lovart
Lovart 是一款革命性的 AI 設計代理,能夠將創意提示轉化為藝術作品,支持從故事板到品牌視覺的多種設計需求。其重要性在於打破傳統設計流程,節省時間並提升創意靈感。Lovart 當前處於測試階段,用戶可加入等候名單,隨時體驗設計的樂趣。
AI設計工具
64.9K

Fastvlm
FastVLM 是一種高效的視覺編碼模型,專為視覺語言模型設計。它通過創新的 FastViTHD 混合視覺編碼器,減少了高分辨率圖像的編碼時間和輸出的 token 數量,使得模型在速度和精度上表現出色。FastVLM 的主要定位是為開發者提供強大的視覺語言處理能力,適用於各種應用場景,尤其在需要快速響應的移動設備上表現優異。
AI模型
51.6K

Keysync
KeySync 是一個針對高分辨率視頻的無洩漏唇同步框架。它解決了傳統唇同步技術中的時間一致性問題,同時通過巧妙的遮罩策略處理表情洩漏和麵部遮擋。KeySync 的優越性體現在其在唇重建和跨同步方面的先進成果,適用於自動配音等實際應用場景。
視頻編輯
49.4K

Manus
Manus 是由 Monica.im 研發的全球首款真正自主的 AI 代理產品,能夠直接交付完整的任務成果,而不僅僅是提供建議或答案。它採用 Multiple Agent 架構,運行在獨立虛擬機中,能夠通過編寫和執行代碼、瀏覽網頁、操作應用等方式直接完成任務。Manus 在 GAIA 基準測試中取得了 SOTA 表現,展現了強大的任務執行能力。其目標是成為用戶在數字世界的‘代理人’,幫助用戶高效完成各種複雜任務。
個人助理
1.5M

Trae國內版
Trae是一款專為中文開發場景設計的AI原生IDE,將AI技術深度集成於開發環境中。它通過智能代碼補全、上下文理解等功能,顯著提升開發效率和代碼質量。Trae的出現填補了國內AI集成開發工具的空白,滿足了中文開發者對高效開發工具的需求。其定位為高端開發工具,旨在為專業開發者提供強大的技術支持,目前尚未明確公開價格,但預計會採用付費模式以匹配其高端定位。
開發與工具
139.1K
國外精選

Pika
Pika是一個視頻製作平臺,用戶可以上傳自己的創意想法,Pika會自動生成相關的視頻。主要功能有:支持多種創意想法轉視頻,視頻效果專業,操作簡單易用。平臺採用免費試用模式,定位面向創意者和視頻愛好者。
視頻生成
18.7M
中文精選

Liblibai
LiblibAI是一箇中國領先的AI創作平臺,提供強大的AI創作能力,幫助創作者實現創意。平臺提供海量免費AI創作模型,用戶可以搜索使用模型進行圖像、文字、音頻等創作。平臺還支持用戶訓練自己的AI模型。平臺定位於廣大創作者用戶,致力於創造條件普惠,服務創意產業,讓每個人都享有創作的樂趣。
AI模型
8.0M