VideoLLaMA3 – 阿里达摩院推出的多模态基础模型
VideoLLaMA3是什么 VideoLLaMA3 是阿里巴巴开源的前沿多模态基础模型，专注于图像和视频理解。基于 Qwen 2.5 架构，结合了先进的视觉编码器（如 SigLip）和强大的语言生成...
排序
Baichuan-Omni-1.5 – 百川智能开源的全模态理解模型
Baichuan-Omni-1.5是什么 Baichuan-Omni-1.5是百川智能开源的全模态模型。支持文本、图像、音频和视频的全模态理解，具备文本和音频的双模态生成能力。模型在视觉、语音及多模态...
TeleAI-t1-preview – 中国电信推出的复杂推理大模型
TeleAI-t1-preview是什么 TeleAI-t1-preview是中国电信人工智能研究院发布的“复杂推理大模型”，具备强大的逻辑推理与数学推导能力。通过强化学习训练方法，引入探索、反思等思...
Qwen2.5-1M – 阿里通义千问开源的语言模型，支持100万Tokens上下文
Qwen2.5-1M是什么 Qwen2.5-1M是阿里通义千问团队推出的开源模型，支持100万Tokens的上下文长度。模型包括Qwen2.5-7B-Instruct-1M和Qwen2.5-14B-I...
DiffuEraser – 阿里通义实验室推出的视频修复模型
DiffuEraser是什么 DiffuEraser是基于稳定扩散模型的视频修复模型，以更丰富的细节和更连贯的结构填充视频中的遮罩区域。模型通过结合先验信息来提供初始化和弱条件，有助于减少噪声伪影和抑...
Janus-Pro – DeepSeek 开源的统一多模态模型
Janus-Pro是什么 Janus-Pro是 DeepSeek 推出的开源AI模型，支持图像理解和图像生成，提供 1B 和 7B 两种规模，适配多元应用场景。通过改进的训练策略、扩展的数据集和更大规...
Qwen2.5-VL – 阿里通义千问开源的视觉语言模型
Qwen2.5-VL是什么 Qwen2.5-VL是阿里通义千问团队开源的旗舰视觉语言模型，具有3B、7B和72B三种不同规模。模型在视觉理解方面表现出色，能识别常见物体，分析图像中的文本、图表等元素...
QVQ-72B-Preview – 阿里通义开源的多模态推理模型
QVQ-72B-Preview是什么 QVQ-72B-Preview 是阿里云通义千问团队开源的多模态推理模型，专注于提升视觉推理能力。模型在多个基准测试中表现出色，在多模态理解和推理任务上展现了强大...
Qwen2.5-Max – 阿里通义千问推出的MoE模型
Qwen2.5-Max是什么 Qwen2.5-Max是阿里云推出的超大规模MoE（Mixture of Experts）模型，使用超过20万亿tokens的预训练数据。模型在多个基准测试中表现卓越，超...
MobileVD – 首个针对移动设备优化的视频扩散模型
MobileVD是什么 MobileVD（Mobile Video Diffusion）是首个针对移动设备优化的视频扩散模型，Qualcomm AI Research团队开发。模型基于Stable V...