CogVLM2

Zweitgeneratives multimodal prätrainiertes Dialogmodell

Normales ProduktProduktivitätMultimodalPretrainiertes Modell

CogVLM2 ist ein von einem Team der Tsinghua-Universität entwickeltes zweitgeneratives multimodal prätrainiertes Dialogmodell. Es erzielt in mehreren Benchmark-Tests deutliche Verbesserungen und unterstützt eine Inhaltslänge von 8K sowie eine Bildauflösung von 1344*1344. Die CogVLM2-Modellreihe bietet Open-Source-Versionen mit Unterstützung für Chinesisch und Englisch und erreicht eine mit einigen nicht Open-Source-Modellen vergleichbare Leistung.

Best AI Websites & Tools

CogVLM2

CogVLM2 Neueste Verkehrssituation

CogVLM2 Besuchstrend

CogVLM2 Geografische Verteilung der Besuche

CogVLM2 Traffic-Quellen

CogVLM2 Alternativen

CogVLM2 — Zweitgeneratives multimodal prätrainiertes Dialogmodell

POINTS-Yi-1.5-9B-Chat — Neueste Fortschritte im Bereich visueller Sprachmodelle, integriert mit neuen Technologien von WeChat AI.

POINTS-Qwen-2-5-7B-Chat — Neueste Fortschritte bei visuellen Sprachmodellen

Meta Llama 3.3 — Multilinguales großes Sprachmodell mit 70 Milliarden Parametern

Qwen2-VL-2B — Spitzenmodell für visuelle Sprachmodelle, unterstützt multimodales Verständnis und Textgenerierung.

Aria-Base-64K — Multimodales, natives Mixture-of-Experts-Modell

Pixtral-Large-Instruct-2411 — Multimodales großes Sprachmodell mit 124 Milliarden Parametern

Pixtral Large — Spitzenmodell für multimodale KI, bietet Bild- und Textverständnis.

Ferret-UI-Llama8b — Ein multimodaler großes Sprachmodell (MLLM) basierend auf Llama-3-8B, das sich auf UI-Aufgaben konzentriert.

MM1.5 — Optimierung und Analyse eines multimodalen, großen Sprachmodells

mPLUG-Owl3 — Multimodales großes Sprachmodell zum Verständnis langer Bildsequenzen.

Phi-3.5-Vision — Ein fortschrittliches multimodales Modell, das Bild- und Textverständnis unterstützt.

MiniCPM-V 2.6 — Hochleistungsfähiges multimodales Sprachmodell für das Verständnis von Bildern und Videos.

InternLM-XComposer-2.5 — Ein multifunktionales, großes visuelles Sprachmodell

Grok-1.5 Vision Vorschau — Das erste multimodalen Modell, das die digitale und physische Welt verbindet.

MiniGemini — Ein multimodaler, großes Sprachmodell, das gleichzeitig Bildverständnis und -generierung unterstützt.

MiniGPT-5 — Multimodales Modell zur Erzeugung von Bildern und Sprache

Aya Vision — Aya Vision ist ein mehrsprachiges, multimodales visuelles Modell von Cohere, das darauf abzielt, das Verständnis von visuellem und Textmaterial in mehrsprachigen Szenarien zu verbessern.

EgoLife — EgoLife ist ein langfristiges, multimodales und mehrperspektivisches Projekt für einen KI-Assistenten im Alltag, das darauf abzielt, die Forschung zum Verständnis von Langzeitkontexten voranzutreiben.

UniTok — UniTok ist ein einheitlicher visueller Tokenizer für die visuelle Generierung und das visuelle Verständnis.

ViDoRAG — ViDoRAG ist ein dynamisches iteratives Inferenz-Agenten-Framework, das die visuelle Dokumentensuche mit der Generierung kombiniert.

Mochii AI — Mochii AI ist ein personalisiertes KI-Ökosystem, das von hochmodernen Modellen unterstützt wird und die Zukunft der Zusammenarbeit zwischen Mensch und KI vorantreibt.

M2RAG — Code-Repository für Benchmark-Tests zur retrieval-augmented generation in multimodalen Kontexten.

TheoremExplainAgent — TheoremExplainAgent ist ein intelligentes System zur Generierung multimodaler Erklärvideos für Theoreme.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct ist ein leichtgewichtiges, multimodales Basismodell von Microsoft, das Text-, Bild- und Audioeingaben unterstützt.

Magma-8B — Magma-8B ist ein von Microsoft entwickeltes multimodales KI-Modell, das Bild- und Texteingaben verarbeiten und Textausgaben generieren kann.

DeepSeek Japanisch — DeepSeek ist ein fortschrittliches KI-Sprachmodell, das sich auf logisches Denken, Mathematik und Programmieraufgaben spezialisiert hat und kostenlos nutzbar ist.

VLM-R1 — VLM-R1 ist ein stabiles und universelles visuell-linguistisches Verstärkungsmodell, das sich auf visuelle Verständnisaufgaben konzentriert.

ZeroBench — ZeroBench ist ein hoch anspruchsvoller visueller Benchmark für moderne, große multimodale Modelle.

Magma — Magma ist ein grundlegendes, multimodal einsetzbares Modell, das multimodale Eingaben versteht und verarbeitet und für komplexe Aufgaben und Umgebungen verwendet werden kann.