imp-v1-3b

Un potente modelo de lenguaje multimodal pequeño

Producto ComúnProgramaciónMultimodalModelo de lenguaje

El proyecto Imp busca ofrecer una serie de potentes modelos de lenguaje multimodal pequeños (MSLM). Nuestro imp-v1-3b es un potente MSLM con 3 mil millones de parámetros, construido sobre un pequeño pero potente SLM Phi-2 (2.7 mil millones) y un potente codificador visual SigLIP (400 millones), y entrenado en el conjunto de datos LLaVA-v1.5. Imp-v1-3b supera significativamente a sus competidores de tamaño similar en varias pruebas de referencia multimodales, incluso mostrando un rendimiento ligeramente superior al del potente modelo LLaVA-7B en diversas pruebas de referencia multimodales.

Best AI Websites & Tools

imp-v1-3b

imp-v1-3b Situación del tráfico más reciente

imp-v1-3b Tendencia de visitas

imp-v1-3b Distribución geográfica de las visitas

imp-v1-3b Fuentes de tráfico

imp-v1-3b Alternativas

Modelo Lingüístico Spirit LM — Modelo de lenguaje multimodal que integra texto y voz

imp-v1-3b — Un potente modelo de lenguaje multimodal pequeño

Inception Labs — O Inception Labs lança uma nova geração de modelos de linguagem grandes difusivos, oferecendo capacidade de geração de linguagem ultrarrápida, eficiente e de alta qualidade.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

UniTok — UniTok es un tokenizador visual unificado para la generación y comprensión visual.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

Mochii AI — Mochii AI es un ecosistema de inteligencia artificial personalizado respaldado por modelos de vanguardia, que impulsa el futuro de la colaboración entre humanos e IA.

TheoremExplainAgent — TheoremExplainAgent es un sistema inteligente para generar vídeos explicativos multimodales de teoremas.

GPT-4.5 — GPT-4.5, el último modelo de lenguaje lanzado por OpenAI, se centra en mejorar la capacidad de aprendizaje no supervisado y ofrecer una experiencia de interacción más natural.

DeepSeek Japonés — DeepSeek es un modelo de lenguaje IA avanzado, especializado en razonamiento lógico, matemáticas y tareas de programación, disponible de forma gratuita.

ZeroBench — ZeroBench es un benchmark visual de alta dificultad para modelos multimodales grandes contemporáneos.

Aplicación OLMoE — Ai2 OLMoE es una aplicación de modelo de lenguaje de código abierto que se ejecuta en dispositivos iOS.

VideoRAG — VideoRAG es un marco de generación mejorado con recuperación diseñado para procesar videos de contexto extremadamente largo.

Xwen-Chat — Xwen-Chat es un conjunto de modelos de lenguaje grande enfocados en la conversación en chino, que ofrece modelos de varias versiones y servicios de generación de lenguaje.

OmniHuman-1 — OmniHuman-1 es un marco multimodal que genera videos humanos basados en una sola imagen de persona y señales de movimiento.

MILS — Los modelos lingüísticos de gran tamaño (LLM) pueden ver y oír sin necesidad de entrenamiento previo.

Janus-Pro-7B — Janus-Pro-7B es un nuevo marco autorregresivo que unifica la comprensión y la generación multimodales.

El Último Examen de la Humanidad — El Último Examen de la Humanidad es un banco de pruebas multimodal diseñado para evaluar las capacidades de los modelos de lenguaje a gran escala.

UI-TARS — UI-TARS es un modelo de agente GUI nativo de última generación para automatizar la interacción con interfaces gráficas de usuario.

MiniMax-01 — Potente modelo de lenguaje con 4560 mil millones de parámetros totales, capaz de procesar contextos de hasta 4 millones de tokens.

MinMo — MinMo es un modelo de lenguaje grande multi modal diseñado para una interacción de voz fluida.

MiniCPM-o-2_6 — MiniCPM-o 2.6 es un potente modelo de lenguaje multimodal de gran escala, adecuado para transmisión en vivo visual, de voz y multimodal.

MiniCPM-o — MiniCPM-o 2.6: Un MLLM de nivel GPT-4o que permite transmisión en vivo visual, de voz y multimodal en dispositivos móviles.

Albus IA — Espacio de trabajo IA integral, con asistente de voz en tiempo real y lienzo multimodal para potenciar la creación y el pensamiento eficiente.

Moondream AI — Modelo de lenguaje visual de código abierto que se ejecuta en varios dispositivos.

Eurus-2-7B-SFT — Eurus-2-7B-SFT es un modelo de lenguaje grande optimizado para capacidades matemáticas, enfocado en el razonamiento y la resolución de problemas.

Sonus IA — El desbloqueador de los futuros modelos de lenguaje a gran escala

DiffSensei — Modelo de generación de cómics personalizado que conecta LLMs multimodales y modelos de difusión.

InternVL2_5-4B-MPO-AWQ — Modelo de lenguaje grande multimodal, optimizado para la interacción entre imágenes y texto.

Valley 2.0 — Modelo de lenguaje grande multimodal que mejora el procesamiento de datos de texto, imágenes y vídeo.