MINT-1T

Un conjunto de datos multimodal con un billón de tokens y 3400 millones de imágenes.

Nuevo Producto PremiumCódigo AbiertoMultimodalConjunto de datos

MINT-1T es un conjunto de datos multimodal de código abierto creado por Salesforce AI, que contiene un billón de tokens de texto y 3400 millones de imágenes, diez veces mayor que los conjuntos de datos de código abierto existentes. No solo incluye documentos HTML, sino también documentos PDF y artículos de ArXiv, enriqueciendo la diversidad del conjunto de datos. La creación del conjunto de datos MINT-1T implica varios pasos de recopilación, procesamiento y filtrado de datos de diversas fuentes, lo que garantiza la alta calidad y diversidad de los datos.

Best AI Websites & Tools

MINT-1T

MINT-1T Situación del tráfico más reciente

MINT-1T Tendencia de visitas

MINT-1T Distribución geográfica de las visitas

MINT-1T Fuentes de tráfico

MINT-1T Alternativas

MINT-1T — Un conjunto de datos multimodal con un billón de tokens y 3400 millones de imágenes.

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

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

Infini-Megrez — Modelo de comprensión multimodal para dispositivos perimetrales; la sinergia de software y hardware da rienda suelta a la inteligencia perimetral sin límites.

Show-o — Transformador único para la comprensión y generación multimodales unificada

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.

HunyuanVideo-I2V — HunyuanVideo-I2V es un framework de generación de imagen a video basado en HunyuanVideo, desarrollado por Tencent.

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.

QwQ-Max-Vista previa — QwQ-Max-Vista previa es el último logro de la serie Qwen, construido sobre Qwen2.5-Max, y cuenta con una potente capacidad de razonamiento y aplicaciones multidominio.

Claude 3.7 Sonnet — Claude 3.7 Sonnet es el último modelo inteligente de Anthropic, que ofrece respuestas rápidas y razonamiento profundo.

Signs — Plataforma que utiliza la inteligencia artificial para ayudar a aprender y contribuir al lenguaje de señas americano (ASL).

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

Huginn-0125 — Huginn-0125 es un modelo de profundidad recurrente con variables latentes de 3.5 mil millones de parámetros, que destaca en el razonamiento y la generación de código.

Lumina-Video — Lumina-Video es un proyecto inicial para la generación de video que admite la generación de video a partir de texto.

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

VideoJAM — VideoJAM es un marco para mejorar la coherencia del movimiento en modelos de generación de video.

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

MatAnyone — MatAnyone es un marco de rotoscopia de vídeo estable con objetivo específico, adecuado para fondos complejos.

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

Janus-Pro-1B — Janus-Pro-1B es un marco autorregresivo unificado de comprensión y generación multimodal.

Tarsier — Tarsier es un modelo de lenguaje de video a gran escala desarrollado por ByteDance para generar descripciones de video de alta calidad.

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.

leapfusion-hunyuan-image2video — Una novedosa tecnología de muestreo de imagen a vídeo, basada en el modelo Hunyuan para generar vídeos de alta calidad.

VideoLLaMA3 — VideoLLaMA3 es un modelo base multimodal de vanguardia, especializado en la comprensión de imágenes y videos.

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

OmniThink — OmniThink es un marco que mejora la densidad de conocimiento en la escritura de máquinas mediante la simulación del proceso de pensamiento humano.

Seaweed-APT — Seaweed-APT es un modelo que admite la generación de video en tiempo real, paso a paso, a 1280x720 24 fps.

MangaNinja — MangaNinja es un método de coloreado de bocetos basado en referencias que permite una coincidencia precisa y un control interactivo de grano fino.