NVLM

Modelo de lenguaje grande multimodales de vanguardia que alcanza un rendimiento superior en tareas de visión-lenguaje.

Producto ComúnProductividadAprendizaje multimodalesModelos de lenguaje grandes

NVLM 1.0 es una serie de modelos de lenguaje grandes multimodales (LLM) de vanguardia que han logrado resultados avanzados en tareas de visión-lenguaje, comparables a los de los modelos propietarios líderes y los modelos de acceso abierto. Es notable que, tras el entrenamiento multimodales, el rendimiento del texto de NVLM 1.0 incluso supera al de su modelo LLM principal. Hemos hecho de código abierto los pesos del modelo y el código para la comunidad.

Best AI Websites & Tools

NVLM

NVLM Situación del tráfico más reciente

NVLM Tendencia de visitas

NVLM Distribución geográfica de las visitas

NVLM Fuentes de tráfico

NVLM Alternativas

NVLM — Modelo de lenguaje grande multimodales de vanguardia que alcanza un rendimiento superior en tareas de visión-lenguaje.

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.

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.

IndexTTS — Sistema de texto a voz (TTS) de muestra cero, eficiente y controlable de grado industrial

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.

AlphaMaze-v0.2-1.5B — Método innovador para mejorar la capacidad de razonamiento visual de los modelos lingüísticos grandes (LLM) mediante la resolución de tareas de laberintos descritos en texto.

El Manual de Sistemas Ultraescalables — Una herramienta enfocada en el diseño y optimización de sistemas ultraescalables, ofreciendo soluciones eficientes.

SkyReels-V1-Hunyuan-I2V — SkyReels V1 es un modelo base de video centrado en el ser humano, de código abierto, enfocado en la generación de videos de alta calidad con apariencia cinematográfica.

OpenThinker-32B — OpenThinker-32B es un potente modelo de inferencia de código abierto, diseñado para mejorar la capacidad de razonamiento con datos abiertos.

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

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.

FireRedASR — Modelo de Reconocimiento Automático del Habla (RAH) en mandarín estándar de nivel industrial de código abierto, compatible con múltiples escenarios de aplicación.

RAG-FiT — RAG-FiT es una biblioteca diseñada para mejorar la capacidad de los LLMs (Modelos de Lenguaje Grande) de utilizar información externa mediante el ajuste fino del modelo con un conjunto de datos RAG (Recuperación Aumentada de Generación) especialmente creado.

Nombre en Clave Goose — Agente de inteligencia artificial que se ejecuta localmente y automatiza tareas de ingeniería sin problemas.

Open-source DeepResearch — Herramienta de investigación profunda de código abierto, cuyo objetivo es reproducir las funciones de Deep Research mediante un framework de código abierto.

Tülu 3 405B — Tülu 3 405B es un modelo de lenguaje abierto de gran escala, cuyo rendimiento se ha mejorado mediante aprendizaje por refuerzo.

SpeechGPT 2.0-versión preliminar — Primer sistema de interacción en tiempo real a nivel humano orientado a la inteligencia contextual, que admite la interacción de voz con múltiples emociones y estilos.

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

Baichuan-M1-14B — Modelo de lenguaje extenso de código abierto desarrollado por Baichuan Intelligence, optimizado específicamente para escenarios médicos. Posee una capacidad general excepcional y un rendimiento superior en el ámbito médico.

FilmAgent — FilmAgent es un marco de colaboración multiagente basado en LLM para la producción cinematográfica automatizada de extremo a extremo en espacios 3D virtuales.

DeepSeek-R1 — DeepSeek-R1 es un modelo de inferencia de alto rendimiento que admite múltiples idiomas y tareas, adecuado para aplicaciones de investigación y comerciales.

modelos-llm-autoadaptables — Un marco de modelos de lenguaje extenso (LLM) autoadaptable que se ajusta en tiempo real a tareas no vistas.

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

Laboratorio de Agentes — Laboratorio de Agentes es un flujo de trabajo de investigación autónoma de extremo a extremo, diseñado para ayudar a los investigadores humanos a implementar sus ideas de investigación.

Sonus-1 — Sonus-1: Inaugurando una nueva era para los modelos de lenguaje grandes (LLM)

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

FlagEval — Plataforma de evaluación de modelos

Ruyi-Mini-7B — Modelo de generación de vídeo a partir de imágenes de código abierto

InternVL 2.5 — Serie de modelos lingüísticos grandes multimodales de código abierto