CogVLM2

Modèle de dialogue pré-entraîné multi-modal de deuxième génération

Produit OrdinaireProductivitéMultimodalModèle pré-entraîné

CogVLM2 est un modèle de dialogue pré-entraîné multi-modal de deuxième génération développé par l'équipe de l'Université Tsinghua. Il a montré des améliorations significatives dans plusieurs tests de référence, prenant en charge une longueur de contenu de 8K et une résolution d'image de 1344*1344. Les modèles de la série CogVLM2 offrent des versions open source en chinois et en anglais, atteignant des performances comparables à certains modèles non open source.

Best AI Websites & Tools

CogVLM2

CogVLM2 Dernière situation du trafic

CogVLM2 Tendance des visites

CogVLM2 Distribution géographique des visites

CogVLM2 Sources de trafic

CogVLM2 Alternatives

CogVLM2 — Modèle de dialogue pré-entraîné multi-modal de deuxième génération

Magma — Magma est un modèle fondamental capable de comprendre et d'exécuter des entrées multimodales, utilisable pour des tâches et des environnements complexes.

VideoLLaMA3 — VideoLLaMA3 est un modèle de base multimodal de pointe, spécialisé dans la compréhension des images et des vidéos.

OpenEMMA — Modèle multimodal de conduite autonome de bout en bout, open source

POINTS-Yi-1.5-9B-Chat — Les dernières avancées en matière de modèles linguistiques visuels, intégrant les nouvelles technologies de WeChat AI.

POINTS-Qwen-2-5-7B-Chat — Les dernières avancées en matière de modèles linguistiques visuels

Meta Llama 3.3 — Modèle linguistique large multilingue pré-entraîné de 70 milliards de paramètres

Aria-Base-64K — Modèle Mixture-of-Experts multi-modal natif

Pixtral Large — Modèle d'IA multimodale de pointe, offrant une compréhension de l'image et du texte.

Ferret-UI-Llama8b — Modèle linguistique de grande taille multimodale basé sur Llama-3-8B, spécialisé dans les tâches liées à l'interface utilisateur.

GLM-4V-9B — Modèle pré-entraîné multi-modal open source, capable de dialogues bilingues chinois-anglais.

Série GLM-4 — Modèle conversationnel multimodal multilingue open source

MiniGemini — Modèle linguistique multimodal de grande taille capable de comprendre et de générer simultanément des images.

TinyGPT-V — Modèle linguistique large multimodal performant

MiniGPT-5 — Modèle multimodal pour la génération d'images et de texte

Inception Labs — Inception Labs lance une nouvelle génération de modèles linguistiques de grande diffusion, offrant une capacité de génération de langage extrêmement rapide, efficace et de haute qualité.

EgoLife — EgoLife est un projet d'assistant IA pour la vie quotidienne, à long terme, multimodal et multi-vues, visant à faire progresser la recherche sur la compréhension du contexte à long terme.

UniTok — UniTok est un tokeniseur visuel unifié pour la génération et la compréhension d'images.

ViDoRAG — ViDoRAG est un framework d'agents d'inférence itérative dynamique qui combine la recherche de documents visuels et l'amélioration de la génération.

Migician — Migician est un grand modèle linguistique multimodale axé sur la localisation multi-images, capable de réaliser une localisation précise multi-images de forme libre.

Mochii AI — Mochii AI est un écosystème d'intelligence artificielle personnalisé, basé sur des modèles de pointe, qui favorise l'avenir de la collaboration entre l'homme et l'IA.

M2RAG — Bibliothèque de code de référence pour la génération améliorée par la recherche dans un contexte multimodal.

TheoremExplainAgent — TheoremExplainAgent est un système intelligent permettant de générer des vidéos explicatives multimodales de théorèmes.

Gemini 2.0 Flash-Lite — Gemini 2.0 Flash-Lite est un modèle linguistique efficace, optimisé pour le traitement de longs textes et de nombreux scénarios d'application.

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct est un modèle de base multimédia léger développé par Microsoft, prenant en charge les entrées texte, image et audio.

Magma-8B — Magma-8B est un modèle d'IA multimodale développé par Microsoft, capable de traiter des entrées image et texte et de générer des sorties textuelles.

DeepSeek Japonais — DeepSeek est un modèle linguistique IA avancé, maîtrisant le raisonnement logique, les mathématiques et la programmation, et disponible gratuitement.

ZeroBench — ZeroBench est un benchmark visuel hautement exigeant conçu pour les grands modèles multimodaux contemporains.

Grok 3 — Grok 3, le dernier modèle d'IA phare lancé par xAI, offre des capacités de raisonnement et de traitement multimodale exceptionnelles.

CLaMP 3 — CLaMP 3 est un framework unifié pour la recherche d'informations musicales multimodales et multilingues.