GLM-4V-9B

オープンソースのマルチモーダル事前学習モデルで、中国語と英語の双方向対話機能を備えています。

国際セレクションプログラミングマルチモーダル事前学習モデル

GLM-4V-9Bは、智譜AIが発表した最新世代の事前学習モデルです。1120×1120の高解像度での中国語と英語の双方向多段階対話、および画像認識能力をサポートします。マルチモーダル評価において、GLM-4V-9BはGPT-4-turbo-2024-04-09、Gemini 1.0 Pro、Qwen-VL-Max、Claude 3 Opusを上回る優れた性能を示しました。

Best AI Websites & Tools

GLM-4V-9B

GLM-4V-9B 最新のトラフィック状況

GLM-4V-9B 訪問数の傾向

GLM-4V-9B 訪問地理的分布

GLM-4V-9B トラフィックソース

GLM-4V-9B 代替品

GLM-4V-9B — オープンソースのマルチモーダル事前学習モデルで、中国語と英語の双方向対話機能を備えています。

Qwen2.5-VL — Qwen2.5-VLは、画像や動画の内容を理解し、それに対応するテキストを生成できる強力なビジョン言語モデルです。

Valley-Eagle-7B — テキスト、画像、ビデオデータを処理するマルチモーダル大規模言語モデル

InternVL2_5-1B — 画像とテキストの理解をサポートするマルチモーダル大規模言語モデル

InternViT-6B-448px-V2_5 — InternViT-6B-448px-V1-5をベースとした強化版ビジョンモデル

Aquila-VL-2B-llava-qwen — 画像とテキスト情報を組み合わせたインテリジェント処理を行う、ビジョン言語モデルです。

GPTS4O.SO — テキスト、画像、音声インタラクションを統合したマルチモーダルAIプラットフォーム

LLaVA-NeXT — 多様な画像、動画、3Dデータを処理する大規模マルチモーダルモデルです。

Index-1.9B-Chat — 19億パラメーターによる対話生成モデル

GLM-4シリーズ — オープンソースの多言語・マルチモーダル対話モデル

CogVLM2 — 第二世代多モーダル事前学習対話モデル

Falcon 2 — Falcon 2は、オープンソースで、多言語対応、マルチモーダルなモデルであり、画像からテキストへの変換機能を備えています。

Gemini 1.5 Flash — Googleが開発した、大規模かつ高頻度のタスク向けに設計された、軽量かつ高性能なAIモデルです。

Yi-VL-34B — 高度なオープンソースのマルチモーダルモデル

DevMind AI — 多様なモダリティに対応したAI開発アシスタント

Google Vision Transformer — Transformerに基づく画像認識モデル

Inception Labs — Inception Labsは、次世代の拡散型大規模言語モデルを発表し、極めて高速で効率的で高品質な言語生成能力を提供します。

Google CameraTrapAI — Googleによって訓練されたAIモデルで、野生動物カメラトラップ画像内の種の分類に使用されます。

EgoLife — EgoLifeは、長期的なコンテキスト理解研究を推進することを目的とした、長期、マルチモーダル、多角的な日常生活AIアシスタントプロジェクトです。

UniTok — UniTokは、視覚生成と理解のための統一的な視覚トークナイザーです。

Mochii AI — Mochii AIは、最先端のモデルを基盤としたパーソナライズされたAIエコシステムであり、人間とAIの協働の未来を支援します。

M2RAG — マルチモーダルコンテキストにおける検索強化生成のためのベンチマークテストコードリポジトリです。

TheoremExplainAgent — TheoremExplainAgentは、マルチモーダルな定理解説動画を生成するためのインテリジェントシステムです。

Gemini 2.0 Flash-Lite — Gemini 2.0 Flash-Liteは、長文処理と多様なアプリケーションシナリオ向けに最適化された、高効率な言語モデルです。

Phi-4-multimodal-instruct — Phi-4-multimodal-instructは、Microsoftが開発した軽量のマルチモーダル基礎モデルで、テキスト、画像、音声入力をサポートします。

Magma-8B — Magma-8Bは、マイクロソフトが開発したマルチモーダルAIモデルであり、画像とテキストの入力を処理してテキスト出力を生成します。

DeepSeek 日本語版 — DeepSeekは、論理推論、数学、プログラミングタスクに秀でた高度なAI言語モデルです。無料で利用できます。

PaliGemma 2 mix — PaliGemma 2 mixは、多様なタスクと分野に適用可能な多機能ビジュアル言語モデルです。

ZeroBench — ZeroBenchは、現代の大規模マルチモーダルモデルを対象とした、高難易度のビジュアルベンチマークです。

Magma — Magmaは、多様なモーダル入力の理解と実行が可能な基礎モデルであり、複雑なタスクや環境で使用できます。