CogVLM2

Modelo de diálogo pré-treinado multimodais de segunda geração

Produto ComumProdutividadeMultimodalModelo Pré-treinado

O CogVLM2 é um modelo de diálogo pré-treinado multimodais de segunda geração desenvolvido pela equipe da Universidade Tsinghua. Apresenta melhorias significativas em vários benchmarks, suportando comprimento de conteúdo de 8K e resolução de imagem de 1344*1344. A série de modelos CogVLM2 oferece versões de código aberto em chinês e inglês, alcançando desempenho comparável a alguns modelos não abertos.

Best AI Websites & Tools

CogVLM2

CogVLM2 Situação do Tráfego Mais Recente

CogVLM2 Tendência de Visitas

CogVLM2 Distribuição Geográfica das Visitas

CogVLM2 Fontes de Tráfego

CogVLM2 Alternativas

CogVLM2 — Modelo de diálogo pré-treinado multimodais de segunda geração

Magma — Magma é um modelo básico capaz de entender e executar entradas multimodais, podendo ser usado em tarefas e ambientes complexos.

VideoLLaMA3 — VideoLLaMA3 é um modelo básico multimodal de ponta, focado na compreensão de imagens e vídeos.

OpenEMMA — Modelo multimodal de direção autônoma de ponta a ponta de código aberto

POINTS-Qwen-2-5-7B-Chat — Avanços recentes em modelos de linguagem visual

InternVL2_5-26B — Modelo de linguagem grande multimodal, integrando compreensão visual e linguística.

Meta Llama 3.3 — Modelo de linguagem grande pré-treinado multilíngue com 70 bilhões de parâmetros

Qwen2-VL-2B — Modelo de linguagem visual de ponta, com suporte para compreensão multimodal e geração de texto.

Aria-Base-64K — Modelo multi-modal nativo Mixture-of-Experts

Pixtral Large — Modelo de IA multimodal de ponta, oferecendo compreensão de imagens e texto.

Ferret-UI-Llama8b — Modelo de linguagem grande multimodais baseado em Llama-3-8B, focado em tarefas de interface de usuário.

MM1.5 — Otimização e Análise de Modelos de Linguagem Grandes Multimodais

mPLUG-Owl3 — Modelo de linguagem grande multimodal que compreende sequências longas de imagens.

Phi-3.5-vision — Modelo multimodal avançado, suporta compreensão de imagens e texto.

MiniCPM-V 2.6 — Modelo de linguagem multimodal de alto desempenho, adequado para compreensão de imagens e vídeos.

GLM-4V-9B — Modelo pré-treinado multi-modal de código aberto, com capacidade de diálogo em chinês e inglês.

Série GLM-4 — Modelo de diálogo multimodal multilíngue de código aberto

Prévia do Grok-1.5 Vision — O primeiro modelo multimodal que conecta o mundo digital e o físico

MiniGemini — Modelo de linguagem grande multimodal que suporta a compreensão e geração simultâneas de imagens.

MiniGPT-5 — Modelo multimodal para geração de imagens e linguagem

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.

Aya Vision — Aya Vision é um modelo de visão multimodal multilíngue lançado pela Cohere, com o objetivo de melhorar a capacidade de compreensão visual e textual em cenários multilíngues.

EgoLife — EgoLife é um projeto de assistente de IA para a vida cotidiana, de longo prazo, multimodal e multiperspectivo, com o objetivo de impulsionar a pesquisa em compreensão de contexto de longo prazo.

UniTok — UniTok é um tokenizador visual unificado para geração e compreensão visual.

ViDoRAG — ViDoRAG é uma estrutura de agente de raciocínio iterativo dinâmico que combina recuperação de documentos visuais com geração aprimorada.

Migician — Migician é um modelo de linguagem grande multimodal focado na localização de imagens múltiplas, capaz de realizar localização precisa de imagens múltiplas de forma livre.

Mochii AI — Mochii AI é um ecossistema de inteligência artificial personalizado, com suporte de modelos de ponta, que impulsiona o futuro da colaboração entre humanos e IA.

M2RAG — Repositório de código de benchmark para geração aprimorada por recuperação em contexto multimodal.

TheoremExplainAgent — TheoremExplainAgent é um sistema inteligente usado para gerar vídeos explicativos multimodais de teoremas.

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.