MINT-1T

Um conjunto de dados multimodais com um trilhão de tokens e 3,4 bilhões de imagens.

Novo Produto PremiumCódigo AbertoMultimodalConjunto de Dados

O MINT-1T é um conjunto de dados multimodais de código aberto criado pela Salesforce AI, contendo um trilhão de tokens de texto e 3,4 bilhões de imagens, sendo 10 vezes maior que os conjuntos de dados abertos existentes. Ele inclui não apenas documentos HTML, mas também documentos PDF e artigos do ArXiv, enriquecendo a diversidade do conjunto de dados. A construção do conjunto de dados MINT-1T envolve várias etapas de coleta, processamento e filtragem de dados de diversas fontes, garantindo alta qualidade e diversidade.

Best AI Websites & Tools

MINT-1T

MINT-1T Situação do Tráfego Mais Recente

MINT-1T Tendência de Visitas

MINT-1T Distribuição Geográfica das Visitas

MINT-1T Fontes de Tráfego

MINT-1T Alternativas

MINT-1T — Um conjunto de dados multimodais com um trilhão de tokens e 3,4 bilhões de imagens.

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

Janus-Pro-7B — Janus-Pro-7B é uma nova estrutura autoregressiva que unifica a compreensão e a geração multimodais.

Infini-Megrez — Modelo de compreensão multimodal de ponta a ponta, com sinergia de hardware e software para liberar a inteligência de ponta a ponta.

Show-o — Transformador único para compreensão e geração multimodal 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 é uma estrutura de geração de imagem para vídeo lançada pela Tencent, baseada no HunyuanVideo.

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.

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

QwQ-Max-Preview — QwQ-Max-Preview é o mais recente resultado da série Qwen, construído com base no Qwen2.5-Max, e apresenta poderosas capacidades de raciocínio e aplicações em múltiplas áreas.

Claude 3.7 Sonnet — O Claude 3.7 Sonnet é o mais recente modelo de inteligência artificial da Anthropic, que oferece respostas rápidas e raciocínio profundo.

Signs — Plataforma que utiliza inteligência artificial para auxiliar no aprendizado e na contribuição para a Língua de Sinais Americana (ASL).

ZeroBench — ZeroBench é um benchmark visual de alta dificuldade para modelos multimodais de grande porte contemporâneos.

Huginn-0125 — Huginn-0125 é um modelo de profundidade recorrente com variáveis ​​latentes e 3,5 bilhões de parâmetros, especializado em raciocínio e geração de código.

Lumina-Video — Lumina-Video é um projeto experimental de geração de vídeo, com suporte à geração de vídeo a partir de texto.

VideoRAG — VideoRAG é uma estrutura de geração aprimorada por recuperação para processamento de vídeos de contexto extremamente longo.

VideoJAM — VideoJAM é uma estrutura para aprimorar a coerência de movimento em modelos de geração de vídeo.

OmniHuman-1 — OmniHuman-1 é uma estrutura multimodal baseada em uma única imagem de rosto e sinais de movimento para gerar vídeos humanos.

MatAnyone — MatAnyone é um framework de remoção de fundo de vídeo estável e com foco em objetos específicos, adequado para cenários complexos.

MILS — LLMs podem ver e ouvir sem nenhum treinamento prévio.

Janus-Pro-1B — Janus-Pro-1B é uma estrutura auto-regressiva unificada de compreensão e geração multimodal.

Tarsier — Tarsier é um grande modelo de linguagem de vídeo lançado pela ByteDance para gerar descrições de vídeo de alta qualidade.

O Último Exame da Humanidade — O Último Exame da Humanidade é um benchmark multimodal usado para avaliar a capacidade de modelos de linguagem de grande porte.

leapfusion-hunyuan-image2video — Uma nova técnica de amostragem de imagem para vídeo, baseada no modelo Hunyuan, para gerar vídeos de alta qualidade.

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

UI-TARS — UI-TARS é um modelo de agente GUI nativo de próxima geração usado para automatizar a interação com interfaces gráficas do usuário.

OmniThink — OmniThink é uma estrutura que aprimora a densidade de conhecimento em textos gerados por máquina, simulando o processo de pensamento humano.

Seaweed-APT — Seaweed-APT é um modelo que suporta a geração de vídeo em tempo real, em uma única etapa, com resolução 1280x720 a 24fps.

MangaNinja — MangaNinja é um método de coloração de esboço baseado em referência, que permite correspondência precisa e controle de interação granular.

Huginn-0125 — Huginn-0125 é um modelo de profundidade recorrente com variáveis latentes e 3,5 bilhões de parâmetros, especializado em raciocínio e geração de código.