NVLM

Modelo de linguagem grande multimodal de ponta, que oferece desempenho avançado em tarefas de visão-linguagem.

Produto ComumProdutividadeAprendizado MultimodalModelos de Linguagem Grandes

O NVLM 1.0 é uma série de modelos de linguagem grandes multimodais (LLMs) de ponta que alcançaram resultados avançados em tarefas de visão-linguagem, comparáveis aos modelos proprietários e de acesso aberto líderes. Notavelmente, após o treinamento multimodal, o desempenho de texto do NVLM 1.0 superou até mesmo seu modelo principal LLM. Os pesos e o código do modelo foram abertos para a comunidade.

Best AI Websites & Tools

NVLM

NVLM Situação do Tráfego Mais Recente

NVLM Tendência de Visitas

NVLM Distribuição Geográfica das Visitas

NVLM Fontes de Tráfego

NVLM Alternativas

NVLM — Modelo de linguagem grande multimodal de ponta, que oferece desempenho avançado em tarefas de visão-linguagem.

modelos-de-linguagem-grandes-autoadaptativos — Uma estrutura de modelo de linguagem grande que se adapta em tempo real a tarefas desconhecidas.

Instella — Instella é um modelo de linguagem de código aberto de alto desempenho desenvolvido pela AMD, projetado para acelerar o desenvolvimento de modelos de linguagem de código aberto.

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.

IndexTTS — Sistema de texto para voz (TTS) de amostra zero, eficiente e controlável em nível industrial

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.

AlphaMaze-v0.2-1.5B — Método inovador para aprimorar a capacidade de raciocínio visual de grandes modelos de linguagem (LLMs) por meio da resolução de labirintos descritos em texto.

SkyReels-V1-Hunyuan-I2V — SkyReels V1 é um modelo de vídeo base, de código aberto e centrado no ser humano, focado na geração de vídeos de alta qualidade com nível cinematográfico.

OmniParser-v2.0 — OmniParser é uma ferramenta universal de análise de tela que converte capturas de tela da interface do usuário (UI) em formatos estruturados, melhorando o desempenho de agentes de UI baseados em LLMs.

OpenThinker-32B — OpenThinker-32B é um poderoso modelo de raciocínio de código aberto, projetado para aprimorar a capacidade de raciocínio com dados abertos.

Aplicativo OLMoE — Ai2 OLMoE é um aplicativo de modelo de linguagem de código aberto que roda em dispositivos iOS.

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.

FireRedASR — Modelo de Reconhecimento Automático de Fala (RAF) em mandarim padrão de nível industrial e código aberto, compatível com diversas aplicações.

RAG-FiT — RAG-FiT é uma biblioteca para aprimorar a capacidade dos LLMs de usar informações externas, ajustando finamente os modelos com um conjunto de dados RAG aprimorado especialmente criado.

Codename Goose — Agente de IA local que automatiza tarefas de engenharia sem problemas.

Open-source DeepResearch — Ferramenta de pesquisa profunda de código aberto, com o objetivo de reproduzir funcionalidades semelhantes ao Deep Research por meio de um framework de código aberto.

Tülu 3 405B — Tülu 3 405B é um modelo de linguagem de código aberto em larga escala, com desempenho aprimorado por meio de aprendizado por reforço.

SpeechGPT 2.0-prévia — O primeiro sistema de interação em tempo real de nível humano orientado para inteligência contextual, suportando interação de voz multi-emocional e multi-estilo.

Baichuan-M1-14B — Modelo de linguagem extenso de código aberto desenvolvido pela Baichuan Intelligence, otimizado para cenários médicos, com capacidades gerais excepcionais e desempenho superior na área médica.

PaSa — PaSa é um agente de busca de artigos acadêmicos avançado, impulsionado por modelos de linguagem grandes, capaz de tomar decisões autônomas e obter resultados precisos.

Moondream AI — Modelo de linguagem visual de código aberto, executável em diversos dispositivos.

Valley 2.0 — Modelo de linguagem grande multi-modal, aprimora a capacidade de processamento de dados de texto, imagem e vídeo.

Ruyi-Mini-7B — Modelo de geração de vídeo a partir de imagem de código aberto

InternVL 2.5 — Série de modelos de linguagem grandes multimodais de código aberto

HunyuanVideo — Framework de treinamento de modelos de geração de vídeo de grande porte de código aberto da Tencent

LLaVA-o1 — Modelo de linguagem visual capaz de raciocínio passo a passo.

Lingma SWE-GPT — Modelo de linguagem grande de código aberto, projetado especificamente para melhoria de software.

O1-Journey — O1 Jornada de Replicação: Relatório de Progresso Estratégico - Parte 1

Tencent-Hunyuan-Large — Modelo de especialista misto de larga escala de código aberto líder do setor

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.