GLM-4V-9B

开源多模态预训练模型，具备中英双语对话能力。

国外精选编程多模态预训练模型

GLM-4V-9B是智谱AI推出的新一代预训练模型，支持1120*1120高分辨率下的中英双语多轮对话，以及视觉理解能力。在多模态评测中，GLM-4V-9B展现出超越GPT-4-turbo-2024-04-09、Gemini 1.0 Pro、Qwen-VL-Max和Claude 3 Opus的卓越性能。

Best AI Websites & Tools

GLM-4V-9B

GLM-4V-9B 最新流量情况

GLM-4V-9B 访问量趋势

GLM-4V-9B 访问地理位置分布

GLM-4V-9B 流量来源

GLM-4V-9B 替代品

Llama3.1-70B-Chinese-Chat — 70亿参数的中英双语对话模型

Index-1.9B-Chat — 基于19亿参数的对话生成模型

GLM-4系列 — 开源多语言多模态对话模型

CogVLM2 — 第二代多模态预训练对话模型

Pixtral-12B-2409 — 多模态12B参数模型，结合视觉编码器处理图像和文本。

Pixtral 12B — 首个多模态 Mistral 模型，支持图像和文本的混合任务处理。

智谱AI大模型开放平台 — 几行代码接入大模型

LLaMA-Omni — 低延迟、高质量的端到端语音交互模型

pixtral-12b-240910 — 多模态大型语言模型，支持图像和文本理解。

ell — 轻量级语言模型编程库，将提示视为函数。

西湖大模型 — 情商智商俱佳的多模态大模型

OLMoE — 开源的专家混合语言模型，具有1.3亿活跃参数。

Mini-Omni — 开源多模态大型语言模型，支持实时语音输入和流式音频输出。

OpenCity — 开源时空基础模型，用于交通预测

IMYAI智能助手 — 全能型智能助手，满足多样化应用需求。

Show-o — 统一多模态理解和生成的单一变换器

mPLUG-Owl3 — 多模态大型语言模型，理解长图像序列。

Phi-3.5-vision — 先进的多模态模型，支持图像和文本理解。

LLaVA-OneVision — 多模态视觉任务的高效转换模型

MedTrinity-25M — 大规模多模态医学数据集

EXAONE-3.0-7.8B-Instruct — 7.8亿参数的双语生成模型

Peach-9B-8k-Roleplay — 通过角色扮演进行对话的大型语言模型

Lumina-mGPT — 多模态自回归模型，擅长文本生成图像

MiniCPM-V 2.6 — 高性能多模态语言模型，适用于图像和视频理解。

Wordware — 自然语言编程，快速构建AI应用

Gemini Pro — 高性能多模态AI模型

MINT-1T — 一万亿Token和34亿张图像的多模态数据集

lmms-finetune — 统一的代码库，用于微调大型多模态模型

Meta-Llama-3.1-70B-Instruct — 70亿参数的大型多语言对话生成模型