模型

1. 首页
2. 模型

ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器，通过结合局部与全局token，提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息，增强细节感知能力。在多个基准测试中表现优异，尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略，提高模型泛化能力，适用于视觉问答、图像字幕生成、跨模态检索等多种场景。

AI项目与工具 2025年06月12日 38 点赞 0 评论 508 浏览

Waters AI

WATERS作为Minister AI旗下的头部产品，仅需输入简单的关键词,即可在几秒钟内创造出令人惊叹的 AI 艺术作品。

Ai绘画生成 2025年06月05日 56 点赞 0 评论 507 浏览

VidTok

VidTok（Video Tokenizer）是一款由微软开发的开源视频处理工具，通过高效的算法将视频内容转化为“视频词”，支持连续与离散分词化，具有灵活的压缩率和多样的隐空间，适用于视频生成、内容建模及数据压缩等场景。其混合模型架构结合卷积与采样模块，辅以有限标量量化技术，实现了高质量视频重建与高效数据处理。

AI项目与工具 2025年06月12日 54 点赞 0 评论 507 浏览

Vid2World

Vid2World是由清华大学和重庆大学联合开发的创新框架，能够将全序列、非因果的被动视频扩散模型（VDM）转换为自回归、交互式、动作条件化的世界模型。该模型基于视频扩散因果化和因果动作引导两大核心技术，解决了传统VDM在因果生成和动作条件化方面的不足。Vid2World支持高保真视频生成、动作条件化、自回归生成和因果推理，适用于机器人操作、游戏模拟等复杂环境，具有广泛的应用前景。

AI项目与工具 2025年06月11日 33 点赞 0 评论 507 浏览

OminiControl

OminiControl是一款高效且参数节约的图像生成框架，专为扩散变换器模型设计，支持主题驱动和空间控制。通过增加少量参数，它能够生成高质量图像并保持主题一致性，适用于多种应用场景，包括艺术创作、游戏开发和广告设计等。其强大的多模态注意力机制和灵活的架构使其成为图像生成领域的创新工具。

AI项目与工具 2025年06月12日 94 点赞 0 评论 507 浏览

START

START是由阿里巴巴集团与中科大联合研发的工具增强型推理模型，通过集成外部工具（如Python代码执行器）提升大型语言模型的推理能力。其核心在于“Hint-infer”和“Hint-RFT”技术，结合长链推理与工具调用，显著提高复杂数学、科学问题及编程任务的准确性和效率。该模型具备自我调试、多策略探索和自学习能力，适用于科研、教育、编程等多个领域，是首个开源的长链推理与工具集成模型。

AI项目与工具 2025年06月12日 72 点赞 0 评论 506 浏览

Inverse Painting

Inverse Painting 是一种基于 AI 的创新技术，能够逆向还原绘画过程，通过分析艺术家的绘画视频学习技巧与顺序，生成详细的绘画指令，逐步更新画布，模拟创作流程。该工具可应用于艺术教育、艺术创作辅助、文化遗产保护、艺术品鉴定、娱乐产业及交互式媒体等多个领域。

AI项目与工具 2025年06月12日 90 点赞 0 评论 506 浏览

天罡智算

一个智能算力交易平台，专注于解决GPU资源错配问题，通过智能匹配供需双方的算力需求，促成供需双方交易。

AI服务商 2025年06月05日 79 点赞 0 评论 506 浏览

FinRobot

FinRobot是一款开源的AI代理平台，专注于金融领域的应用，基于大型语言模型（LLMs）构建能够执行复杂分析和决策的专业金融AI代理。平台通过金融思维链（CoT）提示功能提升分析能力，并通过开源方式促进AI在金融决策中的广泛应用。架构涵盖金融AI代理层、金融LLM算法层、LLMOps和DataOps层以及多源LLM基础模型层，支持市场预测、文档分析及交易策略等多种金融专业AI代理。

AI项目与工具 2025年06月12日 74 点赞 0 评论 505 浏览

MCP Servers

MCP Servers是字节跳动推出的大模型生态平台，为开发者提供高效、灵活的大模型开发与部署环境。通过MCP协议集成搜索、数据库、API等工具，支持模块化开发和全链路闭环。平台整合MCP Market、火山方舟和Trae，实现从工具调用到应用部署的全流程。支持Local和Remote部署模式，涵盖自动化代码生成、智能数据库运维、跨仓库调试等应用场景，助力开发者提升效率。

AI项目与工具 2025年06月11日 21 点赞 0 评论 505 浏览