AI模型
  1. 首页
  2. AI模型

列表

AIMv2

AIMv2

AIMv2是苹果公司开发的开源多模态自回归预训练视觉模型，通过图像与文本的深度融合提升视觉理解能力。其采用图像块与子词标记拼接的方式进行自回归预训练，支持多种参数规模，适用于不同设备。具备视觉问答、指代表达理解、图像字幕生成、多媒体检索等功能，并可无缝集成到大型语言模型中。模型在多个视觉任务中表现优异，具备良好的可扩展性和零样本适应能力。
AI项目与工具 2025年06月12日
R1

R1

R1-Onevision 是一款基于 Qwen2.5-VL 微调的开源多模态大语言模型，擅长处理图像与文本信息，具备强大的视觉推理能力。它在数学、科学、图像理解等领域表现优异，支持多模态融合与复杂逻辑推理。模型采用形式化语言和强化学习技术，提升推理准确性与可解释性，适用于科研、教育、医疗及自动驾驶等场景。
AI项目与工具 2025年06月12日
龙猫LongCat

龙猫LongCat

龙猫LongCat是美团自主研发的生成式AI大模型，具备多模态处理能力，可支持文本、图像等内容生成任务。其核心功能涵盖智能编程、会议记录、文档编辑、图形设计与视频脚本生成等，适用于多种办公场景。通过大规模预训练与混合训练策略，龙猫在实际应用中展现出高效、精准的特点，有效提升工作效率与创新能力。
AI项目与工具 2025年06月12日
子曰

子曰

子曰-o1是网易有道推出的国内首款支持分步式讲解的推理模型，采用14B参数轻量化设计，适配消费级显卡，在低显存设备上运行稳定。通过思维链技术模拟人类思考过程，输出详细解题步骤，特别适合教育场景，如K12数学教学和AI学习辅助。其具备强逻辑推理能力和自我纠错机制，支持启发式学习，提升用户理解与自主学习能力。
AI项目与工具 2025年06月12日
Sa2VA

Sa2VA

Sa2VA是由字节跳动联合多所高校开发的多模态大语言模型，结合SAM2与LLaVA技术，实现对图像和视频的密集、细粒度理解。它支持指代分割、视觉对话、视觉提示理解等多种任务，具备零样本推理能力和复杂场景下的高精度分割效果。适用于视频编辑、智能监控、机器人交互、内容创作及自动驾驶等多个领域。
AI项目与工具 2025年06月12日
OLMo 2 32B

OLMo 2 32B

OLMo 2 32B 是由 Allen Institute for AI 推出的开源语言模型，拥有 320 亿参数，性能接近更大规模模型。它采用三阶段训练策略，结合预训练、中期训练和后训练，提升模型稳定性与任务适应性。模型支持多任务处理，涵盖自然语言处理、数学推理、编程辅助和内容创作等领域，并具备高效训练能力与低能耗优势。所有数据、代码和权重均开源，便于研究与开发。
AI项目与工具 2025年06月12日
Titans

Titans

Titans是谷歌推出的新型神经网络架构，突破了传统Transformer在处理长序列数据时的限制。其核心是神经长期记忆模块，可模拟人脑记忆机制，提升对关键信息的存储与提取能力。Titans支持多种任务，包括语言建模、常识推理和时间序列预测，尤其在处理超长上下文时表现优异。该架构具备并行计算能力，提高了训练效率，适用于文本生成、生物信息学、视频音乐处理等多个领域。
AI项目与工具 2025年06月12日
ViLAMP

ViLAMP

ViLAMP是由蚂蚁集团与中国人民大学联合开发的视觉语言模型，专为高效处理长视频设计。采用混合精度策略，支持在单张A100 GPU上处理长达3小时的视频，提升处理效率并降低计算成本。具备长视频理解、关键信息提取、多任务处理等功能，适用于教育、监控、直播、影视制作及智能客服等场景。技术上通过差分关键帧选择与特征合并优化性能，实现精准且高效的视频分析。
AI项目与工具 2025年06月11日
Emotion

Emotion

Emotion-LLaMA是一款基于多模态输入的情绪识别与推理模型，结合音频、视觉和文本信息，提升情感理解的准确性与可解释性。模型采用改进版LLaMA架构，通过指令调整增强情感处理能力，并依托自建的MERR数据集进行训练与验证。在多个挑战赛中表现优异，适用于人机交互、教育、心理健康、客户服务等领域，具有广泛的应用前景。
AI项目与工具 2025年06月12日
RF

RF

RF-DETR是一款由Roboflow推出的实时目标检测模型，支持多分辨率训练，具备高精度和低延迟特性，在COCO数据集上达到60+ mAP。结合Transformer架构和预训练DINOv2主干，提升领域适应性和检测效果。适用于安防、自动驾驶、工业检测等多个场景，提供预训练检查点以支持快速微调和部署。
AI项目与工具 2025年06月12日