多模态全部工具(共 69 款)
UI-TARS-desktop字节跳动开源的视觉多模态智能体套件:像人一样操作电脑与浏览器,提供 Agent TARS CLI、远程操作器与 UI-T…
MiniMax上海实验室,产品线是 Hailuo 以及 2026 年的 M3 / H3 编程模型。TalkAPI 上 M3 每百万 t…
NotebookLMGoogle 基于你资料做研究的笔记本,现以 Gemini Notebook 出现在 notebook.google。分…
ToAPIsOpenAI 兼容 AI API 网关:一个 Base URL、一个 Key 统一接入 GPT、Claude、Gemin…
Visor面向 Ray-Ban Meta Gen 2 眼镜的独立 Android 客户端,可将助手请求路由到 Claude 或 O…
Doubao字节跳动消费级 AI 助手,覆盖聊天、写作、编程,并在应用内接入 Seedance 视频。官网当前写登录后可免费使用 S…
TRAE字节跳动的 AI IDE。连续包月 Lite $3、Pro $10、Pro+ $30、Ultra $100。用量按美元…
Veo 3Google DeepMind 的 Veo 视频模型,官方现以 Veo 3.1 呈现:带原生音频的电影级视频,并提供 1…
Agnes-3.0-FlashAgnes-3.0-Flash Preview 是 Apache-2.0 的 33B 多模态开源权重,上下文 262k,…
LensVLM-9B苹果发布的 9B 视觉语言模型:把文档当作压缩图片来读,只把真正相关的页面放大还原,在 4.3 倍压缩下仍保持全文级别的…
cogvlm-base-490-hfcogvlm-base-490-hf 是 Z.ai(原 THUDM)发布的开源 CogVLM-17B 视觉语言模型检查点…
DeepSeek-V4.1-FlashDeepSeek-V4.1-Flash 是 MIT 的 552B 多模态 MoE,预填充 8B、解码 16B 激活,1M…
DeepSeek-V4-Flash-Vision-ExpDeepSeek-V4-Flash-Vision-Exp 是 V4 家族首个多模态实验:Flash 架构加视觉模块,MI…
deepseek-vl-7b-baseDeepSeek-VL-7B-Base 是开源的 7B 视觉语言模型,采用 SigLIP-L 与 SAM-B 混合视觉编…
FLUX 3Black Forest Labs 多模态模型,覆盖视频、音频、即将推出的图像与动作预测,支持最长 20 秒片段、原生音…
Gemma 4 26B A4BGoogle DeepMind 开源权重模型,25.2B 总参数 MoE 架构每 token 仅激活 3.8B,256K…
GLM-5.3-Flash智谱首个原生多模态 GLM 系列模型(即此前匿名的 'Ox Alpha'):320B MoE、仅 18B 激活、1M 上…
Google: Gemini 2.0 FlashGemini 2.0 Flash 已于 2026 年 6 月 1 日在 Gemini API 中停服。它支持多模态输入、…
Google: Gemini 3.1 Flash-LiteGemini 3.1 Flash-Lite(gemini-3.1-flash-lite)是 Google 的稳定版模型,…
Google: Gemini 3.1 Flash LiveGemini 3.1 Flash Live(gemini-3.1-flash-live-preview)是旧版音频到音频…
Google: Gemini 3.1 ProGemini 3.1 Pro Preview(gemini-3.1-pro-preview)是 Google 2026…
Google: Gemini 3.5 Flash-LiteGemini 3.5 Flash-Lite(模型 ID gemini-3.5-flash-lite)是 Google 的…
Google: Gemini 3.5 FlashGoogle 以行动为导向的前沿模型:为智能体与编码而生,支持 100 万 token 上下文,以 Flash 级别的速…
Google: Gemini 3.6 FlashGemini 3.6 Flash(gemini-3.6-flash)是 Google 稳定版的上一代 Flash 模型,…
Google: Gemini 3.7 FlashGoogle 面向智能体工作流与多模态推理的最强 Flash 模型:100 万 token 上下文、6.5 万输出 to…
Google: Gemini 3 FlashGoogle 最新前沿模型,以前所未有的速度和成本效益提供突破性智能。Google: Gemini 3 Flash 收录…
Google: Gemini 3 ProGemini 3 Pro Preview(gemini-3-pro-preview)发布于 2025 年 11 月 18…
Google:Gemini 4 NeonGoogle Gemini 4 Neon 是面向编程、分析和企业工作流的前沿模型,提供 100 万 token 上下文窗…
Google: Gemini Omni FlashGemini Omni 1.2 Flash 是 Google 的视频生成与编辑模型,支持原生音频、15 秒片段和多轮对话…
GPT Image 2OpenAI 最新图像生成模型,面向快速、高质量的生成与编辑,支持灵活尺寸至 4K,并按 token 计费的官方 API…
Grok 4.6SpaceXAI(原 xAI)的前沿 1.5T 推理模型,具备 50 万 token 上下文、出色的智能体编码能力与实时…
GrokxAI / SpaceXAI 的 Grok 家族。当前文档旗舰是 grok-4.6:50 万上下文、$2/$6 每百万…
Jina Embeddings v4Jina Embeddings v4 是 40 亿参数的多模态多语言嵌入模型,支持文本、图像和视觉文档,上下文 32K,…
Kimi K3月之暗面(Moonshot AI)开源的 2.8T 参数多模态智能体模型,1M token 上下文,全球首个开源 3T…
Ling-3.0-flash-VLLing-3.0-flash-VL 是 inclusionAI 的 MIT 多模态 MoE:总参 124B,激活 5.5…
Liquid d1-3BLiquid AI 的 3B 多模态决策模型,基座为 LFM2.5-VL-3B,面向校准分类、文档分类与政策标签等边缘端…
llava-v1.6-34b-hfllava-v1.6-34b-hf 是 LLaVA-NeXT 34B 的 Hugging Face Transforme…
Meta Llama 3.2 Vision2024 年 Llama 3.2 视觉模型(11B / 90B)快照,llama.com 现在主推 Llama 4,因此…
MiMo-V2.6小米 MiMo-V2.6 开源权重系列:旗舰 Pro 为 1.02T 总参数、42B 激活的稀疏 MoE,另有 309B…
MiniMax H3MiniMax 于 2026 年 7 月 31 日发布的开源向多模态视频模型:文/图/视频/音频输入,768P 或 2K…
MiniMax M3MiniMax 2026 年 6 月 1 日的开源向旗舰模型:MSA 架构、100 万 token 上下文、原生图像/视…
Mistral Large 4Mistral Large 4 是面向编程、推理和自托管 Agent 工作负载的开放权重多模态 MoE 模型。
Mistral OCR 4.1Mistral OCR 4.1 是 Mistral 于 2026 年 7 月 16 日正式发布的文档 OCR 服务,支持…
Mistral Pixtral 12B2024 年 Mistral 12B 视觉快照。活目录是 Medium 3.5 / Small 4 / Large 3。…
Mistral Shieldstral 1.0Mistral Shieldstral 1.0 是面向文本与图像的紧凑型多模态安全分类模型,基于 Ministral 3…
Muse Spark OpenMeta 面向代码与智能体的开放权重多模态 MoE,具备 8160 亿总参数、420 亿激活参数和 100 万 toke…
Nex-N2.5-miniNex-N2.5-mini 是 Nex-AGI 的 Apache-2.0 多模态智能体模型,面向计算机使用、浏览和编程。
Nex-N2.5-ProNex-N2.5-Pro 是 Nex-AGI 的 Apache-2.0 多模态智能体检查点,面向计算机使用、浏览和编程。
OpenAI: GPT-4o-miniGPT-4o mini(gpt-4o-mini-2024-07-18)上下文 128K,定价 0.15/0.60 美元;…
OpenAI: GPT-4oGPT-4o(gpt-4o)是 OpenAI 的多模态模型,每百万 token $2.50/$10,128K 上下文;已…
Qwen-Drive-1.0-4BQwen-Drive-1.0-4B 是阿里 Apache-2.0 的驾驶视觉语言模型,把三维感知、VQA 和运动规划放在…
Qwen-Image-2.1Qwen-Image-2.1 是阿里 7B 开放权重模型,同一套权重既做文生图也做图像编辑,还支持原生透明 PNG 与最…
Qwen-VLQwen-VL 是阿里云 2023 年基于 Qwen-7B 的视觉语言模型,可输入图像、文本和边界框,输入分辨率 448…
Qwen2-VL 72B InstructQwen2-VL-72B-Instruct 是阿里的 72B 视觉语言模型,支持动态图像分辨率和 20 分钟以上视频理解…
Qwen3.8-2.4T-A95B阿里巴巴旗舰 2.4T MoE 模型,激活参数 95B,1M token 上下文,原生多模态输入,PaperBench…
Qwen3.8-27B阿里巴巴开源的 27B 稠密模型,Qwen3.8-Max 的配套稠密版本,Apache 2.0 协议,支持图文多模态输入…
Qwen3.8-Flash-Next阿里通义千问公开的 Qwen4 架构预览:125B 多模态 MoE、每 token 仅激活 6B,外加 51B N-gr…
Qwen3.8-Max阿里 2.4T 参数开源旗舰:95B 激活的 MoE,原生文本/图片/视频输入,1M 上下文,输入 $2 / 输出 $6…
Qwen3.8-Omni-FlashQwen3.8-Omni-Flash 是阿里的全模态智能体模型:100 万 token 上下文,原生输入文本、图像、音频…
Qwen3-VL-EmbeddingQwen3-VL-Embedding 是通义千问的 Apache-2.0 多模态嵌入系列(2B 与 8B),支持文本、图…
Qwen3-VL-RerankerQwen3-VL-Reranker 是通义千问的 Apache 2.0 多模态重排序模型,提供 2B 和 8B 两种规模…
Realtime-VenusRealtime-Venus 是 Apache 2.0 的 9B 全双工音视频模型,能在继续听的同时说话、被打断、并委派…
Seedance 2.5ByteDance Seed 的音画联合生成模型,面向 30 秒叙事、更准的参考控制、可延长两次,并提供绿幕等专业剪辑能…
Swift-Qwen3.8-27BSwift-Qwen3.8-27B 是 UkisAI 基于 Qwen3.8-27B 的高效推理微调,思考 token 约…
Ternary Bonsai 2Ternary Bonsai 2 是 27B 的 Qwen3.8 三值 GGUF,模型卡称在 5.95 GB 包里保住…
WeMM-Embedding腾讯微信视觉团队推出的通用多模态嵌入模型家族(2B/4B/9B),基于 Qwen3.5。文本、图像、视频与视觉文档统一映…
YuE2-3BYuE2-3B 是 M·A·P 的 CC BY-NC 音乐模型,先写出可编辑乐谱,再渲染人声与伴奏,可在本地 24GB…
DigUpMIT 许可的私有桌面搜索应用,用 EmbeddingGemma 2 为本地文件夹建立索引,按自然语言描述查找图片、PD…
YouMindYouMind 是 AI 创作工作室:把收藏的文章、视频和笔记做成文稿、幻灯片、图像、网页和视频,并带付费 Skills…
所有标签
A2A协议AI内容生成AI助手AI搜索AI支付AI智能体AnthropicAPIAWSBlack Forest LabsClaudeClaude CodeCloudflareCodexCohereCursorDeepgramDeepSeekElevenLabsFLUXGeminiGemmaGitGoGoogleGPTGPUGrokHugging FaceIBMJina AIKimiLangChainLangGraphLinuxLlamamacOSMarkdownMCPMetaMicrosoftMiniMaxMistralMixedbread AINous ResearchNVIDIAObsidianOpenAIOpenClawOpenCodeOpenHandsOpenRouterPerplexityPythonRAGReplitRustStability AITypeScriptVoyage AIxAI云计算代码助手代码审查代码质量企业级健康写作前沿模型加密与Web3协议可观测性向量嵌入向量数据库命令行图像生成多智能体多模态
标签为 多模态 的内容 (69 个)
Month Visit20000000DR: 90AS: 95
Month Visit20000000DR: 90AS: 95
Month Visit15700000DR: 72AS: 58
Month Visit15000000DR: 95AS: 98
Month Visit12000000DR: 88AS: 90
Month Visit12000000DR: 88AS: 90
Month Visit4800000DR: 95AS: 80
Month Visit2500000DR: 70AS: 60
Month Visit800000DR: 90AS: 88
Month Visit800000DR: 90AS: 88
Month Visit800000DR: 78AS: 82
Month Visit500000DR: 65AS: 70
Month Visit150000DR: 60AS: 55
Month Visit1500DR: 95AS: 92
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit100DR: 100AS: 100
Month Visit235DR: 95AS: 90
Month Visit800DR: 88AS: 85
Month Visit215DR: 92AS: 87
Month Visit245DR: 91AS: 85