模型

1. 首页
2. 模型

VRAG

VRAG-RL是阿里巴巴通义大模型团队推出的视觉感知驱动的多模态RAG推理框架，旨在提升视觉语言模型在处理视觉丰富信息时的检索、推理和理解能力。通过定义视觉感知动作空间，实现从粗粒度到细粒度的信息获取，并结合强化学习和综合奖励机制优化模型性能。该框架支持多轮交互推理，具备良好的可扩展性，适用于智能文档问答、视觉信息检索、多模态内容生成等多种场景。

AI项目与工具 2025年06月11日 84 点赞 0 评论 970 浏览

通义千问AI大模型

通义千问大模型AI开放平台，覆盖语言、听觉、多模态等领域；致力于实现接近人类智慧的通用智能，让AI从“单一感官”到“五官全开”

Ai平台模型 2025年06月05日 18 点赞 0 评论 970 浏览

Amazon Nova

Amazon Nova是亚马逊云服务推出的一套强大的AI基础模型系列，涵盖文本、图像和视频生成等多个领域。其核心产品包括Amazon Nova Micro（专注文本处理）、Amazon Nova Lite（多模态低成本模型）、Amazon Nova Pro（多模态平衡型模型）、Amazon Nova Premier（复杂推理模型）、Amazon Nova Canvas（图像生成模型）和Amazon

AI项目与工具 2025年06月12日 74 点赞 0 评论 971 浏览

Perplexity

Perplexity AI 是一款对话式AI搜索引擎，通过自然语言处理技术，能够从多种来源收集信息并提供准确答案。它支持用户通过聊天方式进行提问，确保信息来源可靠，并适用于多种职业背景的用户。与传统搜索引擎相比，Perplexity AI 提供了简洁无广告的体验和更高效的搜索结果。

AI项目与工具 2025年06月12日 11 点赞 0 评论 971 浏览

rStar

rStar-Math是由微软亚洲研究院研发的数学推理工具，采用蒙特卡洛树搜索（MCTS）驱动的深度思考机制，使小型语言模型在数学推理方面达到或超越大型模型水平。通过代码增强的推理轨迹生成、过程偏好模型（PPM）训练和四轮自我进化策略，显著提升了模型的准确率与自我反思能力。该工具已在多个数学基准测试中取得优异成绩，适用于教育、科研、金融、工程和数据分析等多个领域。

AI项目与工具 2025年06月12日 60 点赞 0 评论 972 浏览

Shots.So

一个免费的在线工具，只需点击几下即可帮助您创建漂亮的样机模型。 Shots.so可以与背景框架和不同的模型（如浏览器、手机、笔记本电脑、手表等）产生很好的效果。

图片处理 2025年06月05日 26 点赞 0 评论 972 浏览

DeepSeek百宝箱

DeepSeek百宝箱是DeepSeek官方维护的GitHub项目，集成了多种支持DeepSeek API的工具和应用，涵盖聊天、知识管理、开发等多个领域。提供开箱即用、详实文档、本地化支持及多平台兼容性，助力开发者高效使用语言模型，提升工作效率。支持模型训练、部署、监控全流程，具备低代码配置、智能上下文感知、毫秒级响应等特性，适用于办公、编程、内容创作等多种场景。

AI项目与工具 2025年06月12日 45 点赞 0 评论 972 浏览

OmniVision

OmniVision是一款面向边缘设备的紧凑型多模态AI模型，参数量为968M。它基于LLaVA架构优化，能够处理视觉与文本输入，显著降低计算延迟和成本。OmniVision支持视觉问答、图像描述等功能，广泛应用于内容审核、智能助手、视觉搜索等领域。

AI项目与工具 2025年06月12日 37 点赞 0 评论 973 浏览

Open NotebookLM

Open NotebookLM是一个开源工具，能够将PDF文档转换为播客形式的音频内容。它基于Llama 3.1 405B、MeloTTS和Bark等先进AI模型，生成自然流畅的对话式音频，并支持多语言及个性化音调设置。用户可通过简单易用的Gradio界面上传PDF文件并下载MP3格式的音频文件，适用于教育、科研、商业分析等多个领域。

AI项目与工具 2025年06月12日 37 点赞 0 评论 975 浏览

MinMo

MinMo是阿里巴巴通义实验室推出的多模态语音交互大模型，具备高精度语音识别与生成能力。支持情感表达、方言转换、音色模仿及全双工交互，适用于智能客服、教育、医疗等多个领域，提升人机对话的自然度与效率。

AI项目与工具 2025年06月12日 59 点赞 0 评论 975 浏览