从容大模型
从容大模型是云从科技推出的多模态AI模型，在国际评测中表现优异，具备视觉语言理解与推理能力。其核心技术包括多模态对齐、高效工程优化和原生多模态推理，支持复杂场景下的文本识别和开放域问答。该模型在医学健康、金融、制造、政务等多个领域实现规模化应用，助力智能化转型。
admin
这家伙很懒，什么也没写
TA的文章
DeepEyes
DeepEyes是由小红书团队和西安交通大学联合开发的多模态深度思考模型，基于端到端强化学习实现“用图思考”能力，无需依赖监督微调。它在推理过程中动态调用图像工具，增强对细节的感知与理解，在视觉推理基准测试V* Bench上准确率高达90.1%。具备图像定位、幻觉缓解、多模态推理和动态工具调用等功能，适用于教育、医疗、交通、安防和工业等多个领域。
TrackVLA
TrackVLA是银河通用推出的端到端导航大模型，具备纯视觉环境感知、语言指令驱动、自主推理和零样本泛化能力。它能在复杂环境中自主导航、灵活避障，并根据自然语言指令识别和跟踪目标对象。无需提前建图，适用于多种场景，如陪伴服务、安防巡逻、物流配送等，为具身智能商业化提供支撑，推动机器人走向日常生活。
TEN VAD
TEN VAD是一款高性能的实时语音活动检测系统，专为企业级应用设计。它基于深度学习技术，能够精确区分语音和非语音信号，具有低延迟、轻量级和高精度的特点。支持多种平台和编程接口，适用于智能助手、客服机器人等场景，帮助构建更高效、更智能的对话系统。
Google AI Edge Gallery
Google AI Edge Gallery 是谷歌推出的实验性应用，支持在 Android 设备上本地运行机器学习和生成式人工智能模型，无需联网。用户可切换不同模型，进行图像问答、文本生成、多轮对话等操作，并实时查看性能指标。应用支持自带模型测试，提供丰富的开发者资源，助力探索设备端 AI 的强大功能。
Bing Video Creator
Bing Video Creator是微软推出的AI视频生成工具，基于OpenAI的Sora模型，用户可通过输入文本描述快速生成5秒短视频。支持9:16格式，提供快速模式和标准模式，初始有10次免费生成机会。功能包括视频生成、多种风格选择、视频存储和分享等，适用于广告、教学、创意和个人娱乐等多种场景。
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。
Jaaz
Jaaz是一款开源的AI设计Agent，提供本地免费的AI设计服务。它能智能生成设计提示，批量生成图像、海报和故事板，并支持Ollama、Stable Diffusion等本地图像和语言模型。用户可通过GPT-4o、Flux Kontext等技术在对话中编辑图像，进行对象移除和风格转换。Jaaz提供无限创意画布，适用于创意设计、快速原型、教育及个人创作等多种场景。
CRIC深度智联
CRIC深度智联是克而瑞推出的中国首个房地产垂直领域的AI Agent，基于20年行业经验和多模态大模型技术，提供搜索、文章创作、报告生成和知识库管理等功能。它能够自动生成核心结论、可视化图表和专业报告，帮助房地产从业者提升效率和决策质量，被誉为地产人的“第二大脑”。
OCode
OCode 是终端原生 AI 编程助手，为开发者提供深度代码库智能和自动任务执行功能。它与本地 Ollama 模型无缝集成，支持多文件重构、项目理解、开发自动化、数据处理、系统操作、交互式操作、文件操作、文本处理和开发工具等功能。OCode 通过终端原生工作流、深度代码库智能、自动任务执行、直接 Ollama 集成和可扩展插件层提升编程效率和质量，适用于前端开发、设计与开发协作、无代码开发、数据管
用户菜单
