Youtu-Parsing-Omni

Llama-3.2-11B-Vision-Instruct

AI 模型

多模态 AI 模型，旨在进行视觉识别、图像推理和图像描述。由 Meta 开发，它整合了文本和图像输入，以提供先进的图像理解能力。Llama-3.2-11B-Vision-Instruct 是一个多模态 AI 模型，旨在进行视觉识别、图像推理和图像描述。由 Meta 开发，它整合了文本和图像输入，以提供先进的图像理解能力。

LightOnOCR-3-4B

AI 模型

高性能的 OCR 模型，提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标，适用于复杂的文档处理任务。LightOnOCR-3-4B 是一款高性能的 OCR 模型，提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标，适用于复杂的文档处理任务。

Gemini Omni — Google DeepMind

AI 模型

Google DeepMind 开发的 AI 模型，允许用户通过自然对话创建和编辑视频。它将推理与创造能力相结合，使用户能够将任何输入转化为连贯的视频输出。Gemini Omni 是 Google DeepMind 开发的 AI 模型，允许用户通过自然对话创建和编辑视频。它将推理与创造能力相结合，使用户能够将任何输入转化为连贯的视频输出。

Llama-4-Scout-17B-16E-Instruct

AI 模型

Meta 设计的多模态 AI 模型。它利用专家混合架构提供先进的文本和图像理解能力，支持多语言输出和针对多种应用的微调。Llama-4-Scout-17B-16E-Instruct 是 Meta 设计的多模态 AI 模型。它利用专家混合架构提供先进的文本和图像理解能力，支持多语言输出和针对多种应用的微调。

Gemini 3.1 Pro — Google DeepMind

AI 模型

先进的人工智能模型，旨在处理复杂任务和深度推理。它在多模态理解方面表现出色，提供智能且简洁的响应，非常适合学习、规划和构建创新应用。Gemini 3.1 Pro 是一款先进的人工智能模型，旨在处理复杂任务和深度推理。它在多模态理解方面表现出色，提供智能且简洁的响应，非常适合学习、规划和构建创新应用。

HunyuanImage 3.0 — 图像生成的 AI 模型

AI 模型

强大的本地多模态模型，专为图像生成而设计。它在文本到图像和图像到图像任务中表现出色，提供了先进的创意编辑和智能提示增强能力。HunyuanImage 3.0 是一个强大的本地多模态模型，专为图像生成而设计。它在文本到图像和图像到图像任务中表现出色，提供了先进的创意编辑和智能提示增强能力。

Qwen2-VL-72B-Instruct

AI 模型

先进的 AI 模型，旨在实现最先进的视觉理解和多语言支持。它在处理图像、视频和复杂推理任务方面表现出色，适用于 AI 驱动环境中的多种应用。Qwen2-VL-72B-Instruct 是一个先进的 AI 模型，旨在实现最先进的视觉理解和多语言支持。它在处理图像、视频和复杂推理任务方面表现出色，适用于 AI 驱动环境中的多种应用。

InternVL

AI 模型

由 OpenGVLab 开发的开源多模态大型语言模型系列。它作为 GPT-4o 的替代方案，专注于视觉-语言任务。该项目旨在以多功能和可访问的格式提供先进的对话能力。InternVL 是由 OpenGVLab 开发的开源多模态大型语言模型系列。它作为 GPT-4o 的替代方案，专注于视觉-语言任务。该项目旨在以多功能和可访问的格式提供先进的对话能力。