GLiDE 27B

GLiDE

大语言模型

Fastino开发的决策模型，旨在内部使用。它处理文本、JSON和图像，以返回各种决策选项的概率。通过Fastino的API访问，支持分类、路由和评分任务。GLiDE是Fastino开发的决策模型，旨在内部使用。它处理文本、JSON和图像，以返回各种决策选项的概率。通过Fastino的API访问，支持分类、路由和评分任务。

d3-ultra

AI 模型

来自 vLLM 语义路由器的 27B 多模态决策模型。它处理文本、JSON、图像和视频，以概率形式回答问题。非常适合复杂决策任务，支持每个问题最多 131,072 个标记，并提供免费的 API 供测试。d3-ultra 是来自 vLLM 语义路由器的 27B 多模态决策模型。它处理文本、JSON、图像和视频，以概率形式回答问题。非常适合复杂决策任务，支持每个问题最多 131,072 个标记，并提供免费的 API 供测试。

d3-turbo

AI 模型

来自 vLLM 语义路由器的先进 27B 多模态决策模型。它处理文本、JSON、图像和视频，以概率回答问题，提供高效的决策能力。d3-turbo 是来自 vLLM 语义路由器的先进 27B 多模态决策模型。它处理文本、JSON、图像和视频，以概率回答问题，提供高效的决策能力。

d1-2B

大语言模型

基于 LFM3-VL-2B 构建的决策模型，旨在进行文本、图片和视频分析。它在单次前向传递中提供校准答案，而无需生成令牌。该模型在各种决策基准测试中表现出色，提供超越分类的能力，包括文本提取、物体定位和数量估算。它经过优化，适用于多种应用中的快速决策。d1-2B 是一个基于 LFM3-VL-2B 构建的决策模型，旨在进行文本、图片和视频分析。它在单次前向传递中提供校准答案，而无需生成令牌。该模型在各种决策基准测试中表现出色，提供超越分类的能力，包括文本提取、物体定位和数量估算。它经过优化，适用于多种应用中的快速决策。

Sarvam-Prism

AI 模型

基于 Sarvam-105B 构建的决策模型，旨在进行文本分类。它接受一个上下文和多个问题，每个问题都有预定义的答案，并在一次传递中返回每个选项的概率。该模型不生成文本，确保答案始终从提供的选项中选择，使其非常适合结构化决策任务。Sarvam-Prism 是一个基于 Sarvam-105B 构建的决策模型，旨在进行文本分类。它接受一个上下文和多个问题，每个问题都有预定义的答案，并在一次传递中返回每个选项的概率。该模型不生成文本，确保答案始终从提供的选项中选择，使其非常适合结构化决策任务。

LiquidAI d1-omni-600M

大语言模型

拥有 600M 参数的决策模型，旨在对文本、图像和语音进行单次决策。它高效处理多模态输入，快速、准确地提供响应，而无需生成输出标记。LiquidAI d1-omni-600M 是一个拥有 600M 参数的决策模型，旨在对文本、图像和语音进行单次决策。它高效处理多模态输入，快速、准确地提供响应，而无需生成输出标记。

Clef

AI 模型

27B的多模态模型，旨在将类型化问题的状态和模式转化为决策。它处理文本、JSON、图像或视频等输入，并在单次前向传递中返回每个问题每个选项的概率。Clef是一个27B的多模态模型，旨在将类型化问题的状态和模式转化为决策。它处理文本、JSON、图像或视频等输入，并在单次前向传递中返回每个问题每个选项的概率。

ej

AI 应用

紧凑的决策模型，旨在处理 CPU 上的路由和分诊任务。它处理基于文本的查询，以提供基于概率的答案，文件大小仅为 11 MB。无需 API 或 GPU，使其在离线使用时高效。ej 是一个紧凑的决策模型，旨在处理 CPU 上的路由和分诊任务。它处理基于文本的查询，以提供基于概率的答案，文件大小仅为 11 MB。无需 API 或 GPU，使其在离线使用时高效。