LiquidAI d1-omni-600M

Inkling-Small

大语言模型

#27

多功能的多模态模型，处理文本、图像和音频输入以生成文本输出。它支持开发人员创建聊天机器人和编码助手等 AI 应用程序，并提供开放权重以便于研究和集成。Inkling-Small 是一个多功能的多模态模型，处理文本、图像和音频输入以生成文本输出。它支持开发人员创建聊天机器人和编码助手等 AI 应用程序，并提供开放权重以便于研究和集成。

DeepSeek-V4-Flash-Vision-Exp

大语言模型

DeepSeek-V4 系列中的一个实验性多模态模型，增强了视觉理解能力。它基于 DeepSeek-V4-Flash 架构，提供了改进的多模态代理能力，同时保持文本仅性能。DeepSeek-V4-Flash-Vision-Exp 是 DeepSeek-V4 系列中的一个实验性多模态模型，增强了视觉理解能力。它基于 DeepSeek-V4-Flash 架构，提供了改进的多模态代理能力，同时保持文本仅性能。

Nemotron 3 Nano Omni

大语言模型

#5

NVIDIA 开发的全模态推理模型，能够处理图像、视频、语音和文本。它为多种应用提供了多功能的 AI 能力。Nemotron 3 Nano Omni 是 NVIDIA 开发的全模态推理模型，能够处理图像、视频、语音和文本。它为多种应用提供了多功能的 AI 能力。

第3.7步闪电

大语言模型

稀疏的专家混合视觉语言模型，旨在处理高频生产工作负载。它结合了语言主干和视觉编码器，以支持解析财务报告和运行多步骤搜索循环等密集任务。第3.7步闪电是一个稀疏的专家混合视觉语言模型，旨在处理高频生产工作负载。它结合了语言主干和视觉编码器，以支持解析财务报告和运行多步骤搜索循环等密集任务。

Mistral Medium 3.5

大语言模型

#8

前沿级别的多模态模型，针对自主和编码用例进行了优化。它以修改后的 MIT 许可证发布，提供了适用于多种应用的先进能力。Mistral Medium 3.5 是一个前沿级别的多模态模型，针对自主和编码用例进行了优化。它以修改后的 MIT 许可证发布，提供了适用于多种应用的先进能力。

Pixtral-12B-2409 模型

AI 模型

具有 120 亿参数的多模态 AI 模型，配备 4 亿参数的视觉编码器，旨在处理高级图像和文本任务。Pixtral-12B-2409 是一个具有 120 亿参数的多模态 AI 模型，配备 4 亿参数的视觉编码器，旨在处理高级图像和文本任务。

Apertus 1.5

大语言模型

一系列多语言、多模态的语言模型，旨在支持广泛的语言和上下文。它提供开源访问和改进的推理能力，使其适用于多种人工智能应用。Apertus 1.5 是一系列多语言、多模态的语言模型，旨在支持广泛的语言和上下文。它提供开源访问和改进的推理能力，使其适用于多种人工智能应用。

Youtu-Parsing-Omni

AI 模型

多功能的全模态解析模型，可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色，为各种解析需求提供统一的架构。Youtu-Parsing-Omni 是一个多功能的全模态解析模型，可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色，为各种解析需求提供统一的架构。