LongVA

Modelo de transformación de contexto largo de lenguaje a visión

Producto ComúnImagenContexto largoModelo visual

Abrir sitio web

LongVA es un modelo de transformación de contexto largo capaz de procesar más de 2000 fotogramas o más de 200.000 marcas visuales. Su rendimiento en Video-MME lidera entre los modelos de 7B. El modelo se probó con CUDA 11.8 y A100-SXM-80G, y se puede iniciar y utilizar rápidamente a través de la plataforma Hugging Face.

Product Finder

Product Submit

AI Models Finder

MCP Servers

MCP Client

MCP Inspector

Case Tutorials

Latest AI News

AI Daily Brief

LongVA

LongVA Situación del tráfico más reciente

LongVA Tendencia de visitas

LongVA Distribución geográfica de las visitas

LongVA Fuentes de tráfico

LongVA Alternativas

LongVA — Modelo de transformación de contexto largo de lenguaje a visión

MouSi — Modelo de lenguaje visual multimodal

Kimi-VL — Modelo de lenguaje visual mixto de experto de código abierto eficiente, con capacidad de razonamiento multimodal.

EgoLife — EgoLife es un proyecto de asistente de IA para la vida diaria a largo plazo, multimodal y multiperspectiva, cuyo objetivo es impulsar la investigación sobre la comprensión de contextos a largo plazo.

Flash-Decoding — Flash-Decoding para inferencia de contexto largo

Samba — Implementación oficial de un modelo de lenguaje eficiente con contexto ilimitado

MiniMax-M1-80k — Un modelo de lenguaje de gran tamaño que admite un contexto extremadamente largo de 80.000 tokens.

Liquid — Un modelo generativo multimodal que integra la comprensión y generación visual.

InternVL2_5-26B — Modelo de lenguaje grande multimodal que integra la comprensión visual y lingüística.

Planificación del Lenguaje de Video — Planificación visual de tareas complejas a largo plazo

Aria-UI — Modelo multimodal para la localización visual de instrucciones de GUI

Modelo Doubao — Modelo multimodal de desarrollo propio de ByteDance.

Extensor de Contexto LLM — Amplía la ventana de contexto del LLM

Servidores del Protocolo de Contexto del Modelo — Conjunto de servidores de referencia e implementaciones comunitarias del Protocolo de Contexto del Modelo.

Qwen-VL — Modelo de lenguaje visual de propósito general

InternLM-XComposer-2.5 — Un modelo de lenguaje visual grande y multifuncional

Bloc de Dibujo Visual — Herramienta de razonamiento visual para modelos lingüísticos multimodales

LLaVA-o1 — Modelo de lenguaje visual capaz de realizar razonamiento paso a paso.

ModernBERT-large — Modelo de transformador codificador bidireccional de alto rendimiento

Gemini Pro — Modelo de IA multimodal de alto rendimiento

Modelo de Pensamiento Visual Kimi k1 — Modelo de pensamiento visual basado en aprendizaje por refuerzo, líder en el sector de pruebas de ciencias.

MiniCPM-o-2_6 — MiniCPM-o 2.6 es un potente modelo de lenguaje multimodal de gran escala, adecuado para transmisión en vivo visual, de voz y multimodal.

MA-LMM — Modelo multimodal a gran escala para la comprensión de videos a largo plazo

Phi-4-multimodal-instruct — Phi-4-multimodal-instruct é um modelo básico multimodal leve desenvolvido pela Microsoft, que suporta entrada de texto, imagem e áudio.

Modelo Lingüístico Spirit LM — Modelo de lenguaje multimodal que integra texto y voz

SmolVLM — Modelo de lenguaje visual eficiente y de código abierto

MoE-LLaVA — Modelo mixto de expertos basado en un modelo de lenguaje visual a gran escala

ml-ferret — Modelo de lenguaje de aprendizaje automático (MLLM) de extremo a extremo que permite la citación y localización precisas.

emo-visual-data — Conjunto de datos de anotación visual de emojis

Aquila-VL-2B-llava-qwen — Modelo de lenguaje visual que combina información de imágenes y texto para un procesamiento inteligente.