AIBase
EN

AI News

View More

面壁智能开源MiniCPM-Robot：1.5B的VLA模型完整放出，个人开发者也能在真机器人上跑操作

10.9k 18 minutes ago
面壁智能开源MiniCPM-Robot：1.5B的VLA模型完整放出，个人开发者也能在真机器人上跑操作

阿里发布Qwen-Robot系列具身大模型:三大模型协同攻克异构机器人适配痛点

19.2k 5 days ago
阿里发布Qwen-Robot系列具身大模型:三大模型协同攻克异构机器人适配痛点

国产具身大模型 Wall-OSS-0.5 重磅开源：预训练即可“零样本”部署

17.6k 21 hours ago
国产具身大模型 Wall-OSS-0.5 重磅开源：预训练即可“零样本”部署

亚毫米级精准对位：小米开源 VLA 大模型后训练全流程

13.6k yesterday
亚毫米级精准对位：小米开源 VLA 大模型后训练全流程

Models

View More

GPT-4.1 mini

Openai

GPT-4.1 mini

$2.8

Input tokens/M

$11.2

Output tokens/M

1k

Context Length

Gemini 2.0 Flash-Lite

Google

Gemini 2.0 Flash-Lite

$0.49

Input tokens/M

$2.1

Output tokens/M

1k

Context Length

Grok 4 Fast

Xai

Grok 4 Fast

$1.4

Input tokens/M

$3.5

Output tokens/M

2k

Context Length

o3-mini

Openai

o3-mini

$7.7

Input tokens/M

$30.8

Output tokens/M

200

Context Length

GPT-5 Codex

Openai

GPT-5 Codex

-

Input tokens/M

-

Output tokens/M

-

Context Length

Claude 3 Opus

Anthropic

Claude 3 Opus

$105

Input tokens/M

$525

Output tokens/M

200

Context Length

Gemini 2.0 Flash

Google

Gemini 2.0 Flash

$0.7

Input tokens/M

$2.8

Output tokens/M

1k

Context Length

Claude Haiku 4.5

Anthropic

Claude Haiku 4.5

$7

Input tokens/M

$35

Output tokens/M

200

Context Length

Gemini 2.5 Flash

Google

Gemini 2.5 Flash

$2.1

Input tokens/M

$17.5

Output tokens/M

1k

Context Length

Claude Sonnet 4.5

Anthropic

Claude Sonnet 4.5

$21

Input tokens/M

$105

Output tokens/M

200

Context Length

Claude 3 Sonnet

Anthropic

Claude 3 Sonnet

$21

Input tokens/M

$105

Output tokens/M

200

Context Length

Gemini 2.5 Flash-Lite

Google

Gemini 2.5 Flash-Lite

$0.7

Input tokens/M

$2.8

Output tokens/M

1k

Context Length

qwen-image-plus

Alibaba

qwen-image-plus

-

Input tokens/M

-

Output tokens/M

-

Context Length

qwen3-coder-plus

Alibaba

qwen3-coder-plus

$4

Input tokens/M

$16

Output tokens/M

1k

Context Length

qwen3-vl-plus

Alibaba

qwen3-vl-plus

$1

Input tokens/M

$10

Output tokens/M

256

Context Length

qwen3-max

Alibaba

qwen3-max

$6

Input tokens/M

$24

Output tokens/M

256

Context Length

qwen3-vl-235b-a22b-thinking

Alibaba

qwen3-vl-235b-a22b-thinking

$2

Input tokens/M

$20

Output tokens/M

-

Context Length

wan2.5-i2i-preview

Alibaba

wan2.5-i2i-preview

-

Input tokens/M

-

Output tokens/M

-

Context Length

Qianfan-Lightning

Baidu

Qianfan-Lightning

-

Input tokens/M

-

Output tokens/M

128

Context Length

qwen-image-edit

Alibaba

qwen-image-edit

-

Input tokens/M

-

Output tokens/M

-

Context Length

LIBERO Spatial Pro

VLA-Adapter

L

VLA-Adapter是一种在Libero-Spatial上训练的微型视觉语言动作模型，采用Prismatic-VLM架构，仅使用Qwen2.5-0.5B作为大语言模型主干。该模型在机器人基准测试中超越了参数规模更大的开源VLA模型，实现了高性能的视觉-语言-动作理解与执行。

多模态SafetensorsSafetensorsEnglish
VLA-Adapter
120
2

Hume System2

Hume-vla

H

Hume-System2是一个双系统视觉-语言-行动（VLA）模型的系统2预训练权重，用于加速系统2的训练，为机器人领域的相关研究和应用提供支持。

多模态TransformersTransformersEnglish
Hume-vla
3.2k
1

VLAA Thinker Qwen2.5VL 7B

UCSC-VLAA

V

VLAA-Thinker是一个创新的视觉语言模型，能够同时处理图像和文本输入，并生成高质量的文本输出。该模型基于论文《SFT or RL? An Early Investigation into Training R1-Like Reasoning Large Vision-Language Models》的研究成果开发，专注于类似R1的推理能力。

多模态TransformersTransformers
UCSC-VLAA
2k
1

VLAA Thinker Qwen2.5VL 3B

UCSC-VLAA

V

VLAA-Thinker-Qwen2.5-3B是一个类似R1的推理大视觉语言模型，专注于多模态推理任务。该模型在OpenCompass多模态推理排行榜上达到了SOTA性能，支持图像理解和复杂推理能力。

多模态TransformersTransformers
UCSC-VLAA
8.9k
5

CogACT Small

CogACT

C

CogACT是一种基于视觉语言模型(VLM)衍生的新型高级视觉语言动作(VLA)架构，专为机器人操作设计。

多模态TransformersTransformersEnglish
CogACT
405
4

CogACT Large

CogACT

C

CogACT是一种基于视觉语言模型(VLM)衍生的新型高级视觉语言动作(VLA)架构，专为机器人操作设计。

多模态TransformersTransformersEnglish
CogACT
122
3

CogACT Base

CogACT

C

CogACT是一种新型视觉语言动作(VLA)架构，结合视觉语言模型与专用动作模块，用于机器人操作任务。

多模态TransformersTransformersEnglish
CogACT
6.6k
12