AIBase
EN

AI News

View More

字节跳动发布全双工大模型SeedRealtime，国产算力产业链景气度获强化

14.2k 5 minutes ago
字节跳动发布全双工大模型SeedRealtime，国产算力产业链景气度获强化

Qwen3.8-Max上线:聚焦真实办公与复杂任务，下周将开源模型权重

14.7k 1 hours ago
Qwen3.8-Max上线:聚焦真实办公与复杂任务，下周将开源模型权重

美团辟谣LongCat模型负责人离职，持续推进国产算力万亿大模型落地

14.3k 3 days ago
美团辟谣LongCat模型负责人离职，持续推进国产算力万亿大模型落地

腾讯混元"合二为一"：多模态与大语言模型部门合并，姚顺雨统管冲全模态上限

19.6k 7 hours ago
腾讯混元"合二为一"：多模态与大语言模型部门合并，姚顺雨统管冲全模态上限

AI Products

View More

MNN 大模型 Android App

一款支持多模态功能的全功能大语言模型安卓应用。

AI模型
29.6k

Video-MME

首个全面评估多模态大型语言模型在视频分析中的性能基准。

AI视频分析
13.4k

紫东太初

全模态大模型，拥有更强的认知、理解、创作能力

AI模型
18.5k

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

wan2.5-i2i-preview

Alibaba

wan2.5-i2i-preview

-

Input tokens/M

-

Output tokens/M

-

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

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

Qwen3 VL 8B Thinking AWQ 8bit

cpatonn

Q

Qwen3-VL是通义大模型系列最强大的视觉语言模型，在文本理解、视觉感知、空间理解、视频处理等方面全面升级，提供卓越的多模态能力。

多模态SafetensorsSafetensors
cpatonn
311
1

Ming Flash Omni Preview

inclusionAI

M

Ming-flash-omni 预览版是基于 Ling-Flash-2.0 稀疏专家混合（MoE）架构构建的多模态大模型，总参数达100B，每个token仅激活6B参数。该模型在Ming-Omni基础上进行了全面升级，在多模态理解和生成方面有显著提升，特别是在语音识别、图像生成和分割编辑方面表现突出。

多模态DiffusersDiffusersEnglish
inclusionAI
1.4k
31

Bee 8B RL

Open-Bee

B

Bee-8B是一个先进的全开源多模态大语言模型，专注于数据质量，旨在缩小与专有模型的性能差距。通过使用高质量的Honey-Data-15M语料库和先进的数据处理管道HoneyPipe，在复杂推理等方面展现了卓越性能。

多模态TransformersTransformersEnglish
Open-Bee
332
37

Omnivinci

nvidia

O

OmniVinci是NVIDIA开发的全模态理解大语言模型，具备视觉、文本、音频处理和语音交互能力，支持多模态推理和理解。

多模态TransformersTransformers
nvidia
383
71

Emova Qwen 2 5 3b

Emova-ollm

E

EMOVA是一种端到端全能模态大语言模型，支持视觉、听觉和语音功能，能够生成具有情感控制的文本和语音响应。

多模态TransformersTransformersMultiple Languages
Emova-ollm
25
2

SkyReels V2 I2V 14B 720P

jobs-git

S

SkyReels V2是全球首个采用扩散强制框架的无限长度电影生成模型，融合多模态大语言模型、多阶段预训练、强化学习与扩散强制技术实现全面优化。

多模态DiffusersDiffusers
jobs-git
14
0

Emova Qwen 2 5 3b Hf

Emova-ollm

E

EMOVA是一种端到端全能模态大语言模型，支持视觉、听觉和语音功能，具备情感语音对话能力。

多模态TransformersTransformersMultiple Languages
Emova-ollm
101
5

Emova Qwen 2 5 7b Hf

Emova-ollm

E

EMOVA是一种端到端全能模态大语言模型，支持视觉、听觉和语音功能，无需依赖外部模型即可实现多模态理解和生成。

多模态TransformersTransformersMultiple Languages
Emova-ollm
36
2

GLaMM FullScope

MBZUAI

G

GLaMM-全功能版是一个多模态大模型，整合了GLaMM的全部能力，包括场景对话生成、指代表达分割、区域级图像描述、图像级描述生成和视觉问答等功能。

多模态TransformersTransformers
MBZUAI
236
6

Mustango

declare-lab

M

Mustango是一个专为可控音乐生成而设计的全新多模态大语言模型，融合了潜在扩散模型（LDM）、Flan-T5和音乐特征来实现高质量的文本到音乐生成。

多模态TransformersTransformers
declare-lab
165
40