阿里巴巴旗下1688推出跨境电商AI工具“遨虾”，通过“AI+供应链”技术为全球跨境创业者提供智能数字供应链服务。该工具整合图像识别、链接解析和自然语言交互功能，用户通过对话、上传图片或输入链接，即可实现从市场调研到工厂对接的全流程自动化，覆盖选品决策和工厂寻源等环节。
谷歌推出NotebookLM图像识别功能，支持上传板书、教材或表格图片，自动完成文字识别与语义分析，用户可直接用自然语言检索图片内容。该功能全平台免费，即将增加本地处理选项保护隐私。系统采用多模态技术，能区分手写与印刷体、解析表格结构，并与现有笔记智能关联。
腾讯与广州医学科研机构联合研发的DeepGEM病理大模型，仅用常规病理切片图像即可在1分钟内预测肺癌基因突变，精准度达78%-99%。该技术突破传统依赖基因测序的模式，通过AI分析图像识别潜在突变，为精准医疗提供高效新方案。
阿里巴巴发布两款30亿参数多模态模型Qwen3-VL-30B-A3B，性能对标GPT-5-Mini等顶尖模型，在数学、图像识别、视频处理等领域表现优异，展现强大竞争力。
SAM 3D：AI驱动，秒速将2D图像转化为专业级3D模型
强大的 AI 生成内容检测工具，适用于文本、图像、视频和音频。
xMode是一个AI图像训练平台，帮助用户训练和生成AI图像。
由 Google 训练的 AI 模型，用于对野生动物相机陷阱图像中的物种进行分类。
Alibaba
$1
Input tokens/M
$10
Output tokens/M
256
Context Length
Bytedance
$1.5
$4.5
128
$3
$9
32
strangervisionhf
这是一个修复后的图像文本转文本模型，解决了原模型在最新Transformers版本中推理失败的问题。该模型专门用于图像识别和文本生成任务，支持多模态输入处理。
prithivMLmods
基于google/siglip2-base-patch16-224的二分类图像识别模型，专门用于检测人员是否佩戴口罩，在公共卫生监测、门禁系统和工作场所合规执行等场景中具有重要应用价值。
nirusanan
基于Florence-2-base-ft微调的肺癌检测模型，通过肺部图像识别肺癌类型
Muqtadar08
这是一个基于Vision Transformer架构的皮肤类型分类模型，可通过面部图像识别干性、中性和油性三种皮肤类型。
wesleyacheng
使用谷歌视觉Transformer架构微调的犬种分类模型，支持120种犬类的图像识别
agomberto
针对法语手写文本的TrOCR基础模型，采用两阶段微调策略训练，适用于单行文本图像识别
thean
该模型是基于Swin Transformer V2架构在THFOOD-50泰国食物数据集上微调的视觉分类模型，专门用于泰国食物的图像识别。
Ajibola
PaViT是基于Pathway Vision Transformer的图像识别模型，灵感来源于谷歌的PaLM，专注于小样本学习技术在图像识别任务中的应用。
Kaludi
升级版食品分类图像识别模型，能够识别12种不同类别的食品
jungjongho
基于Google的ViT基础模型微调的视觉分类模型，适用于特定领域的图像识别任务
microsoft
TrOCR是基于Transformer的光学字符识别模型，专为单行文本图像识别设计，在多个标准数据集上进行了微调。
TrOCR是基于Transformer的光学字符识别模型，专为单行文本图像识别设计，采用编码器-解码器架构
google
Vision Transformer（ViT）是一种基于Transformer架构的图像分类模型，通过在ImageNet-21k和ImageNet数据集上进行预训练和微调，实现了高效的图像识别能力。
基于Florence-2的MCP图像处理服务
这是一个基于CLIP的时尚推荐系统，通过YOLO检测用户上传的服装图片，利用CLIP编码后推荐相似商品。项目已完成FastAPI服务器搭建、数据库连接和基础前端UI，下一步将优化CLIP的标签准确性和系统集成。
Deep Research是一个基于代理的工具，提供网页搜索和高级研究功能，支持PDF分析、图像描述和YouTube转录提取，可作为MCP服务器运行。
一个提供图像识别功能的MCP服务器，支持Anthropic和OpenAI的视觉API，具备图像描述、多格式支持、可配置主备服务商及OCR文本提取功能。
Grok AI MCP Server是一个基于Node.js的服务器，集成了xAI Grok API，为Solana区块链提供强大的AI驱动分析工具。它支持交易分析、地址分析、图像分析和通用查询，通过Model Context Protocol (MCP)提供标准化的接口。
BenBox是一个基于SSE的MCP协议的AI代理系统，包含移动端Angular应用，支持图像识别和云端部署。
一个基于Model Context Protocol的图像识别服务器，通过OpenAI兼容的视觉模型提供图像分析和描述功能，支持云端和本地模型集成。
基于AI的食物营养分析助手，通过图像识别食物并计算卡路里和蛋白质含量，支持营养知识问答和对话记忆功能
基于CLIP的时尚推荐系统，通过图像识别和编码实现相似商品推荐。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
