AIBase
EN

AI News

View More

AI日报：SpaceXAI 推出Grok Bot；OpenAI发布Linux版ChatGPT；LTX正式发布开放世界模型LTX-2.5

12.9k 2 hours ago
AI日报：SpaceXAI 推出Grok Bot；OpenAI发布Linux版ChatGPT；LTX正式发布开放世界模型LTX-2.5

医疗AI迎来重大突破：研究型系统AMIE首次展示实时临床视频问诊能力

11.2k 2 minutes ago
医疗AI迎来重大突破：研究型系统AMIE首次展示实时临床视频问诊能力

扎克伯格押注本地智能：Meta 重磅开源 30B 稠密模型 Muse Glimmer

13.8k 10 hours ago
扎克伯格押注本地智能：Meta 重磅开源 30B 稠密模型 Muse Glimmer

影石 GO Ultra 上线 AI 语音助手：分区域接入千问与 Gemini，拇指相机变身个人 AI 入口

24.1k 1 hours ago
影石 GO Ultra 上线 AI 语音助手：分区域接入千问与 Gemini，拇指相机变身个人 AI 入口

AI Products

View More

MiniMax H3 AI Video Generator

MiniMax H3是多模态AI视频生成器，可将文本和图像转为带音频的视频，免费试用。

多模态
6.2k

FLUX 3

FLUX 3是多模态基础模型，可联合学习图像、视频和音频实现视觉智能。

视觉智能
7.2k

OralSlides

一款将PowerPoint幻灯片一键转换为AI配音视频的在线工具。

视频生成
4.4k

WorkBuddy

腾讯云代码助手推出的AI Agent办公工具，可自主规划交付多模态任务结果。

效率工具
9k

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

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

Qianfan-Lightning

Baidu

Qianfan-Lightning

-

Input tokens/M

-

Output tokens/M

128

Context Length

wan2.5-i2i-preview

Alibaba

wan2.5-i2i-preview

-

Input tokens/M

-

Output tokens/M

-

Context Length

qwen3-vl-235b-a22b-thinking

Alibaba

qwen3-vl-235b-a22b-thinking

$2

Input tokens/M

$20

Output tokens/M

-

Context Length

qwen3-max

Alibaba

qwen3-max

$6

Input tokens/M

$24

Output tokens/M

256

Context Length

qwen-image-edit

Alibaba

qwen-image-edit

-

Input tokens/M

-

Output tokens/M

-

Context Length

qwen3-livetranslate-flaltimeash-re-2025-09-22

Alibaba

qwen3-livetranslate-flaltimeash-re-2025-09-22

$8

Input tokens/M

$240

Output tokens/M

52

Context Length

Qwen3 VL 2B Instruct GGUF

unsloth

Q

Qwen3-VL-2B-Instruct是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持以及强大的空间和视频动态理解能力。该模型采用2B参数规模，支持指令交互，适用于多模态AI应用。

多模态TransformersTransformers
unsloth
11.5k
6

LFM2 VL 3B

LiquidAI

L

LFM2-VL-3B是Liquid AI开发的多模态视觉语言模型，基于LFM2骨干架构构建，具备强大的视觉理解和推理能力，特别在细粒度感知任务上表现出色。该模型能够高效处理文本和图像输入，支持高达512×512分辨率的原生图像处理。

多模态TransformersTransformersMultiple Languages
LiquidAI
101
40

Qwen2.5 VL 7B Instruct NVFP4

nvidia

Q

NVIDIA Qwen2.5-VL-7B-Instruct-FP4是阿里巴巴Qwen2.5-VL-7B-Instruct模型的量化版本，采用优化的Transformer架构，支持多模态输入（文本和图像），适用于多种AI应用场景。该模型通过TensorRT Model Optimizer进行FP4量化，在NVIDIA GPU上提供高效的推理性能。

多模态SafetensorsSafetensors
nvidia
2.5k
4

GLM 4.1V 9B Base

zai-org

G

GLM-4.1V-9B-Base是智谱AI开发的开源视觉语言基础模型，拥有90亿参数，专注于多模态推理能力，支持中英双语，处理高达4K分辨率的图像和64K上下文长度。

多模态TransformersTransformersMultiple Languages
zai-org
3.7k
35

Medgemma 4b It GGUF

Mungert

M

MedGemma-4B-IT是基于Gemma 3的医学领域多模态模型，支持医学文本和图像理解，适用于医疗AI应用开发。

多模态TransformersTransformers
Mungert
637
2

Cosmos Reason1 7B

unsloth

C

Cosmos-Reason1是NVIDIA开发的物理人工智能模型，具备理解物理常识的能力，能通过长链思维推理生成具身决策。该模型支持多模态输入（文本+视频/图像），输出为文本，适用于机器人、自动驾驶等物理AI领域。

多模态TransformersTransformersEnglish
unsloth
137
1

Medgemma 4b Pt

unsloth

M

MedGemma是基于Gemma 3开发的医学多模态模型，专注于医学文本和图像理解，支持构建医疗保健AI应用。

多模态TransformersTransformers
unsloth
105
1

Medgemma 27b Text It Unsloth Bnb 4bit

unsloth

M

MedGemma是谷歌开发的专为医疗场景优化的AI模型系列，包含4B多模态和27B纯文本两个版本。基于Gemma 3架构，在医疗文本和图像理解任务中表现出色，能够有效支持医疗AI应用开发。

多模态TransformersTransformers
unsloth
3.8k
1

Medgemma 4b It

unsloth

M

MedGemma是Google开发的医疗专用多模态AI模型，基于Gemma 3架构，专注于医学文本和图像理解。

多模态TransformersTransformers
unsloth
223
2

Llama 4 Maverick 17B 128E Instruct FP8

RedHatAI

L

Llama 4系列原生多模态AI模型，支持文本和图像理解，采用混合专家架构，适用于商业和研究场景。

多模态TransformersTransformersMultiple Languages
RedHatAI
5.7k
1

Llama 4 Scout 17B 16E Instruct

RedHatAI

L

Llama-4-Scout是Meta推出的Llama 4系列模型之一，采用混合专家（MoE）架构，是原生多模态AI模型，支持文本和图像输入，在多语言文本理解和视觉任务方面表现出色。该模型具有17B参数，16个专家，专为商业和研究用途设计。

多模态SafetensorsSafetensorsMultiple Languages
RedHatAI
188
0

Gemma 3 R1984 4B

ginipick

G

Gemma3-R1984-4B是基于谷歌Gemma-3-4B模型构建的强大智能体AI平台，支持多模态文件处理和深度研究能力。

多模态TransformersTransformersMultiple Languages
ginipick
44
4

Llama 4 Scout 17B 16E Instruct INT4

fahadh4ilyas

L

Llama 4系列是Meta推出的原生多模态AI模型，采用混合专家架构，支持文本和图像交互，在多种语言和视觉任务中表现卓越。

多模态TransformersTransformersMultiple Languages
fahadh4ilyas
1.9k
0

Llama 4 Scout 17B 16E Instruct FP8

fahadh4ilyas

L

Llama 4系列是Meta推出的原生多模态AI模型，支持文本和图像交互，采用混合专家架构，在文本和图像理解方面表现卓越。

多模态TransformersTransformersMultiple Languages
fahadh4ilyas
1.8k
0

Debiased Llama 4 Scout 17B 16E Instruct

hirundo-io

D

Llama 4 Scout是Meta推出的原生多模态AI模型，支持多语言文本和图像理解，采用混合专家架构，在文本和图像理解方面具有行业领先性能。

多模态TransformersTransformersMultiple Languages
hirundo-io
1.7k
0

Llama 4 Scout 17B 16E Instruct Bnb 8bit

bnb-community

L

Llama 4系列是Meta开发的多模态AI模型，支持文本与图像交互，采用混合专家架构(MoE)，在文本和图像理解领域具有领先性能。

多模态TransformersTransformersMultiple Languages
bnb-community
132
1

Llama 4 Scout 17B 16E Unsloth

unsloth

L

Llama 4 Scout是Meta推出的170亿参数多模态AI模型，采用混合专家架构，支持12种语言和图像理解。

多模态TransformersTransformersMultiple Languages
unsloth
67
1

Llama 4 Maverick 17B 128E Instruct FP8

chutesai

L

Llama 4 Maverick是Meta推出的原生多模态AI模型，采用混合专家架构，支持文本和图像输入，输出多语言文本和代码。

多模态TransformersTransformersMultiple Languages
chutesai
2k
0

Meta Llama_Llama 4 Maverick 17B 128E Instruct

Undi95

M

Llama 4 Maverick 是 Meta 发布的多模态 AI 模型，支持文本与图像理解，采用混合专家架构（MoE），在多语言文本和代码生成任务中表现优异。

多模态TransformersTransformersMultiple Languages
Undi95
35
2

Llama 4 Scout 17B 16E Instruct

chutesai

L

Llama 4 Scout是Meta推出的17B参数/16专家混合的多模态AI模型，支持12种语言和图像理解，具有行业领先性能。

多模态TransformersTransformersMultiple Languages
chutesai
173.5k
2

MCP

View More
MCPollinations

MCPollinations

MCPollinations是一个基于Model Context Protocol（MCP）的多模态AI服务，支持通过Pollinations API生成图像、文本和音频。它提供无需认证的轻量级服务，兼容多种AI模型，并支持图像保存和Base64编码返回。

javascript
12.6k
2.5points
ai-vision-mcp

Ai Vision Mcp

一个基于Google Gemini和Vertex AI的AI视觉分析MCP服务器，支持图像和视频的多模态分析，提供对象检测、图像比较等功能，可集成到多种MCP客户端中。

typescript
10.7k
2.5points
context_engineering_mcp

Context_engineering_mcp

Context Engineering MCP平台是一个AI上下文管理与优化平台，通过系统化的方法设计、管理和优化AI模型的输入信息，实现提示工程的工程化。平台提供智能分析引擎、优化算法、模板管理等功能，显著提升AI响应质量、降低API成本，并支持多模态内容处理。

python
9.2k
2.5points
mcp-portal

Mcp Portal

MCP门户是Model Context Protocol的官方社区平台，提供文档、实践指南、服务器实现、工具集成等资源，支持AI模型通过MCP协议访问外部工具，涵盖从数据库连接到多模态应用等丰富场景。

javascript
10.9k
2.5points
whatsapp-bot-mcp

Whatsapp Bot Mcp

NiagaBot是基于Qwen3-Omni AI的智能WhatsApp商业自动化机器人，支持多模态消息处理、群组管理、批量广播和数据分析等功能

javascript
12k
2.0points
MCP-to-Langchain-addapter

MCP To Langchain Addapter

该项目提供了一个适配器，用于将MCP（多模态对话程序）服务器的工具无缝集成到LangChain和LangGraph应用中，支持在AI应用管道中使用MCP工具。

python
9.8k
2.0points
chainfetch-mcp-server

Chainfetch Mcp Server

ChainFETCH MCP服务器提供对以太坊区块链智能平台的API访问，集成AI语义搜索、实时区块流和多模态查询功能，支持地址、交易、区块、代币和智能合约的全面分析。

javascript
0
2.0points
MaxKB

MaxKB

MaxKB是一款开源的AI助手，专为企业设计，支持RAG流程、工作流引擎和多模态交互，适用于智能客服、知识库等场景。

python
30.7k
No rating available