AIBase
EN

AI News

View More

阿里达摩院启动2027届“阿里星”计划，开放15项AI前沿研究课题

14.6k 39 minutes ago
阿里达摩院启动2027届“阿里星”计划，开放15项AI前沿研究课题

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

15.1k 8 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

火山引擎正式上线豆包搜索开放服务 赋能智能体长程任务

18k 7 hours ago
火山引擎正式上线豆包搜索开放服务 赋能智能体长程任务

火山引擎上线豆包搜索服务，为AI Agent提供可信联网检索能力

16.8k 16 hours ago
火山引擎上线豆包搜索服务，为AI Agent提供可信联网检索能力

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

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

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

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 Thinking GGUF

Qwen

Q

Qwen3-VL-2B-Thinking是Qwen系列中最强大的视觉语言模型之一，采用GGUF格式权重，支持在CPU、NVIDIA GPU、Apple Silicon等设备上进行高效推理。该模型具备出色的多模态理解和推理能力，特别增强了视觉感知、空间理解和智能体交互功能。

多模态TransformersTransformers
Qwen
340
1

Qwen3 VL 8B Thinking GGUF

Qwen

Q

Qwen3-VL-8B-Thinking是通义千问系列中最强大的视觉语言模型，具备增强推理能力的8B参数版本。该模型在文本理解、视觉感知、空间理解、长上下文处理等方面全面升级，支持多模态推理和智能体交互。

多模态GgufGguf
Qwen
1.1k
1

Qwen3 VL 30B A3B Instruct GGUF

unsloth

Q

Qwen3-VL是迄今为止Qwen系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面都进行了全面升级。该模型采用混合专家（MoE）架构，提供卓越的多模态处理能力。

多模态GgufGguf
unsloth
19.4k
15

Qwen3 VL 4B Instruct GGUF

unsloth

Q

Qwen3-VL是阿里巴巴推出的最新一代视觉语言模型，在文本理解、视觉感知、空间理解、视频分析和智能体交互等方面均有显著提升。该模型支持多模态输入，具备强大的推理能力和长上下文处理能力。

多模态TransformersTransformers
unsloth
10.7k
13

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

InternVL3 8B AWQ

OpenGVLab

I

InternVL3-8B是OpenGVLab推出的先进多模态大语言模型，具备强大的多模态感知与推理能力，支持工具调用、GUI智能体、工业图像分析、3D视觉感知等新领域。

多模态TransformersTransformersOther
OpenGVLab
1.4k
3

ChatNT

InstaDeepAI

C

ChatNT是首个深度理解生物序列（DNA、RNA、蛋白质）的多模态对话智能体，支持自然语言交互处理生物数据。

多模态TransformersTransformers
InstaDeepAI
120
1

VideoMind 2B FT QVHighlights

yeliudev

V

VideoMind是一个多模态智能体框架，通过模拟类人的认知过程来增强视频推理能力。

多模态SafetensorsSafetensors
yeliudev
20
0

VideoMind 7B

yeliudev

V

VideoMind是一个多模态智能体框架，通过模拟人类思维过程来增强视频推理能力。

多模态SafetensorsSafetensors
yeliudev
90
2

VideoMind 2B

yeliudev

V

VideoMind是一个多模态智能体框架，通过模拟人类思维的处理流程（如任务拆解、时刻定位与验证和答案合成）来增强视频推理能力。

多模态SafetensorsSafetensors
yeliudev
207
1

Magma 8B

microsoft

M

Magma是一个多模态AI智能体基础模型，能够处理图像和文本输入并生成文本输出，具备虚拟与现实环境中的复杂交互能力。

多模态TransformersTransformers
microsoft
4.5k
363

Cephalo Idefics 2 Vision 10b Alpha

lamm-mit

C

Cephalo是一系列专注于多模态材料科学的视觉大语言模型（V-LLMs），旨在整合视觉和语言数据，以促进人机交互或多智能体AI框架中的高级理解和交互。

多模态TransformersTransformersOther
lamm-mit
137
1

Cephalo Idefics 2 Vision 8b Alpha

lamm-mit

C

Cephalo是一系列专注于多模态材料科学的视觉大语言模型（V-LLMs），旨在整合视觉和语言数据，以促进人机交互或多智能体AI框架中的高级理解和互动。

多模态TransformersTransformersOther
lamm-mit
150
1