AIBase
EN

AI News

View More

全模态视频模型迎来新突破：MiniMax正式发布H3 并承诺开源权重

32.2k 10 minutes ago
全模态视频模型迎来新突破：MiniMax正式发布H3 并承诺开源权重

黑森林实验室发布Flux3 多模态模型 首次支持 20 秒原生音视频同步生成

12.7k 6 hours ago
黑森林实验室发布Flux3 多模态模型 首次支持 20 秒原生音视频同步生成

Anthropic升级Claude语音模式：支持Opus/Sonnet/Haiku三档切换，可直接调用Gmail和Notion等外部应用

12.2k 14 hours ago
Anthropic升级Claude语音模式：支持Opus/Sonnet/Haiku三档切换，可直接调用Gmail和Notion等外部应用

拒绝“一家独大”，苹果 iOS 27 或将支持自定义第三方 AI 模型

12.3k 2 days ago
拒绝“一家独大”，苹果 iOS 27 或将支持自定义第三方 AI 模型

AI Products

View More

PatentFig AI

AI驱动，从文本和图像生成合规专利图，支持多办公室专利申报。

专利图形生成
4.6k

Describe Image

AI驱动，将图像和视频转化为描述、OCR、Alt文本等多种形式

AI设计工具
5.8k

MP3 to Text

AI驱动，免费在线将MP3音频转文本，支持90+语言，多格式导出

语音转文本
3.7k

VeoOmni

VeoOmni由谷歌AI驱动，可从文本或图像生成1080p电影级视频并同步音频。

视频生成
6.5k

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-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

Doubao-Seed-Translation

Bytedance

Doubao-Seed-Translation

$1.2

Input tokens/M

$3.6

Output tokens/M

4

Context Length

Qwen3-Next-80B-A3B-Instruct

Alibaba

Qwen3-Next-80B-A3B-Instruct

$2

Input tokens/M

-

Output tokens/M

256

Context Length

wan2.5-i2v-preview

Alibaba

wan2.5-i2v-preview

-

Input tokens/M

-

Output tokens/M

-

Context Length

qwen3-omni-flash-realtime

Alibaba

qwen3-omni-flash-realtime

$3.9

Input tokens/M

$15.2

Output tokens/M

64

Context Length

HunyuanOCR

tencent

H

混元OCR是由混元原生多模态架构驱动的端到端OCR专家VLM模型，仅用10亿参数的轻量级设计，在多个行业基准测试中取得最先进成绩。该模型擅长处理复杂的多语言文档解析，在文本定位、开放域信息提取、视频字幕提取和图片翻译等实际应用场景中表现出色。

多模态TransformersTransformersMultiple Languages
tencent
24.9k
444

Wan2.1 HuMo GGUF

Alissonerdx

W

HuMo是一个统一的、以人为中心的视频生成框架，能够根据文本、图像和音频等多模态输入，生成高质量、细粒度且可控的人类视频。它支持强大的文本提示跟随、一致的主体保留以及同步的音频驱动运动。

多模态GgufGguf
Alissonerdx
114
6

Wan2_1 HuMo_17B GGUF

VeryAladeen

W

HuMo是一个以人为中心的视频生成框架，能够利用文本、图像和音频等多模态输入生成高质量、细粒度且可控的人类视频，支持文本提示跟随、主体保留和音频驱动运动同步。

多模态GgufGguf
VeryAladeen
931
6

Wan2.2 S2V 14B

Wan-AI

W

Wan2.2-S2V-14B是一个专为音频驱动的电影级视频生成而设计的混合专家（MoE）模型。它能够根据输入的音频、参考图像和文本提示生成高质量的视频内容，支持480P和720P分辨率，并具备复杂运动生成和电影级美学效果。

多模态DiffusersDiffusersSpanish
Wan-AI
17k
288

PixelReasoner RL V1

TIGER-Lab

P

PixelReasoner是一个基于Qwen2.5-VL-7B-Instruct的视觉语言模型，采用好奇心驱动强化学习训练，专注于图像文本到文本的任务。

多模态TransformersTransformersEnglish
TIGER-Lab
112
3

CSGO

InstantX

C

CSGO是一个用于文本生成图像的PyTorch实现，支持图像驱动的风格迁移、文本驱动的风格化合成和文本编辑驱动的风格化合成。

计算机视觉DiffusersDiffusersEnglish
InstantX
500
34

MCP

View More
mcp-prompt-engine

Mcp Prompt Engine

一个基于Model Control Protocol（MCP）的服务器，用于管理和提供动态提示模板。它利用强大的Go文本模板引擎，支持变量、条件、循环和可复用组件，允许创建逻辑驱动的提示模板，并能与Claude、Gemini等兼容MCP的客户端无缝集成。

go
9.9k
2.5points
windows-driver-input-mcp

Windows Driver Input Mcp

一个独立的MCP服务器，通过IbInputSimulator提供驱动程序级别的键盘鼠标输入控制工具，支持文本输入、快捷键、窗口管理等操作，无需UIA或视觉模块。

cpp
15.2k
2.0points