AIBase
EN

AI News

View More

16GB内存本地即时响应！谷歌发布Gemma 4 12B，颠覆性“无编码器”架构引爆开源社区

19.2k 3 days ago
16GB内存本地即时响应！谷歌发布Gemma 4 12B，颠覆性“无编码器”架构引爆开源社区

谷歌推出全新 Gemma 4 12B 模型：轻松处理视觉与音频，无需编码器

15k 2 days ago
谷歌推出全新 Gemma 4 12B 模型：轻松处理视觉与音频，无需编码器

Google发布Gemma412B开源模型:主打无编码器全模态，16GB内存笔记本可本地运行

14.2k 4 hours ago
Google发布Gemma412B开源模型:主打无编码器全模态，16GB内存笔记本可本地运行

英伟达推出新一代多模态模型，智能体效率提升九倍

11.6k yesterday
英伟达推出新一代多模态模型，智能体效率提升九倍

Models

View More

Grok Code Fast 1

Xai

Grok Code Fast 1

$1.4

Input tokens/M

$10.5

Output tokens/M

256

Context Length

GPT-5

Openai

GPT-5

$8.75

Input tokens/M

$70

Output tokens/M

400

Context Length

Claude Opus 4.1

Anthropic

Claude Opus 4.1

$105

Input tokens/M

$525

Output tokens/M

200

Context Length

GLM-4.5-AirX

Chatglm

GLM-4.5-AirX

-

Input tokens/M

-

Output tokens/M

128

Context Length

GLM-4.5

Chatglm

GLM-4.5

$2

Input tokens/M

$8

Output tokens/M

128

Context Length

Gemma 3n E2B Instructed

Google

Gemma 3n E2B Instructed

-

Input tokens/M

-

Output tokens/M

-

Context Length

Gemma 3n E4B

Google

Gemma 3n E4B

-

Input tokens/M

-

Output tokens/M

-

Context Length

Gemma 3n E4B Instructed LiteRT Preview

Google

Gemma 3n E4B Instructed LiteRT Preview

-

Input tokens/M

-

Output tokens/M

-

Context Length

Gemma 3n E4B Instructed

Google

Gemma 3n E4B Instructed

$140

Input tokens/M

$280

Output tokens/M

32

Context Length

Gemini 2.5 Pro

Google

Gemini 2.5 Pro

$8.75

Input tokens/M

$70

Output tokens/M

1k

Context Length

QianfanHuijin-8B

Baidu

QianfanHuijin-8B

-

Input tokens/M

-

Output tokens/M

32

Context Length

Qianfan-QI-VL

Baidu

Qianfan-QI-VL

-

Input tokens/M

-

Output tokens/M

32

Context Length

Gemini 2.5 Pro Preview 06-05

Google

Gemini 2.5 Pro Preview 06-05

$8.75

Input tokens/M

$70

Output tokens/M

1k

Context Length

Claude Sonnet 4

Anthropic

Claude Sonnet 4

$21

Input tokens/M

$105

Output tokens/M

200

Context Length

Claude Opus 4

Anthropic

Claude Opus 4

$105

Input tokens/M

$525

Output tokens/M

200

Context Length

Qianfan-Llama-VL-8B

Baidu

Qianfan-Llama-VL-8B

-

Input tokens/M

-

Output tokens/M

32

Context Length

o3

Openai

o3

$14

Input tokens/M

$56

Output tokens/M

200

Context Length

GPT-4.1

Openai

GPT-4.1

$14

Input tokens/M

$56

Output tokens/M

1k

Context Length

Gemma 3 4B

Google

Gemma 3 4B

$0.14

Input tokens/M

$0.28

Output tokens/M

131

Context Length

GPT-4.5

Openai

GPT-4.5

$525

Input tokens/M

$1050

Output tokens/M

128

Context Length

Webssl Mae700m Full2b 224

facebook

W

这是一个7亿参数的视觉Transformer模型，采用掩码自编码器自监督学习方法在20亿网络图像上训练，无需语言监督。

计算机视觉TransformersTransformers
facebook
15
0

Webssl Mae1b Full2b 224

facebook

W

10亿参数的视觉Transformer模型，通过掩码自编码器自监督学习方法在20亿网络图像上训练，无需语言监督即可学习视觉表征。

计算机视觉TransformersTransformers
facebook
36
0

Webssl Mae300m Full2b 224

facebook

W

这是一个参数量达3亿的视觉Transformer模型，通过掩码自编码器自监督学习在20亿网络图像上训练，无需语言监督。

计算机视觉TransformersTransformers
facebook
17
0

Donut Base Encoder

eljandoubi

D

Donut是一种无需OCR的文档理解Transformer模型，通过视觉编码器直接处理文档图像

计算机视觉TransformersTransformers
eljandoubi
45
0

ENEL

IvanTang

E

ENEL是一个探索无编码器架构在3D大型多模态模型中的潜力的模型。

多模态PytorchPytorch
IvanTang
17
1

OpenPhenom

recursionpharma

O

专为显微图像特征提取设计的通道无关图像编码模型CA-MAE，采用ViT-S/16编码器架构

计算机视觉TransformersTransformers
recursionpharma
25.5k
11

LLM2Vec Meta Llama 31 8B Instruct Mntp Unsup Simcse

McGill-NLP

L

LLM2Vec是一种将仅解码器架构的大语言模型转换为文本编码器的方案，通过启用双向注意力、掩码下一词预测和无监督对比学习实现转换。

自然语言处理SafetensorsSafetensorsEnglish
McGill-NLP
55
2

LLM2Vec Meta Llama 31 8B Instruct Mntp

McGill-NLP

L

LLM2Vec是一种将仅解码器的大语言模型转换为文本编码器的简单方法，通过启用双向注意力、掩码下一词预测和无监督对比学习实现。

自然语言处理TransformersTransformersEnglish
McGill-NLP
386
2

Rtdetr_r101vd

PekingU

R

RT-DETR是首个实时端到端目标检测器，通过混合编码器和查询选择机制实现高效检测，无需NMS后处理。

计算机视觉TransformersTransformersEnglish
PekingU
1.4k
4

Rtdetr_r18vd

PekingU

R

RT-DETR是首个实时端到端目标检测Transformer模型，通过高效混合编码器和查询选择机制实现无NMS的高效检测

计算机视觉TransformersTransformersEnglish
PekingU
12k
4

Rtdetr_r18vd_coco_o365

PekingU

R

首个实时端到端目标检测器，通过混合编码器和查询选择机制实现无NMS的高效检测

计算机视觉TransformersTransformersEnglish
PekingU
952
4

LLM2Vec Meta Llama 3 8B Instruct Mntp

McGill-NLP

L

LLM2Vec是将仅解码器架构的大语言模型转化为文本编码器的简易方案，通过启用双向注意力机制、掩码下一词预测和无监督对比学习实现。

自然语言处理TransformersTransformersEnglish
McGill-NLP
3.9k
16

LLM2Vec Sheared LLaMA Mntp

McGill-NLP

L

LLM2Vec是将仅解码器架构的大语言模型转化为文本编码器的简易方案，通过启用双向注意力、掩码下一词预测和无监督对比学习实现。

自然语言处理TransformersTransformersEnglish
McGill-NLP
2.4k
5

Toxicchat T5 Large V1.0

lmsys

T

ToxicChat-T5-Large是一个开源的文本审核模型，通过在ToxicChat数据集上微调T5-large得到。该模型基于编码器-解码器的Transformer架构，能够准确识别输入文本是否含有毒性内容，生成'positive'表示有毒，'negative'表示无毒。

自然语言处理TransformersTransformers
lmsys
289
6

Donut Receipts Extract

AdamCodd

D

基于Donut架构的收据文本提取专用模型，通过视觉编码器和文本解码器实现无需OCR的文档理解

多模态TransformersTransformers
AdamCodd
66
34

W2v Bert 2.0

facebook

W

基于Conformer架构的语音编码器，在450万小时无标注音频数据上预训练，支持143种以上语言

音频处理TransformersTransformersMultiple Languages
facebook
477k
170

Uae License Detection

codedrainer

U

Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器处理文档图像

多模态TransformersTransformers
codedrainer
21
2

Donut Base Finetuned Cord V1 2560

naver-clova-ix

D

Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器实现图像到文本的转换。

多模态TransformersTransformers
naver-clova-ix
30
1

Donut Base Finetuned Rvlcdip

naver-clova-ix

D

Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器处理文档图像。

多模态TransformersTransformers
naver-clova-ix
125.4k
13

Donut Proto

naver-clova-ix

D

Donut是一种无需OCR的文档理解Transformer模型，结合视觉编码器和文本解码器处理图像到文本的转换

多模态TransformersTransformers
naver-clova-ix
30
7