AIBase
EN

AI News

View More

面壁智能CTO曾国洋：从“打字机”到大模型，端侧AI的进化与突围

13.8k 18 hours ago
面壁智能CTO曾国洋：从“打字机”到大模型，端侧AI的进化与突围

腾讯混元发布 HyOCR-1.5：仅 1B 参数 推理提速 6.37 倍

18.6k 3 hours ago
腾讯混元发布 HyOCR-1.5：仅 1B 参数 推理提速 6.37 倍

两分钟上手生产级语音智能体：xAI 发布 Voice Agent Builder 测试版

23.7k 10 hours ago
两分钟上手生产级语音智能体：xAI 发布 Voice Agent Builder 测试版

百度开源3B模型Unlimited OCR:5天Star破万，刷新长文档解析纪录

15.7k 3 days ago
百度开源3B模型Unlimited OCR:5天Star破万，刷新长文档解析纪录

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

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

qwen3-max

Alibaba

qwen3-max

$6

Input tokens/M

$24

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

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

Doubao-Seed-Translation

Bytedance

Doubao-Seed-Translation

$1.2

Input tokens/M

$3.6

Output tokens/M

4

Context Length

Emu3.5

BAAI

E

Emu3.5是北京智源人工智能研究院开发的原生多模态模型，能够跨视觉和语言联合预测下一状态，实现连贯的世界建模和生成。通过端到端预训练和大规模强化学习后训练，在多模态任务中展现出卓越性能。

多模态TransformersTransformers
BAAI
306
114

LightOnOCR 1B 1025

lightonai

L

LightOnOCR-1B-1025是一款紧凑的端到端视觉语言模型，专门用于光学字符识别和文档理解。它在同权重级别中实现了最先进的准确率，同时比大型通用视觉语言模型更快、成本更低。

多模态SafetensorsSafetensorsMultiple Languages
lightonai
3.5k
85

Step Audio 2 Mini

stepfun-ai

S

Step-Audio 2 是一款端到端的多模态大语言模型，专为满足行业级音频理解和语音对话需求而设计。具备先进的语音和音频理解能力、智能语音对话功能、工具调用和多模态检索增强生成能力，在多个音频理解和对话基准测试中取得了领先的性能。

多模态TransformersTransformers
stepfun-ai
1.6k
179

LFM2 Audio 1.5B

LiquidAI

L

LFM2-Audio-1.5B是Liquid AI推出的首个端到端音频基础模型，专为低延迟和实时对话设计。该模型仅15亿参数，能够实现无缝的对话交互，其能力可与参数规模大得多的模型相媲美。

多模态SafetensorsSafetensorsEnglish
LiquidAI
775
222

Emova Qwen 2 5 3b

Emova-ollm

E

EMOVA是一种端到端全能模态大语言模型，支持视觉、听觉和语音功能，能够生成具有情感控制的文本和语音响应。

多模态TransformersTransformersMultiple Languages
Emova-ollm
25
2

Emova Qwen 2 5 3b Hf

Emova-ollm

E

EMOVA是一种端到端全能模态大语言模型，支持视觉、听觉和语音功能，具备情感语音对话能力。

多模态TransformersTransformersMultiple Languages
Emova-ollm
101
5

Emova Qwen 2 5 7b Hf

Emova-ollm

E

EMOVA是一种端到端全能模态大语言模型，支持视觉、听觉和语音功能，无需依赖外部模型即可实现多模态理解和生成。

多模态TransformersTransformersMultiple Languages
Emova-ollm
36
2

Mms Tts Blh

facebook

M

Meta公司开发的Kuwaa语(blh)文本转语音模型，属于大规模多语言语音计划的一部分，采用VITS端到端语音合成架构

音频处理TransformersTransformers
facebook
4
0

Mms Tts Bgc

facebook

M

Meta公司开发的哈里亚纳维语文本转语音模型，属于大规模多语言语音(MMS)项目的一部分，采用VITS端到端语音合成架构。

音频处理TransformersTransformers
facebook
21
0

Mms Tts Pam

facebook

M

Meta公司开发的邦板牙语文本转语音模型，属于大规模多语言语音项目的一部分，采用VITS端到端语音合成架构。

音频处理TransformersTransformers
facebook
187
0

Mms Tts Nld

facebook

M

Meta公司开发的荷兰语文本转语音模型，属于大规模多语言语音项目的一部分，采用VITS端到端语音合成架构。

音频处理TransformersTransformers
facebook
296
2