DeepSeek-V4.1-Flash上线千问AI平台，开放API与Token Plan。开发者可经标准API接入，或在Qoder、千问APP、Codex等工具调用，用于代码、文档、视觉理解与智能体任务。该模型为轻量旗舰，552B MoE非对称架构，输入激活约8B、输出约16B，原生支持图文理解，上下文最长100万token。
蚂蚁开源团队发布百灵系列首个原生多模态大模型 Ling-3.0-flash-VL。它基于 Ling-3.0-flash 的 MoE 架构，总参数124B，激活5.5B，原生支持图像、文本与视频输入，上下文窗口达256K Token。团队重点提升真实任务中的可靠性与效率，并着力解决视觉能力可能削弱文本智能的问题。
商汤开源8B轻量级统一多模态模型SenseNova U1.5Lite，核心视觉任务表现超越同级，部分复杂排版与文字渲染媲美大规模商业模型；原生支持3-4K上下文，可同时处理主体、数量、空间关系、文字、布局、风格等多重约束。
月之暗面于7月28日开源2.8万亿参数大模型Kimi K3，支持100万token上下文与视觉理解，采用KDA混合注意力机制。同日，摩尔线程宣布基于MTT S5000智算卡完成对其的快速适配与稳定运行，实现国产算力与开源大模型的协同突破。
Nano Banana Pro是强大的上下文感知AI图像编辑器，用简单文本提示创作惊艳视觉效果。
一种通过视觉上下文学习的通用图像生成框架。
掌握开放世界交互的视觉-时间上下文提示模型
从语言到视觉的长上下文转换模型
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
Anthropic
$105
$525
200
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
-
$6
$24
$8
$240
52
Bytedance
$1.2
$3.6
4
unsloth
Qwen3-VL是通义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全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。
Qwen3-VL是Qwen系列中最强大的视觉语言模型，实现了全方位的综合升级，包括卓越的文本理解与生成能力、更深入的视觉感知与推理能力、更长的上下文长度、增强的空间和视频动态理解能力，以及更强的智能体交互能力。
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。
Qwen3-VL是通义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。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。
bullerwins
Qwen3-VL是通义系列迄今为止最强大的视觉语言模型，实现了全面升级，包括卓越的文本理解与生成能力、更深入的视觉感知与推理能力、更长的上下文长度、增强的空间和视频动态理解能力，以及更强的智能体交互能力。
Lamapi
Next 12B是基于Gemma 3的120亿参数多模态视觉语言模型，是土耳其最先进的开源视觉语言模型。该模型在文本和图像理解方面表现出色，具备先进的推理和上下文感知多模态输出能力，特别提供专业级的土耳其语支持，同时具备广泛的多语言能力。
cpatonn
Qwen3-VL-32B-Instruct AWQ - INT4是基于Qwen3-VL-32B-Instruct基础模型的4位量化版本，采用AWQ量化方法，在保持性能的同时显著减少存储和计算资源需求。这是Qwen系列中最强大的视觉语言模型，在文本理解、视觉感知、上下文长度等方面全面升级。
Qwen
Qwen3-VL是通义系列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、空间和视频理解能力等方面全面升级，具备卓越的多模态交互能力。
Qwen3-VL是Qwen系列中最强大的视觉语言模型，实现了全方位的全面升级，具备卓越的文本理解与生成能力、更深入的视觉感知与推理能力、更长的上下文长度、更强的空间和视频动态理解能力，以及更出色的智能体交互能力。
QuantTrio
Qwen3-VL-30B-A3B-Thinking-AWQ 是基于 Qwen/Qwen3-VL-30B-A3B-Thinking 模型量化后的版本，是通义系列中最强大的视觉语言模型。该版本在文本理解与生成、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进行了全面升级。
Qwen3-VL是通义大模型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均有显著提升。该模型提供密集架构和混合专家模型架构，支持从边缘到云的不同规模部署。
Kwai-Keye
快手Keye-VL是由快手Keye团队打造的前沿多模态大语言模型，在视频理解、视觉感知和推理任务中表现卓越。1.5版本通过创新的快慢视频编码策略、LongCoT冷启动数据管道和强化学习训练策略，在视频理解、图像感知和推理能力上达到新高度，支持长达128k标记的扩展上下文长度。
THUDM
GLM-4.1V-9B-Thinking是基于GLM-4-9B-0414基础模型的开源视觉语言模型，专注于提升复杂任务中的推理能力，支持64k上下文长度和4K图像分辨率。
zai-org
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。
deepseek-community
DeepSeek-VL 是一个开源的视觉语言模型，能够同时处理文本和图像，生成上下文相关的响应。该模型采用混合编码架构，结合LLaMA文本编码器和SigLip/SAM视觉编码器，支持高分辨率图像处理，在真实世界应用中表现出色。
DeepSeek-VL是由DeepSeek AI团队开发的开源视觉语言模型，能够同时处理文本和图像信息，生成上下文相关的回复。该模型采用混合视觉编码器，支持高分辨率图像处理，在真实世界的视觉语言理解应用中表现出色。
OmniGen2
OmniGen2 是一个强大且高效的统一多模态模型，由 3B 视觉语言模型和 4B 扩散模型构成，支持视觉理解、文本到图像生成、指令引导的图像编辑和上下文生成。
VisualCloze
VisualCloze是一个基于视觉上下文学习的通用图像生成框架，支持多种领域内任务和未见任务的泛化，通过单步生成同时输出目标图像与中间结果。
FriendliAI
Phi-3.5-vision是一款轻量级、先进的开源多模态模型，支持128K上下文长度，专注于高质量、富含推理的文本和视觉数据处理。
Robeeeeeeeeeee
Phi-4-multimodal-instruct是一款轻量级开源多模态基础模型，融合了Phi-3.5和4.0模型的语言、视觉及语音研究与数据集。支持文本、图像和音频输入，生成文本输出，并具备128K标记的上下文长度。
YOLO MCP服务是一个强大的计算机视觉服务，通过模型上下文协议(MCP)与Claude AI集成，提供物体检测、分割、分类和实时摄像头分析功能。
Screeny MCP Server是一个专为macOS设计的隐私优先截图服务，允许AI代理安全捕获预先批准的应用程序窗口截图，为开发和调试任务提供视觉上下文。
这是一个基于模型上下文协议（MCP）的服务器，允许AI助手通过远程控制API来控制Unreal Engine游戏引擎，实现游戏开发自动化，支持资产管理、角色控制、编辑器操作、关卡管理、动画物理、视觉效果、Sequencer等多种功能。
Ollama MCP Server是一个连接Ollama本地大语言模型和模型上下文协议(MCP)的桥梁工具，提供完整的API集成、模型管理和执行功能，支持OpenAI兼容的聊天接口和视觉多模态模型。
OmniMCP是一个通过Model Context Protocol (MCP)和OmniParser为AI模型提供丰富UI上下文和交互能力的工具，专注于通过视觉分析、结构化规划和精确交互执行实现用户界面的深度理解。
MCP Hub是一个用于创建和管理模型上下文协议（MCP）服务器与客户端的框架，集成了UV工具以简化包管理和配置。项目包含AI相关的计算机视觉脚本和数据集处理工具，支持快速部署和开发。
Moondream MCP Server是一个强大的模型上下文协议服务器，通过Moondream视觉模型为应用程序提供高级图像分析功能，并与Claude和Cline无缝集成。
OmniMCP是一个通过Model Context Protocol (MCP)和OmniParser为AI模型提供丰富UI上下文和交互能力的项目，支持视觉感知、LLM规划、动作执行等功能，实现用户界面的深度理解和精准交互。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Join Now
