基於Llama-3.1-8B-Instruct的多語言音頻文本轉文本模型，支持40多種語言處理

自然語言處理Transformers多語言

基於meta-llama/Llama-3.2-1B-Instruct權重預加載的多語言文本轉文本模型

自然語言處理Transformers多語言

基於Meta的Llama-3.3-70B-Instruct模型構建的多語言文本處理模型，支持音頻到文本轉換任務

自然語言處理Transformers多語言

InternVL3-38B 是一款先進的多模態大語言模型，在多模態感知、推理等能力上表現卓越，相較於前代模型有顯著提升，還拓展了工具使用、GUI 代理等多模態能力。

多模態Transformers其他

InternVL3-8B是一款先進的多模態大語言模型，具備卓越的多模態感知和推理能力，在工具使用、GUI代理、工業圖像分析等多領域表現出色。

多模態Transformers其他

InternVL3-1B是InternVL3系列中的1B參數規模多模態大語言模型，整合了InternViT視覺編碼器和Qwen2.5語言模型，具備卓越的多模態感知和推理能力。

多模態Transformers其他

Ultravox 是一個基於 Llama3.1-8B-Instruct 和 Whisper-small 的多模態語音大語言模型，能夠同時處理語音和文本輸入。

多模態Transformers英語

InternVideo2.5 是一款基於長且豐富的上下文（LRC）建模增強的視頻多模態大語言模型（MLLM），構建於 InternVL2.5 之上。

多模態Transformers英語

Qwen2-VL-2B-Instruct 是一個多模態視覺語言模型，支持圖像文本到文本的任務。

多模態Transformers英語

Qwen2-VL-72B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的交互，適用於複雜的視覺語言任務。

多模態Transformers英語

MiniCPM-V 2.6是一款強大的多模態大語言模型，能夠在手機等設備上高效運行，支持單圖像、多圖像和視頻理解任務。

多模態Transformers其他

Meta發佈的變色龍系列7B參數規模的多模態模型，支持圖像文本轉文本任務

自然語言處理Safetensors

LLaVA-NeXT-Video-7B-hf 是一個基於視頻的多模態模型，能夠處理視頻和文本輸入，生成文本輸出。

多模態Safetensors英語

Phi-3.5-vision是一款輕量級、先進的開源多模態模型，支持128K上下文長度，專注於高質量、富含推理的文本和視覺數據處理。

多模態Transformers其他

基於Qwen2-VL-7B-Instruct微調的文檔OCR模型，支持多語言文檔識別與元數據提取

多模態Transformers英語

Meta Llama 3 70B是由Meta開發的大語言模型，具有700億參數，支持8k上下文長度，適用於英語的商業和研究用途。

自然語言處理Transformers英語

C4AI Command R+ 是一個開放權重的1040億參數研究模型，具備高級功能，包括檢索增強生成（RAG）和工具使用以自動化複雜任務。

自然語言處理Transformers多語言

由FriendliAI量化為FP8精度的Mistral-7B-Instruct-v0.2模型，在保持高精度的同時顯著提升推理效率。

自然語言處理Transformers