AI模型
GLM-OCR – 智谱开源的轻量级多模态OCR模型
GLM-OCR是智谱AI推出的轻量级多模态OCR模型，支持手写体、复杂表格、公式与代码识别，输出HTML与JSON结构，适用于企业文档数字化、教育科研及票据解析等场景。
Step 3.5 Flash – 256K上下文与350TPS高速推理的Agent基座模型
Step 3.5 Flash 是阶跃星辰推出的开源大模型，采用稀疏 MoE 架构，总参数 1960 亿，每 token 仅激活 110 亿参数，支持 256K 长上下文与最高 350 TPS 推理速度...
Vidu Q3 – 支持16秒音画同步的AI视频生成模型
Vidu Q3 是生数科技推出的新一代 AI 视频生成模型，支持一次生成 16 秒 1080p 音画同步视频，集成对白、环境音效与 BGM，具备导演级镜头切换、多语言文字渲染...
TranslateGemma – 基于Gemma的多语言高质量翻译模型
TranslateGemma 是基于 Google Gemma 系列优化的多语言翻译模型，专注于高质量文本翻译、长上下文语义保持与可控输出，适合开发者、企业本地化及私有部署翻译...
GLM-Image – 面向中文与复杂文字渲染的多模态图像生成模型
GLM-Image 是由智谱 AI 推出的国产多模态图像生成模型，基于自回归与扩散解码器混合架构，支持高分辨率文生图、复杂中文文字渲染与知识密集型图像生成，适用...
Gemini 3 Flash – 高速多模态推理与低成本调用模型
Gemini 3 Flash 是谷歌推出的高速低成本 AI 模型，支持长上下文理解、多模态推理与稳定高并发调用，适用于搜索增强、代码生成、实时交互与企业级应用部署。
GPT-5.2 – OpenAI最新推出的通用AI模型系列
GPT-5.2 是 OpenAI 最新发布的通用 AI 模型系列，具备更长的上下文处理能力、更高推理稳定性和更快生成速度。适用于内容创作、代码生成、知识问答、自动化任...
QwenLong-L1-32B – 长上下文推理与大规模文本分析模型
QwenLong-L1-32B 是阿里通义推出的长上下文推理模型，支持超大规模文本输入，在文档理解、跨段推理、多场景分析等任务中表现稳定。适用于科研、法律、财务与...
CosyVoice 2.0 – 高保真中文语音合成与情感克隆模型
CosyVoice 2.0 是阿里通义实验室 / FunAudioLLM 推出的高保真中文 TTS 与语音克隆模型，支持多语种、低延迟实时合成与可控情感表达。本文详解模型原理、功能...
SlowFast-LLaVA-1.5 – 长视频理解与高效多模态模型
SlowFast-LLaVA-1.5 是苹果团队推出的视觉语言模型，支持长视频理解与多模态推理，兼顾高性能与轻量化部署，适合教育、安防、影视等多场景应用。
1
2
AI工具箱导航官网汇集了来自国内外的上千款AI工具。每日更新和添加最新的AI工具。此外还收录了常用的AI学习开发网站、框架和模型。帮助你轻松跟上人工智能的步伐，实现任务自动化，提升工作效率！
Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。
浙公网安备33010202004812号