多模态大模型

Amazon Nova Pro 1.0是亚马逊推出的多模态模型，兼顾精度、速度与成本，适用于广泛任务场景

一个拥有 9750 亿参数的开源权重多模态模型，专为微调而构建。该模型支持多种模态理解与生成能力，开放权重允许开发者和研究者针对特定任务进行定制化训练与部署，适合需要构建垂直领域 AI 应用的用户。

Ministral 3 3B是Ministral 3系列中最小巧的模型，兼具视觉能力，性能强劲且高效

阶跃星辰万亿参数 MoE 旗舰大模型，长文本与多模态能力突出。开发方：阶跃星辰；开源：闭源API；模态：多模态；上下文：32K。

科大讯飞星火旗舰大模型，多模态理解与数理能力全面升级。开发方：科大讯飞；开源：闭源API；模态：多模态。

Amazon Nova Lite 1.0是亚马逊推出的超低成本多模态模型，专注于快速处理图像、视频和文本输入并生成文本输出

Nova 2 Lite 是一款面向日常任务的高性价比快速推理模型，支持文本、图像和视频输入并生成文本输出

Voxtral Small 是 Mistral Small 3 的升级版，在保持顶尖文本性能的同时，融入先进音频输入能力，擅长语音转写、翻译及音频理解

实时文本驱动说话头生成模型，支持上下文音视频风格复制

Amazon Nova Premier是亚马逊最强多模态模型，专攻复杂推理，也是蒸馏定制模型的最佳导师

Seed-2.0-mini面向低延迟、高并发及成本敏感场景，主打快速响应与灵活推理部署，性能对标ByteDance-Seed-1.6，支持256k上下文、四种推理强度模式（minimal/low/medium/high）及多模态理解

UI-TARS-1.5是字节跳动推出的多模态视觉语言智能体，专为桌面、浏览器、移动端及游戏等GUI环境优化，基于UI-TARS框架强化打造

Muse Spark 1.1 是 Meta 推出的多模态推理模型，专为智能体任务打造，支持文本、图像、视频、音频及 PDF 输入并返回文本，上下文窗口达 100 万 token

商汤日日新多模态大模型，MoE 架构，理解与生成一体。开发方：商汤科技；开源：闭源API；模态：多模态。

欢迎登录阿里云，全球领先的云计算及人工智能科技公司，阿里云为200多个国家和地区的企业、开发者和政府机构提供云计算基础服务及解决方案。阿里云云计算、安全、大数据、人工智能、企业应用、物联网等云计算服务。

Seed-2.0-Lite是一款高性价比的企业级多模态智能体模型，延迟显著降低，适用于大多数生产场景，是兼顾性能与成本的务实之选

CVPR 2024 Oral，接近 GPT-4o 表现的开源多模态对话模型

阶跃星辰（StepFun）推出的 Step 系列多模态大模型，覆盖旗舰与 Flash 轻量档及多模态方向。

此模型始终重定向至Google Gemini Pro系列中的最新版本

Inkling Small 是 Thinking Machines Lab 推出的开放权重多模态专家混合模型，总参数 276B，激活参数 12B，定位为更小、更高效的轻量级成员