DiffSensei

MA-LMM 视频理解多模态 MA-LMM是一种基于大语言模型的大规模多模态模型,主要针对长期视频

Non Finito is a platform that aims to simplify the

Phi-3.5-vision-instruct是一种轻量级、 state-of-the-art 的开源多模态模型，适用于文本和视觉任务。

TableGPT2是一款经过严格预训练和微调的大型多模态模型，能够高效处理表格数据，为商业智能和数据分析提供强大支持。

Pixtral-Large-Instruct-2411是一款124B的多模态模型，基于Mistral Large 2构建，具备卓越的图像理解能力，能够处理文档、图表和自然图像，同时保持文本理解的领先水平。

Aria-Base-64K是一个多模态基础模型，专为长文本和视频问答任务设计，具备强大的语言理解能力和图像处理能力，适合研究和继续训练。

WePOINTS是一套多模态模型，旨在整合内容理解与生成，支持多种数据形式，推动AI技术的前沿发展。

Apollo是一个前沿的视频理解大规模多模态模型家族，致力于优化视频语言建模的效率与性能。