AIbase
TW
模型選型
標籤
多模態智能體

# 多模態智能體

Qwen3 30B A3B GGUF
Apache-2.0
由Qwen開發的大語言模型，支持131,072 tokens上下文長度，擅長創意寫作、角色扮演和多輪對話。
大型語言模型
Q
lmstudio-community
77.06k
21
Gemma 3 R1984 4B
Gemma3-R1984-4B是基於谷歌Gemma-3-4B模型構建的強大智能體AI平臺，支持多模態文件處理和深度研究能力。
圖像生成文本 Transformers 支持多種語言
G
ginipick
44
4
UI TARS 72B DPO
Apache-2.0
UI-TARS是下一代原生GUI智能體模型，具備類人的感知、推理和行動能力，可與圖形用戶界面（GUI）實現無縫交互。
多模態融合 Transformers 支持多種語言
U
parasail-ai
179
0
Videomind 2B FT QVHighlights
Bsd-3-clause
VideoMind是一個多模態智能體框架，通過模擬類人的認知過程來增強視頻推理能力。
視頻生成文本 Safetensors
V
yeliudev
20
0
Videomind 7B
Bsd-3-clause
VideoMind是一個多模態智能體框架，通過模擬人類思維過程來增強視頻推理能力。
視頻生成文本
V
yeliudev
90
2
Magma 8B
MIT
Magma是一個多模態AI智能體基礎模型，能夠處理圖像和文本輸入並生成文本輸出，具備虛擬與現實環境中的複雜交互能力。
圖像生成文本 Transformers
M
microsoft
4,526
363
Qwen2.5 VL 3B Instruct 4bit
Qwen2.5-VL是Qwen家族的最新視覺語言模型，具備增強的視覺理解、智能體功能和長視頻處理能力。
文本生成圖像 Transformers 英語
Q
jarvisvasu
174
3
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase