AIbase
ZH
模型选型
标签
多模态智能体

# 多模态智能体

Qwen3 30B A3B GGUF
Apache-2.0
由Qwen开发的大语言模型，支持131,072 tokens上下文长度，擅长创意写作、角色扮演和多轮对话。
大型语言模型
Q
lmstudio-community
77.06k
21
Gemma 3 R1984 4B
Gemma3-R1984-4B是基于谷歌Gemma-3-4B模型构建的强大智能体AI平台，支持多模态文件处理和深度研究能力。
图像生成文本 Transformers 支持多种语言
G
ginipick
44
4
UI TARS 72B DPO
Apache-2.0
UI-TARS是下一代原生GUI智能体模型，具备类人的感知、推理和行动能力，可与图形用户界面（GUI）实现无缝交互。
多模态融合 Transformers 支持多种语言
U
parasail-ai
179
0
Videomind 2B FT QVHighlights
Bsd-3-clause
VideoMind是一个多模态智能体框架，通过模拟类人的认知过程来增强视频推理能力。
视频生成文本 Safetensors
V
yeliudev
20
0
Videomind 7B
Bsd-3-clause
VideoMind是一个多模态智能体框架，通过模拟人类思维过程来增强视频推理能力。
视频生成文本
V
yeliudev
90
2
Magma 8B
MIT
Magma是一个多模态AI智能体基础模型，能够处理图像和文本输入并生成文本输出，具备虚拟与现实环境中的复杂交互能力。
图像生成文本 Transformers
M
microsoft
4,526
363
Qwen2.5 VL 3B Instruct 4bit
Qwen2.5-VL是Qwen家族的最新视觉语言模型，具备增强的视觉理解、智能体功能和长视频处理能力。
文本生成图像 Transformers 英语
Q
jarvisvasu
174
3
AIbase
智启未来，您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase