# 多模态统一模型

Tar 1.5B
Apache-2.0
通过文本对齐表示实现视觉理解与生成的统一模型
文本生成图像 Safetensors
T
csuhan
253
1
Bytedance BAGEL 7B MoT INT8
Apache-2.0
BAGEL是一个开源的7B活跃参数多模态基础模型,支持多模态理解与生成任务
文本生成图像
B
Gapeleon
190
20
BAGEL 7B MoT
Apache-2.0
BAGEL是一个开源的、拥有70亿活跃参数的多模态基础模型,训练于大规模交错多模态数据,在理解和生成任务上表现优异。
文本生成图像
B
ByteDance-Seed
4,736
769
Janus Pro 7B
MIT
Janus-Pro是一种新颖的自回归框架,统一了多模态理解和生成,通过解耦视觉编码路径增强灵活性。
文本生成图像 Transformers
J
deepseek-community
1,587
1
Janus Pro 7b 4bit
MIT
Janus-Pro 是一种创新的自回归框架,统一了多模态理解与生成能力。
文本生成图像 Transformers
J
neilmehta24
41
1
Janus Pro 7B
MIT
Janus-Pro 是一种新颖的自回归框架,统一了多模态理解和生成。它通过解耦视觉编码路径,使用单一的统一 Transformer 架构处理多模态任务。
文本生成图像 Transformers
J
Athagi
15
1
Janus Pro 1B
MIT
Janus-Pro 是一种新颖的自回归框架,统一了多模态理解与生成能力。通过解耦视觉编码路径,使用单一 Transformer 架构处理多模态任务。
文本生成图像 Transformers
J
deepseek-ai
34.02k
432
Janus Pro 7B
MIT
Janus-Pro 是一种创新的自回归框架,统一了多模态理解与生成功能。通过解耦视觉编码路径,采用单一Transformer架构处理,解决了视觉编码器在理解与生成角色间的冲突。
文本生成图像 Transformers
J
deepseek-ai
139.64k
3,355
Janusflow 1.3B
MIT
JanusFlow是一个强大的框架,将图像理解与生成统一在单一模型中,采用自回归语言模型与修正流相结合的方法。
文本生成图像 Transformers
J
deepseek-ai
1,538
145
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase