Qwen-VL-Chat

多语言视觉对话模型支持图文交互和物体定位

视觉语言模型 Github 自然语言处理 Huggingface Qwen-VL 多模态开源项目模型图像理解

Qwen-VL-Chat是一款视觉语言对话模型,可处理图像、文本和检测框等多模态输入。该模型支持多语言对话和跨语言图文理解,具备物体定位和细粒度图像识别能力。经过量化优化后,模型显存占用更低、推理速度更快。在图像描述、视觉问答等多项评测基准上表现优异。

文档

cogagent-chat-hf - 视觉多轮对话及GUI代理开源模型

CogAgentCogVLMGUI操作GithubHuggingface图像理解开源项目模型跨模态基准

CogAgent是一款基于CogVLM改进的开源视觉语言模型，支持超高分辨率图像输入与OCR任务。在VQAv2等跨模态测试表现优秀，免费供学术研究，商业使用需注册许可。

cogvlm2-llama3-chat-19B - 支持8K内容长度和高分辨率图像的开源多模态AI模型

CogVLM2GithubHuggingface人工智能图像理解对话模型开源项目模型视觉语言模型

CogVLM2是基于Meta-Llama-3-8B-Instruct的开源多模态AI模型，支持8K内容长度和1344*1344图像分辨率。该模型在TextVQA、DocVQA等多项基准测试中表现优异，具备图像理解和对话能力。CogVLM2提供英文和中英双语版本，在开源模型中表现突出，部分任务性能可与非开源模型媲美。

Qwen2-1.5B - 优秀性能和多语言能力的开源大语言模型

GithubHuggingfaceQwen2多语言能力大语言模型开源项目性能评估模型自然语言处理

Qwen2-1.5B是一款开源大语言模型，具有1.3B非嵌入参数。它在自然语言理解、生成、多语言处理、编程、数学和推理等领域表现优异。该模型在MMLU、GSM8K等多项基准测试中取得了优秀成绩，展现了较强的多语言能力。Qwen2-1.5B采用改进的Transformer架构，为进一步微调和应用奠定了基础。

llava-interleave-qwen-7b-hf - 领先的多模态AI模型支持多图像视频和3D输入处理

AI对话GithubHuggingfaceLLaVA Interleave图像识别多模态模型开源项目模型自然语言处理

LLaVA Interleave是基于Qwen1.5-7B-Chat开发的多模态AI模型，支持多图像、视频和3D输入处理。模型采用transformer架构，具备4-bit量化和Flash Attention 2优化功能。目前主要面向计算机视觉、自然语言处理和人工智能领域的研究人员，仅供学术研究使用。

MPP-LLaVA - 基于QwenLM的多模态并行系统，支持多轮对话及视频交流

GithubMPPQwen-Nextsft数据多轮对话开源项目流水线并行视频对话

MPP-Qwen-Next项目基于QwenLM，提供多模态流水线并行系统，支持多轮对话、视频对话和多图对话功能。借助DeepSpeed Pipeline Parallel技术，实现高效的单图、多图及视频推理。项目包含详细的预训练和指令微调数据，适用于多种对话场景，并专为大规模显卡配置进行了优化。

Qwen2-1.5B-Instruct-AWQ - 探索具备多语言能力和高性能的新一代语言模型

GithubHuggingfaceQwen2多语言能力开源项目性能基准模型训练细节语言模型

Qwen2系列大语言模型在语言理解、生成、多语言处理和推理等多个方面表现出色。Qwen2-1.5B-Instruct模型经过指令微调，相较主流开源和专有模型展现出强竞争力。基于SwiGLU激活和自适应分词器，支持多语言和代码应用。通过Hugging Face Transformers可轻松下载并使用。详细了解性能和速度基准测试的信息请查看相关资料。

Qwen1.5-7B - 多语言大规模预训练模型支持32K上下文

GithubHuggingfaceQwen1.5人工智能多语言支持开源项目文本生成模型语言模型

Qwen1.5-7B是基于Transformer架构的大规模预训练语言模型，作为Qwen2的beta版本，在多个方面实现了显著改进。该模型提供多种规模选择，支持多语言处理，并稳定支持32K上下文长度。相比前代产品，Qwen1.5-7B在Chat模型性能、技术创新和分词器优化等方面都有提升，为自然语言处理和代码生成任务提供了更强大的基础模型。

Qwen2-0.5B - 阿里巴巴推出的高性能开源大语言模型

GithubHuggingfaceQwen2人工智能大语言模型开源项目模型模型评估自然语言处理

Qwen2-0.5B是阿里巴巴发布的新一代大语言模型系列中的0.5B参数版本。该模型在语言理解、生成、多语言能力、编程、数学和推理等多个基准测试中表现优异，性能超越大多数开源模型。Qwen2-0.5B采用改进的Transformer架构，包括SwiGLU激活、注意力QKV偏置和分组查询注意力等技术。作为基础语言模型，Qwen2-0.5B可用于进一步的训练和优化，为开发者和研究人员提供了强大的语言处理基础。

Qwen2.5-0.5B-Instruct-bnb-4bit - 提升多语言长文本生成与指令跟随能力，改善结构化数据处理

GithubHuggingfaceQwen2.5Unsloth优化训练多语言支持大语言模型开源项目模型

Qwen2.5语言模型系列在知识、编码和数学上取得进步，支持29种语言和128K词的长文本生成。其指令跟随和结构化数据处理经过优化，提升生成JSON等输出的效率。适用于多语言和复杂任务的场景，如代码生成和数据管理，通过改进训练架构提升性能和内存效率。

Video-ChatGPT - 创新视频对话技术开启细致视频理解新纪元

GithubVideo-ChatGPT多模态大型视觉语言模型开源项目视频理解问答系统

Video-ChatGPT是一个融合大型视觉和语言模型的视频对话系统。该项目构建了10万条视频-指令对数据集,开发了首个视频对话量化评估框架,在视频推理、创意生成、空间和时间理解等任务中表现出色。这一开源项目为视频内容理解和人机交互带来了新的发展方向。

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com