产品库

使用线条生成深度风格图像

Line2Depth SD 1.5是一个模型，可以利用像Canny、线条、Softedge等控制网络，仅通过线条创建具有深度感的图像。在提示中添加'depth, 3d'。Lora文件名后的数字表示合并的Lora数量，每个将产生不同的结果，因此请选择一个效果较好的。

Selene API 是一款用于评估 AI 应用性能的先进工具，提供精准的评分和反馈。

Selene API 是 Atla AI 推出的一款先进的人工智能评估模型。它通过使用世界领先的 LLM-as-a-Judge 技术，能够对 AI 应用进行精准的评估。该产品的主要优点是其高准确性和可靠性，能够在各种评估基准上超越前沿模型。它不仅能够提供准确的评分，还能生成具有可操作性的反馈意见，帮助开发者优化他们的 AI 应用。Selene API 的背景信息显示，它是由 Atla AI 公司开发的，该公司致力于构建安全的人工智能未来。目前，该产品提供免费试用，并采用基于使用量的定价模式。

R1-Omni 是一个结合强化学习的全模态情绪识别模型，专注于提升多模态情绪识别的可解释性。

R1-Omni 是一个创新的多模态情绪识别模型，通过强化学习提升模型的推理能力和泛化能力。该模型基于 HumanOmni-0.5B 开发，专注于情绪识别任务，能够通过视觉和音频模态信息进行情绪分析。其主要优点包括强大的推理能力、显著提升的情绪识别性能以及在分布外数据上的出色表现。该模型适用于需要多模态理解的场景，如情感分析、智能客服等领域，具有重要的研究和应用价值。

一个用于将几乎所有内容转换为Markdown格式的Model Context Protocol服务器。

Markdownify是一个基于Model Context Protocol的服务器工具，能够将多种文件类型和网络内容转换为Markdown格式。它支持PDF、图片、音频（含转录）、DOCX、XLSX、PPTX等多种文件格式的转换，还能将YouTube视频字幕、Bing搜索结果和网页内容转换为Markdown。该工具对于需要高效整理和分享信息的用户来说非常实用，尤其是在处理大量非结构化数据时，能够快速生成可读性强的Markdown文本，提高工作效率。

AI co-scientist 是一个基于 Gemini 2.0 的多智能体 AI 系统，旨在帮助科学家生成新的研究假设和实验方案，加速科学发现。

AI co-scientist 是谷歌研究团队开发的一款多智能体 AI 系统，旨在通过人工智能技术辅助科学研究。该系统基于 Gemini 2.0 构建，能够模拟科学方法的推理过程，生成新的研究假设和实验方案。它通过多智能体协作，利用生成、反思、排名、进化等多种机制，不断优化输出结果。AI co-scientist 的主要优点包括高效生成新颖的科学假设、强大的跨学科知识整合能力以及与科学家的协作能力。该系统目前处于研究阶段，通过与全球顶尖科研机构合作，验证其在生物医学等领域的应用潜力。

OmniParser V2 是一种将任何 LLM 转化为计算机使用代理的技术。

OmniParser V2 是微软研究团队开发的一种先进的人工智能模型，旨在将大型语言模型（LLM）转化为能够理解和操作图形用户界面（GUI）的智能代理。该技术通过将界面截图从像素空间转换为可解释的结构化元素，使 LLM 能够更准确地识别可交互图标，并在屏幕上执行预定动作。OmniParser V2 在检测小图标和快速推理方面取得了显著进步，其结合 GPT-4o 在 ScreenSpot Pro 基准测试中达到了 39.6% 的平均准确率，远超原始模型的 0.8%。此外，OmniParser V2 还提供了 OmniTool 工具，支持与多种 LLM 结合使用，进一步推动了 GUI 自动化的发展。

Goku 是一款基于流的视频生成基础模型，专注于高质量视频生成。

Goku 是一个专注于视频生成的人工智能模型，能够根据文本提示生成高质量的视频内容。该模型基于先进的流式生成技术，能够生成流畅且具有吸引力的视频，适用于多种场景，如广告、娱乐和创意内容制作。Goku 的主要优点在于其高效的生成能力和对复杂场景的出色表现能力，能够显著降低视频制作成本，同时提升内容的吸引力。该模型由香港大学和字节跳动的研究团队共同开发，旨在推动视频生成技术的发展。

Qwen2.5-Max是一个大规模的Mixture-of-Expert (MoE)模型，致力于提升模型智能。

Qwen2.5-Max是一个大规模的Mixture-of-Expert (MoE)模型，经过超过20万亿tokens的预训练和监督微调与人类反馈强化学习的后训练。它在多个基准测试中表现优异，展示了强大的知识和编码能力。该模型通过阿里巴巴云提供API接口，支持开发者在各种应用场景中使用。其主要优点包括强大的性能、灵活的部署方式和高效的训练技术，旨在为人工智能领域提供更智能的解决方案。

PengChengStarling 是一个基于 icefall 项目的多语言自动语音识别（ASR）模型开发工具包。

PengChengStarling 是一个专注于多语言自动语音识别（ASR）的开源工具包，基于 icefall 项目开发。它支持完整的 ASR 流程，包括数据处理、模型训练、推理、微调和部署。该工具包通过优化参数配置和集成语言 ID 到 RNN-Transducer 架构中，显著提升了多语言 ASR 系统的性能。其主要优点包括高效的多语言支持、灵活的配置设计以及强大的推理性能。PengChengStarling 的模型在多种语言上表现出色，且模型规模较小，推理速度极快，适合需要高效语音识别的场景。

下一代AI基础设施，助力构建应用，实现高精度、高速度与低成本。

Humiris AI提供先进的AI基础设施，帮助用户构建各类应用。其主要优点包括高精度、高速度、低成本以及灵活的部署选项。产品面向需要高效AI解决方案的企业和开发者，提供SaaS环境访问或自部署选项，满足不同行业的需求。目前官网未明确标出具体价格，需联系获取详细报价。

视觉推理能力增强的实验性研究模型

QVQ-72B-Preview是由Qwen团队开发的实验性研究模型，专注于增强视觉推理能力。该模型在多学科理解和推理方面展现出强大的能力，特别是在数学推理任务上取得了显著的进步。尽管在视觉推理方面取得了进步，但QVQ并不完全取代Qwen2-VL-72B的能力，在多步视觉推理中可能会逐渐失去对图像内容的关注，导致幻觉。此外，QVQ在基本识别任务上并没有显示出比Qwen2-VL-72B更显著的改进。

TypeScript框架，优雅构建MCP服务器

LiteMCP是一个TypeScript框架，用于优雅地构建MCP（Model Context Protocol）服务器。它支持简单的工具、资源、提示定义，提供完整的TypeScript支持，并内置了错误处理和CLI工具，方便测试和调试。LiteMCP的出现为开发者提供了一个高效、易用的平台，用于开发和部署MCP服务器，从而推动了人工智能和机器学习模型的交互和协作。LiteMCP是开源的，遵循MIT许可证，适合希望快速构建和部署MCP服务器的开发者和企业使用。

Skywork o1 Open系列模型，提升复杂问题解决能力

Skywork-o1-Open-PRM-Qwen-2.5-1.5B是Skywork团队开发的一系列模型，这些模型结合了o1风格的慢思考和推理能力。该模型专门设计用于通过增量过程奖励增强推理能力，适合解决小规模的复杂问题。与简单的OpenAI o1模型复现不同，Skywork o1 Open系列模型不仅在输出中展现出固有的思考、规划和反思能力，而且在标准基准测试中的推理技能有显著提升。这一系列代表了AI能力的一次战略性进步，将原本较弱的基础模型推向了推理任务的最新技术（SOTA）。

先进的AI模型，专注于复杂问题的推理和解决

Skywork-o1-Open-Llama-3.1-8B是由昆仑科技Skywork团队开发的一系列模型，这些模型结合了o1风格的慢思考和推理能力。该系列模型不仅在输出中展现出天生的思考、规划和反思能力，而且在标准基准测试中的推理技能有显著提升。这一系列代表了AI能力的战略进步，将原本较弱的基础模型推向了推理任务的最新技术（SOTA）。

LTXV视频技术文档

LTXV Documentation 提供了关于LTX视频技术的详细文档和资源链接，包括快速入门指南、集成和访问方式、技术文档以及社区支持。这项技术的重要性在于它能够支持视频内容的创建和管理，特别是通过集成和模型访问，为用户提供了一个强大的视频处理和分析平台。LTXV技术背景信息显示，它由Lightricks公司开发，该公司在视频技术领域有着深厚的技术积累和影响力。产品定位为专业视频技术文档，适合需要深入了解视频技术细节的开发者和研究人员使用。

面向开发者的谷歌AI

Gemini API是Google AI Studio提供的一个强大的人工智能模型，它允许开发者轻松地将Google最大的AI模型集成到他们的应用程序中。这个API支持多种编程语言和平台，包括Python、Node.js、Go、Android、Dart (Flutter)和Swift。Gemini API的主要优点是其强大的生成能力，能够处理复杂的AI任务，如内容生成、语言理解等。此外，它还提供了Gemma开放模型，这些模型具有灵活性和可定制性，以加速负责任的AI开发。Gemini API是为那些希望利用最新AI技术来提升其应用程序的开发者设计的，无论是在生产力、图像处理、视频编辑还是其他领域。目前，Gemini API是免费的，但具体的定价策略可能会随着时间和服务的发展而变化。

基于 GPT-4 的代码审查模型

CriticGPT 是基于 GPT-4 模型开发的工具，旨在帮助人类审查 ChatGPT 的代码输出。通过识别错误并提供评论，提高训练师审查的准确性和效率。该工具能有效捕捉潜在问题，为 AI 模型的改进提供有力支持。

发现真正重要的AI突破

AIModels.fyi是一个专注于AI领域的平台，提供每日更新的AI论文、模型和工具的摘要。它通过算法筛选出具有重大影响力的AI发展，并将复杂的模型和论文转化为简短、清晰的指南，帮助用户快速吸收和应用。此外，订阅者还可以获得个性化的AI内容，无需博士学位即可理解的顶级模型、论文和工具指南，以及与AI专家和构建者交流的独家Discord社区访问权限。

一站式构建、部署和测试提示语的工具。

BasicPrompt是一个可以帮助您构建、部署和测试通用提示语的工具。它提供了一个编辑器，您可以使用其中的U块来编写通用的提示语。BasicPrompt会自动优化您的提示语以适应不同的语言模型。您可以通过内置的测试工具来评估提示语在不同模型上的性能。BasicPrompt还支持一键部署提示语到应用程序中，无需编码。通过BasicPrompt，您可以快速构建、部署和共享提示语，让团队成员轻松贡献。

一个多功能且强大的SDXL-ControlNet模型，适用于各种线条艺术的调节。

MistoLine是一个SDXL-ControlNet模型，能够适应任何类型的线条艺术输入，展示出高精度和出色的稳定性。它基于用户提供的线条艺术生成高质量图像，适用于手绘草图、不同ControlNet线条预处理器和模型生成的轮廓。MistoLine通过采用新颖的线条预处理算法（Anyline）和基于stabilityai/stable-diffusion-xl-base-1.0的Unet模型的重新训练，以及在大型模型训练工程中的创新，展现出在复杂场景下超越现有ControlNet模型的细节恢复、提示对齐和稳定性的优越性能。

使用所有最新的llms订阅一项服务。

AllNewModels是一个网站，提供了许多最新的llms模型。该网站的主要优点是用户可以在一个订阅中使用所有最新的llms模型。它为用户提供了更多选择和灵活性，无需单独购买和使用不同的模型。AllNewModels的定位是为专业人士提供的。

强大的数学和编程模型，具备高度连贯性和多轮对话能力。

Mistral-22b-v.02 是一个强大的模型，展现出出色的数学才能和编程能力。相较于V1，V2模型在连贯性和多轮对话能力方面有显著提升。该模型经过重新调整取消了审查，能够回答任何问题。训练数据主要包括多轮对话，特别强调编程内容。此外，模型具备智能体能力，可执行真实世界任务。训练采用了32k的上下文长度。在使用时需遵循GUANACO提示格式。

Google开发者平台推出的下一代Gemini 1.5 Pro模型

Gemini 1.5 Pro是Google开发者平台推出的下一代AI模型,支持语音理解、系统指令、JSON输出等新功能,并推出了新一代文本嵌入模型Gecko,性能大幅提升。开发者可以在Google AI Studio中获取API密钥并开始使用。

基于开发者构建的生产 AI 平台

Fireworks 与世界领先的生成式 AI 研究人员合作，以最快的速度提供最佳模型。拥有经 Fireworks 精心筛选和优化的模型，以及企业级吞吐量和专业的技术支持。定位为最快速且最可靠的 AI 平台。

用于自动驾驶的大规模视频生成模型

GenAD是由上海人工智能实验室联合香港科技大学、德国图宾根大学和香港大学共同推出的首个大规模自动驾驶视频生成模型。它通过预测和模拟真实世界场景,为自动驾驶技术的研究和应用提供支撑。GenAD在理解复杂动态环境、适应开放世界场景、精准预测等方面具有较强能力,能够通过语言和行车轨迹进行控制,并展现出应用于自动驾驶规划任务的潜力,有助于提高行车安全性和效率。

用于人形机器人学习的通用基础模型

NVIDIA Project GR00T是一种通用基础模型,可在仿真和真实世界中改变人形机器人的学习方式。通过在NVIDIA GPU加速模拟中进行训练,GR00T使得人形机器人能够从少量的人类演示中通过模仿学习和NVIDIA Isaac Lab进行强化学习,并可从视频数据生成机器人动作。GR00T模型接受多模态指令和过去的交互作为输入,并输出机器人需要执行的动作。

让AI开发变得简单 简化开发流程。

Gitee AI 汇聚最新最热 AI 模型，提供模型体验、推理、训练、部署和应用的一站式服务，提供充沛算力，定位为中国最好的 AI 社区。

视频理解基础模型

VideoPrism是一个通用的视频编码模型,能够在各种视频理解任务上取得领先的性能,包括分类、定位、检索、字幕生成和问答等。其创新点在于预训练的数据集非常大且多样,包含3600万高质量的视频-文本对,以及5.82亿带有嘈杂文本的视频剪辑。预训练采用两阶段策略,先利用对比学习匹配视频和文本,然后预测遮蔽的视频块,充分利用不同的监督信号。一个固定的VideoPrism模型可以直接适配到下游任务,并在30个视频理解基准上刷新状态最优成绩。

扩展3D场景生成模型

BlockFusion是一种基于扩散的模型，可以生成3D场景，并无缝地将新的块整合到场景中。它通过对随机裁剪自完整3D场景网格的3D块数据集进行训练。通过逐块拟合，所有训练块都被转换为混合神经场：其中包含几何特征的三面体，然后是用于解码有符号距离值的多层感知器（MLP）。变分自动编码器用于将三面体压缩到潜在的三面体空间，对其进行去噪扩散处理。扩散应用于潜在表示，可以实现高质量和多样化的3D场景生成。在生成过程中扩展场景时，只需附加空块以与当前场景重叠，并外推现有的潜在三面体以填充新块。外推是通过在去噪迭代过程中使用来自重叠三面体的特征样本来调节生成过程完成的。潜在三面体外推产生语义和几何上有意义的过渡，与现有场景和谐地融合。使用2D布局调节机制来控制场景元素的放置和排列。实验结果表明，BlockFusion能够生成多样化、几何一致且质量高的室内外大型3D场景。

数学 7b 模型，帮助解决数学问题。

Internlm2 Math 7b 是一个基于 Hugging Face 平台的数学模型，主要用于解决数学问题。它能够处理各种数学题目，包括代数、几何、概率统计等。使用该模型可以提供准确的数学计算和解答，帮助用户学习和理解数学知识。Internlm2 Math 7b 提供简单易用的 API 接口，可以方便地集成到其他应用程序中。该模型基于深度学习技术，具有较高的准确性和可靠性。它适用于教育领域的数学辅助学习、作业辅导等场景。