关键词 "开源" 的搜索结果， 共 19 条, 只显示前 480 条
NVILA是NVIDIA推出的系列视觉语言模型，能平衡效率和准确性。模型用“先扩展后压缩”策略，有效处理高分辨率图像和长视频。NVILA在训练和微调阶段进行系统优化，减少资源消耗，在多项图像和视频基准测试中达到或超越当前领先模型的准确性，包括Qwen2VL、InternVL和Pixtral在内的多种顶尖开源模型，及GPT-4o和Gemini等专有模型。NVILA引入时间定位、机器人导航和医学成像等
Dolphin 是字节跳动开源的轻量级、高效的文档解析大模型。基于先解析结构后解析内容的两阶段方法，第一阶段生成文档布局元素序列，第二阶段用元素作为锚点并行解析内容。Dolphin在多种文档解析任务上表现出色，性能超越GPT-4.1、Mistral-OCR等模型。Dolphin 具有322M参数，体积小、速度快，支持多种文档元素解析，包括文本、表格、公式等。Dolphin的代码和预训练模型已公开，
II-Agent：一个用于构建和部署智能体的全新开源框架。II-Agent 是一款开源智能助手，旨在简化和增强跨领域的工作流程。它代表了我们与技术互动方式的重大进步——从被动工具转变为能够独立执行复杂任务的智能系统。作为简易的COZE，Dify平替。 ii-agent开源框架，擅长构建跨多个领域工作流的Agent，能独立执行复杂任务已是Agent标配 其技能覆盖研究与核查、内容生成、数据分析可视
fellou开源智能体工作流框架，Eko 2.0 在不同复杂程度上始终表现优异： 简单任务：成功率为 95%（其他产品的成功率为 80-90%） 平均成功率：78%（其他产品成功率为 56-61%） 中等复杂度：成功率为 76%（其他产品的成功率为 49-58%） 困难任务：成功率为 70%（其他产品的成功率为 32-43%） 这些数字背后隐藏着不可靠的自动化工具和企业真正可以依
SurfSense 是开源的 AI 研究工具，类似于 NotebookLM 和 Perplexity，具备更强的扩展性。工具能与多种外部数据源（如搜索引擎、Slack、Notion、YouTube、GitHub 等）集成，支持用户上传多种格式的文件，将内容整合到个人知识库中。SurfSense 提供强大的搜索功能和自然语言交互能力，用户能快速查找和引用保存的内容。 SurfSense的主要功能
Morphik 是开源的多模态检索增强生成（RAG）工具，专为处理高技术性和视觉内容丰富的文档设计。支持对图像、PDF、视频等多种格式的文档进行搜索，采用 ColPali 等技术，能理解文档中的视觉内容。Morphik 具备快速元数据提取功能，可从文档中提取边界框、标签、分类等信息。 Morphik的主要功能 多模态数据处理：能处理文本、PDF、图片、视频等多种格式的文件。 智能解析文件
Kilo Code 是开源的VS Code AI Agent扩展程序，提升开发人员的编码效率。具备强大的代码生成能力，能根据自然语言描述快速生成代码片段，有效减少手动编写代码的时间。Kilo Code 能自动化执行多种重复性编码任务，例如代码格式化、重构以及生成样板代码等，进一步提高开发效率。内置最新的AI模型，如Claude和 Gemini 2.5 Pro，无需用户手动配置API密钥，提供MCP
Qlib 是一个开源的、面向 AI 的量化投资平台，旨在利用 AI 技术挖掘量化投资的潜力，赋能研究，创造价值，涵盖从探索想法到落地生产的全过程。Qlib 支持多种机器学习建模范式，包括监督学习、市场动态建模和强化学习。 越来越多不同范式的 SOTA Quant 研究成果/论文正在 Qlib 中发布，以协作解决量化投资领域的关键挑战。例如，1）使用监督学习从丰富且异构的金融数据中挖掘市场复杂的非
LMEval 是谷歌推出的开源框架，用在简化大型模型（LLMs）的跨提供商评估。框架支持多模态（文本、图像、代码）和多指标评估，兼容 Google、OpenAI、Anthropic 等主流模型提供商。LMEval 基于增量评估引擎，运行必要的测试，节省时间和计算资源。框架自加密的 SQLite 数据库确保评估结果的安全存储。LMEvalboard 提供交互式可视化界面，帮助用户快速分析模型性能，直
Slidev 是开源的PPT制作模型，基于 Markdown + Vue 技术栈实现。工具支持用简单的 Markdown 语法创建幻灯片，支持代码高亮、实时编码演示、数学公式渲染、图表生成等功能，提供丰富的主题和样式选项。Slidev 提供快速启动命令 npm init slidev，支持在线编辑器 sli.dev/new，无需安装软件简单易用。Slidev 的核心优势在于开发友好性和强大的交互性
Ming-Lite-Omni是蚂蚁集团开源的统一多模态大模型。模型基于MoE架构，融合文本、图像、音频和视频等多种模态的感知能力，具备强大的理解和生成能力。模型在多个模态基准测试中表现出色，在图像识别、视频理解、语音问答等任务上均取得优异成绩。模型支持全模态输入输出，能实现自然流畅的多模态交互，为用户提供一体化的智能体验。Ming-Lite-Omni具备高度的可扩展性，可广泛用在OCR识别、知识问
# 核心亮点 支持最强开源模型千问3，其代码能力达到业界领先水平，同时支持MCP协议，具备强大的工具调用能力，可以帮助开发者快速开发智能体应用。 全面集成通义灵码智能编码助手（即通义灵码插件）的能力，无需安装插件开箱即用，直接体验高效、智能的编程体验。 自带编程智能体模式，开发者只需描述编码任务，通义灵码便可以自主地进行工程感知、代码检索、执行终端、调用MCP工具等，
Jaaz 是开源的AI设计Agent，本地免费 Lovart 平替项目。具备强大的 AI 设计能力，能智能生成设计提示，批量生成图像、海报、故事板等。Jaaz 支持 Ollama、Stable Diffusion、Flux Dev 等本地图像和语言模型，实现免费的图像生成。用户可以通过 GPT-4o、Flux Kontext 等技术，在对话中编辑图像，进行对象移除、风格转换等操作。Jaaz 提供无
PandaWiki 是开源的AI知识库搭建系统，基于 AI 大模型的能力，帮助用户快速构建智能化的产品文档、技术文档、FAQ 和博客系统。核心功能包括 AI 辅助创作、AI 问答和 AI 搜索，显著提升知识管理的效率和智能化水平。PandaWiki 提供强大的富文本编辑能力，支持 Markdown 和 HTML 编辑，可导出为 Word、PDF、Markdown 等多种格式。支持与第三方应用集成，
OpenAudio S1是Fish Audio推出的文本转语音（TTS）模型，基于超过200万小时的音频数据训练，支持13种语言。采用双自回归（Dual-AR）架构和强化学习与人类反馈（RLHF）技术，生成的声音高度自然、流畅，几乎与人类配音无异。模型支持超过50种情感和语调标记，用户可通过自然语言指令灵活调整语音表达。OpenAudio S1支持零样本和少样本语音克隆，仅需10到30秒的音频样本
VTable: 不只是高性能的多维数据分析表格，更是行列间创作的方格艺术家！免费，开源，基于Canvas 的 百万数据秒级渲染前端表格组件库 VTable是字节跳动开源可视化解决方案 VisActor 的组件之一。 在现代应用程序中，表格组件是不可或缺的一部分，它们能够快速展示大量数据，并提供良好的可视化效果和交互体验。VTable是一款基于可视化渲染引擎VRender的高性能表格组件库，为用
小红书hi lab（Humane Intelligence Lab，人文智能实验室）团队首次开源文本大模型 dots.llm1。 dots.llm1是一个中等规模的Mixture of Experts (MoE)文本大模型，在较小激活量下取得了不错的效果。该模型充分融合了团队在数据处理和模型训练效率方面的技术积累，并借鉴了社区关于 MoE 的最新开源成果。hi lab团队开源了所有模型和必要的训练
BiliNote 是一个开源的 AI 视频笔记助手，支持通过哔哩哔哩、YouTube、抖音等视频链接，自动提取内容并生成结构清晰、重点明确的 Markdown 格式笔记。支持插入截图、原片跳转等功能。 Windows 打包版 本项目提供了 Windows 系统的 exe 文件，可在release进行下载。注意一定要在没有中文路径的环境下运行。 🔧 功能特性 支持多平台：
SmolVLA 是 Hugging Face 开源的轻量级视觉-语言-行动（VLA）模型，专为经济高效的机器人设计。拥有4.5亿参数，模型小巧，可在CPU上运行，单个消费级GPU即可训练，能在MacBook上部署。SmolVLA 完全基于开源数据集训练，数据集标签为“lerobot”。 SmolVLA的主要功能 多模态输入处理：SmolVLA 能处理多种输入，包括多幅图像、语言指令以及
只显示前20页数据，更多请搜索
Showing 97 to 115 of 115 results
